大数跨境

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
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