11月2日,美团发布新一代大模型LongCat—2.5。这是一个面向长程智能体任务的原生多模态模型,总参数量为1.6万亿,每个token激活约480亿参数,在LongCat—2.0的基础上进一步强化原生视觉理解与智能体编程能力。
据介绍,LongCat(龙猫)在长序列训练中加入更多长程轨迹数据,并通过大规模长程强化学习,提升模型在复杂代码库开发、完整项目构建等任务中的端到端工程能力。围绕数据合成、环境构建与跨Harness混合训练,平台持续扩展这条训练链路。此外,龙猫将真实 Agent的失败轨迹转化为可复现、可验证的训练任务,针对模型能力短板持续补充训练数据。
与此同时,LongCat—2.5将视觉信号表示为多层级离散token,使主干模型以统一的token形式处理视觉与文本输入。原生视觉理解与智能体编程能力的结合,使模型在Visual Coding上表现出色,并支持创意设计和3D等任务。
平台表示,这些升级由持续演进的基础设施支撑:优化国产算力上的长上下文训练与W4A4推理,并通过训推数值一致性和长上下文rollout优化,支撑大规模长程RL的高效运行。
同时,LongCat—2.5在训练中和监督微调阶段均采用长序列训练。针对国产算力单卡显存不足80GB的限制,训练系统重点优化显存开销,并围绕超节点架构设计并行策略。
今年6月,美团公布LongCat—2.0。首次在国产算力上完成万亿参数模型的全流程训练与推理。彼时,美团介绍,LongCat—2.0从零开始预训练,原生支持1M超长上下文,其架构设计自始至终围绕一个核心目标:让模型在真实的Agentic Coding任务中,更高效、更稳定地完成代码理解、生成与执行。
新模型是在LongCat—2.0基础上,进一步强化原生视觉理解与智能体编程能力,并优化国产算力上的长上下文训练与推理效率。
文/广州日报新花城记者:文静
广州日报新花城编辑:李光曼
















































