2026-11-02,美团宣布LongCat-2.5正式提供API;配套技术博客首次发布于2026-11-01。模型定位为原生多模态长程Agent,总参数量1.6万亿,每个token约激活480亿参数。官方文档显示API模型名为`LongCat-2.5`,兼容OpenAI与Anthropic接口风格,并支持最长100万token上下文和最多12.8万token输出。

模型把视觉信号编码为多层离散token,再与文本和动作轨迹共同训练。美团称其长程强化学习使用现实失败轨迹构造可验证任务,目标是让模型在终端、浏览器和复杂软件环境中持续执行、纠错和完成跨步骤任务。公开材料对训练方法给出较多结构信息,但截至发布时没有可核验的开放权重与许可证。

训练基础设施方面,美团称LongCat-2.5完全在国产AI加速器上训练,中期训练最长序列达到100万token,累计处理数十万亿token。官方还报告,长序列监督微调在单卡上的吞吐相对其DDP基线提升86%。这些数字没有披露足够的芯片型号、集群规模和完整复现实验,因此只能作为厂商工程结果理解。

推理优化采用权重和激活均为4比特的W4A4量化。官方对比W8A8 INT8基线时,报告预填充吞吐提升43.3%、解码吞吐提升42.77%、首token延迟下降15.91%、token间延迟下降19.72%。比较对象和指标已明确,但硬件、批量、上下文分布等关键参数未完整公开,不宜与其他厂商或不同平台结果横向拼接。

能力部分覆盖终端、浏览器和办公软件等Agent评测,官方列出TerminalBench 4.0为38.5、TerminalBench 2.1为88.4等结果。除非评测页面另有公开来源,这些均应视为模型发布方自测;任务版本、代理框架、工具权限、采样次数和成本都会显著影响长程Agent成绩,不能简单等同于真实生产成功率。

API现已可调用,这一点比“模型预告”更具体。开发者仍需核验计费、速率、数据处理条款和地区可用性,并在自有任务中记录失败恢复、工具调用准确率、延迟与总成本。百万token窗口也不意味着所有长度都保持同等推理质量,输入组织和检索策略仍会决定实际效果。

量仔观察

LongCat-2.5最值得关注的是国产加速器上的超长序列训练和W4A4推理形成了完整工程叙事,而不只是单一榜单。API开放使外部实测成为可能,但权重、训练细节和独立评测仍有缺口。对产业读者,下一步应把关注点从“参数量最大”转向单位任务成功成本、长链路恢复能力、不同硬件上的量化误差,以及接口兼容在真实工具生态中的边界。