搜索
首页
大数快讯
大数活动
服务超市
报告
跨企查
广告开户
APP
产业带
导航
知识体系
工具箱
产业园
更多
百科
找货源
跨境招聘
DeepSeek
首页
>
1.6T 开源模型能出真成品:美团 LongCat-2.5 上手(meituan-longcat/longcat-2.5)
>
1.6T 开源模型能出真成品:美团 LongCat-2.5 上手(meituan-longcat/longcat-2.5)
AI软件测评说
2026-11-16
0
导读:LongCat-2.5 是美团 11 月开源的 1.6T MoE 大模型(MIT 协议):每 token 只激活 48B,能端到端做出可交互的 3D/游戏/网站成品,原生多模态看得懂图,连 W4A4
开源大事件
MEITUAN-LONGCAT · LONGCAT-2.5 · 11-16
先说结论:
美团
上周把一个
1.6 万亿参数
的大模型按
MIT 协议
整个开源了,不限制商用、不限制二次训练,连量化好能直接部署的版本和国产芯片的部署指南都给你配齐了。这个模型叫 LongCat-2.5,专门冲着「让 AI 把一整个活干完」去的。
你大概率也用过现在的 AI 编程
工具
:让它做个网页,给你一张
好看但点不动
的图;给它一张截图让它复刻,它要么瞎猜要么直接摆烂;想在自己
服务
器上跑个万亿模型?A 卡难买、H 卡天价。这三件事,恰好是 LongCat-2.5 这次重点交答卷的三道题。
它 11 月 2 日发布,一周后(11 月 9 日)就开源了权重。上线两周,光在 OpenCode 一个平台上就被用了约
1090 亿 token
、约 4700 个独立用户跑了 5 万次会话——不是纸面模型,是真有人在拿它干活。
为什么值得关注
三个老大难,它一件件拆
✗ 成品点不动
AI 生成的页面好看,
按钮点不了数据是假的
✓ 真出成品
实测:3D 水族馆能切视角、经营分析
网站能查退款——真的一次跑通
→
✗ 看不懂图
给张截图让它复刻,
文生图给你张假图
✓ 原生看图
原生多模态:图像转离散 token,与文字
同一主干同一语义空间处理
→
✗ 部署不起
万亿模型私有化,
A 卡难买 H 卡天价
✓ 国产芯片跑
W4A4 量化开源+国产芯片原生支持,
官方给了自托管指南和 194 卡样例
→
左:现在大家用 AI 干活的真实痛点 · 右:LongCat-2.5 的拆法
让 AI 把活真正干完
卡在哪?
成品点不动 · 看不懂图 · 部署不起
👆 点开看三个坑
(点一下这张卡,答案在下面)
一
一句话,长出一个能用的东西
LongCat-2.5 是 MoE 架构:总参数 1.6 万亿,但每个 token 只激活约
480 亿
——账面吓人,用起来不憨。它面向的是「长程智能体任务」:复杂代码库开发、完整项目构建、视觉编程、专业办公,一句话说,就是能让它连着干几个小时的那种活。
开发者这两周晒出来的东西,可以感受一下:一座
能切视角的 3D 水族馆
,鲸鲨从镜头边游过,控制面板能调光照;一款
水墨武侠打斗游戏
,雨夜村落、武学参悟界面一应俱全;一套
电商经营分析网站
,总览、交易明细、退款分析、损失构成分层呈现。这些不是效果图,是它端到端生成的可交互成品。
智东西实测它解读亚马逊季度财报并生成带图表的 PPT:分析框架完整、初步比对没发现数据错误,就是部分页面信息密度偏高、字号偏小——能交差,但要自己再顺一遍。
原生多模态
图像怎么变成模型「母语」,三屏看完
第 1 步 · 原生分辨率
›
截图 / 设计稿进来,
不被裁成 224×224 的小方块
›
SAE 语义对齐编码器
按图片自己的分辨率提特征
›
两张大小不同的图,
各自成串、互不将就
第 2 步 · 离散化成 token
›
RVQ 残差矢量量化,
特征 → 多层级离散 token
›
图像变成一串「词汇」
——和文字词元同一种形态
›
token 可离线预计算缓存,
训练时直接拼进长序列
第 3 步 · 同一主干处理
›
视觉 token 与文本 token
在同一个语义空间对齐
›
t-SNE 里两类词元交织
(官方在 3B MoE 上验证)
›
所以它能「看着图写代码」,
而不是靠另一个视觉模型转述
这套「视觉 token 化」来自 LongCat-Next 论文(arxiv:2603.27538)
(本卡自动轮播,无需点击)
二
它「看图」的方式,和别家不一样
很多模型说自己多模态,实际是「视觉模型看完,用文字转述给语言模型」——像隔着翻译聊天。LongCat-2.5 是
原生
的:把视觉信号转成
多层级离散 token
