美团发布 1.6 万亿参数智能体模型,全程未用英伟达 GPU

发布时间 2026-11-15
来源 The Decoder
字数 2,179 字
查看原文 反馈

智能总结

美团 LongCat 团队发布智能体模型 LongCat-2.5 的权重,总参数 1.6 万亿,采用 MoE 架构,每个 token 约激活 480 亿参数。它面向编程等长时多步骤自主任务,API 单次可处理最多 100 万 token、生成最长 12.8 万 token,支持文本、图像和视频输入。

Jonathan Kemper 查看 Jonathan Kemper 的 LinkedIn 主页 2026 年 11 月 15 日

由 THE DECODER 提示 ChatGPT-5.6 生成

美团发布了 LongCat-2.5 的权重,这是一个为 AI 智能体构建的 1.6 万亿参数模型。它完全在中国硬件上训练,在编程基准测试上的表现达到了 Claude Opus 5 等美国模型几个月前的水平。

中国外卖公司美团的 LongCat 团队在该模型正式亮相一周后,发布了 LongCat-2.5 的权重。LongCat-2.5 面向能够自主完成长时间、多步骤任务的智能体,尤其是编程任务。据美团称,它在多项基准测试上接近西方顶级模型。

LongCat-2.5 是一个混合专家(MoE)模型,处理每个 token 时只激活其中一部分专用子网络。在 1.6 万亿总参数中,每个 token 约有 480 亿参数处于激活状态。通过 API,该模型一次可处理最多 100 万 token,生成最长 12.8 万 token 的回复。它能理解文本、图像和视频,以文本回应,并允许用户开关推理功能。

LongCat-2.5 将图像转换为 token

LongCat-2.5 基于前代 LongCat-2.0 构建,并新增了图像理解能力。许多多模态模型是在事后额外挂接一个独立的图像编码器。LongCat-2.5 则不同,它把图像转换为 token,与文本一起交由模型处理,这也是当今大语言模型的标准做法。该方法借鉴了研究模型 LongCat-Next,旨在改进视觉编程、设计和 3D 任务。

在强化学习方面,团队使用了来自 GitHub 拉取请求的真实软件任务,以及复现的智能体失败案例。为确保模型在训练中真正解决了任务,开发者在训练环境中屏蔽了互联网访问,移除了 Git 历史和缓存文件,并让一个语言模型检查其解法是否存在取巧行为。团队还将多个专用教师模型在智能体工作、推理和对话方面的能力蒸馏进 LongCat-2.5。

Overview of the LongCat-2.5 reinforcement learning pipeline with five sections, from task synthesis using GitHub repositories through a sandboxed environment with no web search, Git history, or build cache, to reward verification via tests and an LLM judge.

示例部署运行在 194 颗华为芯片上

美团将专家的权重和激活值量化为 4 位精度,中国芯片可以原生处理这种精度。在美团的负载测试中,与 8 位版本相比,提示处理的吞吐量提升了 43.3%,回复生成的吞吐量提升了 42.77%。美团表示,准确率与未压缩模型持平。

该版本可在独立仓库中获取。自托管指南描述了一个由 194 颗 Atlas A2 系列华为昇腾加速器组成的集群:2 颗负责图像处理,64 颗负责提示摄入,128 颗负责回复生成。没有针对英伟达 GPU 的指导。

LongCat-2.5 在终端任务上略逊于 Opus 5

LongCat 团队报告称,在衡量智能体解决命令行任务能力的 Terminal Bench v2.1 上得分 88.4。美团列出的对比中,Claude Opus 5 为 89.1,GPT-5.6 Sol 为 88.8,Deepseek-V4.1-Flash 以 90.6 位居榜首。

DeepSWE 测试模型在真实代码仓库中修复缺陷的能力。在该项上,LongCat-2.5 从 9.7 分跃升至 64.6 分,在表中除 Claude Opus 4.8 外落后于其他所有模型,其中 Deepseek-V4.1-Flash 以 74.2 领先,GPT-5.6 Sol 为 72.7。较新的 Claude Opus 5.5 和 GPT-6.1 Sol 未列入表中。

Bar charts comparing LongCat-2.5 and LongCat-2.0 with Claude Opus 5, Claude Opus 4.8, GPT-5.6 Sol, and GPT-5.5 across nine benchmarks in the categories of coding agents, general agents, and visual agents.

在难度更高的 Terminal Bench v4.0 上,LongCat-2.5 得 38.5 分,略高于 GPT-5.6 Sol 的 37.3 分,但远低于 Opus 5 的 53.9 分。该模型在网络搜索基准 BrowseComp 上得 91.9 分,为表中最高分,不过美团是在自己的环境中运行这项测试的。

权重已发布,采用 MIT 许可证,允许商业使用、修改和再分发。用户也可以在 https://longcat.ai/ 的聊天界面中试用 LongCat-2.5。其 API 同时支持 OpenAI 和 Anthropic 格式,并可接入 Claude Code、Codex 和 Hermes 等智能体框架。上线时,美团推出限时促销价,约合每百万输入 token 0.27 欧元、每百万输出 token 1.07 欧元。

美团表示,前代 LongCat-2.0 于 6 月底完全在一个由超过 5 万颗中国 AI 芯片组成的集群上完成训练。在此之前,该模型曾以“Owl Alpha”之名在 OpenRouter 上匿名运行。像 Kimi K3.1 和 GLM-5.3 这样的中国开放权重模型,在常见基准测试上已大体追上美国顶级模型。

从一开始就针对中国芯片优化的开放权重模型,也让这类硬件在中国以外更具吸引力。除多模态智能体模型外,美团还在研发图像生成器。该公司此前发布了开源文生图模型 LongCat-Image,该模型仅用 60 亿参数,优先考虑效率而非单纯的模型规模。