2026年11月1日，美团在官方博客介绍原生多模态模型LongCat-2.5，定位是面向长程智能体任务。它在LongCat-2.0的基础上强化原生视觉理解与智能体编程，让模型在终端、浏览器、界面等多个环节连续干活，而不是只回答单轮问题。对做长任务自动化、复杂代码库开发的团队来说，这是一次值得试用的更新，但权重尚未公开，评测数字也要按官方口径来读。
官方博客称，LongCat-2.5总参数1.6万亿，每个token约激活480亿参数。模型把视觉信号表示为多层级离散token，让视觉与文本以统一的token形式进入主干模型，既能看图编程，也支持创意设计与3D任务。训练上，美团加入更多长程轨迹数据，并扩大长程强化学习规模；真实智能体执行失败的过程也被转成可复现、可验证的训练任务，用来针对性补短板。长上下文训练与W4A4推理在国产加速器上优化，官方称其FSDP配置在长序列任务上的单卡吞吐比DDP基线高86%。
评测表怎么读：长程任务进步最大
美团自报的评测覆盖代码、通用智能体与视觉三类任务，数字来自官方博客的评测表，其中带星号的其他模型分数引自公开技术报告、博客或榜单。长程任务的拉升最明显：Terminal Bench v2.1从LongCat-2.0的70.8升至88.4，AutomationBench从15.8升至51.8，BrowseComp从79.9升至91.9。但不是每项都领先，Program Bench上LongCat-2.5为25.5，低于榜单最高的37.0。选型时不能只看总分，要对照自己的任务类型，看对应那一行，再跑自己的用例复核。
正式版和9月预览版差在哪
LongCat-2.5-Preview已于9月25日在API平台上线，本次是附带完整评测表的正式介绍，GitHub与Hugging Face版本仍显示即将上线，模型目前通过在线体验与API接入。参数口径仍以官方博客为准，权重公开后才能独立复核结构与复现评测。11月2日的平台更新日志也把LongCat-2.5列为已上线。下一步值得看的是权重与模型卡何时上线，以及第三方在真实项目里的复测结果，再决定是否把它放进生产链路。AI智能体专题