,和文字词元在同一个主干、同一个语义空间里处理。官方在约 3B 激活参数的小模型上做了验证:t-SNE 图里视觉和文本的词元交织在一起,说明它们真的住在同一个「意义空间」里,不是拼装货。
落到用处就是「视觉编程」:给它一张设计稿、一张截图、一块白板,它照着写页面。官方把它列进强项,3DCodeBench(文字生成 3D 代码)拿了 55.4 分,压过 Claude-Opus-5 的 54.3。上面那张流程图,就是官方的视觉 token 化示意图:
官方图:原生分辨率视觉 token 化(HF 模型卡 figures/visual-tokenization.png)
三
成绩单:31 项测试,4 项第一
美团官方评测表拉了 9 个模型、31 项测试对照。LongCat-2.5 在
BrowseComp 联网检索 91.9
、
ALE v1.1 跨领域智能体 38.5
、
ResearchRubrics 深度研究 81.0
、
3DCodeBench 55.4
四项排第一;终端操作 Terminal Bench v4.0 从上一代的 3.0 涨到 38.5,职业任务 JobBench 从 44.4 涨到 65.4。
把丑话说在前面:它
不是全面碾压
。Program Bench 上 Claude-Opus-5 的 37 分还是明显领先,多模态基准 ClawBench-MM 也排第三。第三方口径里,「大致和 Opus 4.8 同区间」是更接近实际的定位——强,但不是断层第一。官方原图贴在下面,你可以自己核对:
官方评测图:LongCat-2.5 vs Opus-5 / Opus-4.8 / GPT-5.6-Sol / GPT-5.5(HF 模型卡 figures/metrics-dashboard.png)
官方基准 · 汇总
31 项测试里 4 项第一
BrowseComp 91.9
联网检索,第一
ALE v1.1 38.5
跨领域智能体,第一
ResearchRubrics 81.0
深度研究,第一
3DCodeBench 55.4
文生 3D 代码,第一
Terminal Bench 38.5
上代 3.0 → +35.5
JobBench 65.4
职业任务,上代 44.4
对照口径:与 Opus-5 互有胜负,不是全面碾压
官方 metrics-dashboard 原图在下方正文,可自行核对
官方基准 · 3/3
视觉 Agent:文生 3D 代码第一
VISUAL AGENT 组
›
3DCodeBench 文生 3D
LC 55.4 > Opus-5 54.3(第一)
›
Vision2Web 看图建站
Opus-5 80.2 > LC 78.6(第二)
›
ClawBench-MM 多模态
GPT-5.6-Sol 73.2 > LC 72.1(第三)
看得懂图 + 写得了码,两头它都排在第一梯队
↓ 最后点一下,看汇总
官方基准 · 2/3
通用 Agent:三项压过 Opus-5
GENERAL AGENT 组
›
BrowseComp 联网检索
LC 91.9 > Opus-5 90.8(第一)
›
AutomationBench
LC 51.8 > Opus-5 50.3(第一)
›
LongCatClawBench
LC 83.3 > Opus-5 82.6(第一)
›
ResearchRubrics 深研
LC 81.0(智东西口径,第一)
›
JobBench 职业任务
65.4,上代 44.4,+21 分
↓ 再点一下,看「视觉 Agent」组
官方基准 · 1/3
写代码:接近最强闭源
CODE AGENT 组(官方评测图)
›
Program Bench
Claude-Opus-5 37 > LongCat-2.5 25.5
›
Terminal Bench v2.1
Opus-5 89.1 > GPT-5.6-Sol 88.8 > LC 88.4
›
Terminal Bench v4.0
Opus-5 53.9 > LC 38.5 > GPT-5.6-Sol 37.3
终端任务 v4.0:上代 3.0 → 2.5 代 38.5,翻 12 倍
↓ 点一下,看「通用 Agent」组
(数据来自官方 metrics-dashboard,下方原图)
四
最实在的一手:国产芯片直接跑
开源大模型不稀奇,稀奇的是「开箱能部署」。这次连 W4A4 量化版一起开源了——权重和激活值都压到 4bit,在华为昇腾这类国产加速器上原生支持。官方线上压测:对比 8bit 的 W8A8 基线,
预填充吞吐 +43.3%
、
解码吞吐 +42.77%
,任务精度基本持平;官方还给了
194 颗国产芯片
的样例集群部署参考。
上一代 LongCat-2.0 就是在国产算力集群上完成大规模训练的;这次长序列微调的单卡吞吐又比 DDP 基线提升了
86%
。翻译一下:这不是「能不能跑」的演示,是「怎么跑得更划算」的工程经验,对要私有化部署的团队是真金白银。
自部署的关键
W4A4:万亿模型塞进国产芯片
+43.3%
预填充吞吐 vs W8A8
+42.77%
解码吞吐 vs W8A8
≈持平
任务精度
TTFT −15.91% · TPOT −19.72%(官方线上压测口径)
权重
huggingface.co/meituan-longcat/LongCat-2.5-W4A4(208 个分片)
指南
github.com/meituan-longcat/SGLang-FluentLLM(longcat-2.5-npu 分支)
样例
官方给到 194 颗国产加速器的集群部署参考
前提
1.6T 参数——个人电脑跑不动,这是团队级工程
上:8bit 基线 → 下:4bit 权重+激活量化,吞吐大涨精度不掉
怎么用上
三条路,按你的预算选
① 免费试
OpenCode 限时免费两周(每天限 100 次请求)
或直接 longcat.ai/chat 聊两句
② 调 API
输入 2 元 / 输出 8 元(每百万 token)
缓存命中输入只要 0.04 元,可开关思考
③ 自部署
下载 W4A4 量化权重,按官方 SGLang 指南
部署到昇腾等国产加速器
👇 点一下,看自部署最关心的 W4A4 数据
五
泼几瓢冷水
第一瓢,它会「想太多」。
正式版仍有循环推理问题:X 上有开发者反馈它反复绕圈、产生冗余内容;第三方实测也发现长程任务后期有概率陷入思考死循环,上下文拉太长时部分题目干脆输出不了结果。
第二瓢,9 月的 Preview 版被骂得不轻。
彼时第三方测评里,鹈鹕骑土星环没理解环形轨道、浏览器 OS 的设置弹窗点不动、3D 赛车开半天见不到障碍物。正式版进步很大,但「新生事物」四个字别忘了。
第三瓢,同价位它不是唯一选项。
智东西对比:DeepSeek-V4.1-Flash 在 26 项可比测试里有 14 项得分高于 LongCat-2.5,高峰时段同价、空闲时段便宜一半。要跑分请两家都试。
第四瓢,1.6 万亿参数,个人电脑想都别想。
开源不等于你能跑。个人用户走免费入口或 API 就好;自部署是团队级工程(想想 194 颗卡)。
六
想上手的,三选一
① 免费试
:OpenCode 上限时免费两周,每天限 100 次请求;或者直接到 longcat.ai/chat 聊两句。
② 调 API
:longcat.ai/platform/docs,限时价输入 2 元、输出 8 元(每百万 token),缓存命中输入 0.04 元,支持 100 万 token 上下文、最长 12.8 万 token 输出,思考模式可开关。
③ 自部署
:下载量化权重,按官方指南走:
权重:huggingface.co/meituan-longcat/LongCat-2.5-W4A4
指南:github.com/meituan-longcat/SGLang-FluentLLM
(自托管指南在 longcat-2.5-npu 分支,国产加速器向)
模型主页:https://huggingface.co/meituan-longcat/LongCat-2.5 ——MIT 协议,商用部署、二次训练都不需要额外授权,法务那边好交代。
一句话收尾:
能出真成品、看得懂图、国产芯片跑得动、MIT 随便用
——四件事凑在同一个开源模型上,这是它这周值得你看一眼的理由。
数据与事实来源:HuggingFace meituan-longcat/LongCat-2.5 与 LongCat-2.5-W4A4 模型卡及 figures/(2026-11-16 抓取);美团技术团队博客 tech.meituan.com(2026-11-02);longcat.ai/blog/longcat-2.5;智东西 2026-11-10、11-02 报道;第三方实测:葬AI(funeralai.substack.com,2026-11-11)、AI产品狙击手(2026-09-26,Preview 版)。
本文未实测模型本体(1.6T 参数无法在本文环境部署),演示案例与基准数据均为官方与媒体口径,已逐条标注来源。
【声明】内容源于网络
0
0
AI软件测评说
专注分享Vibe Coding、独立开发Ai 工具和创业灵感
内容
405
粉丝
0
关注
在线咨询
AI软件测评说
专注分享Vibe Coding、独立开发Ai 工具和创业灵感
总阅读
11.6k
粉丝
0
内容
405