美团龙猫 LongCat11月2日发布 LongCat-2.5，定位长程智能体任务的原生多模态模型，总参数量1.6万亿，每 token 激活约480亿参数，在 LongCat-2.0基础上强化原生视觉理解与智能体编程能力。在线体验与 API 接入已开放，GitHub 与 HuggingFace 权重即将上线。
技术路线上，LongCat-2.5将视觉信号表示为多层级离散 token，沿用 LongCat-Next 的语义对齐编码器并施加残差向量量化，原生分辨率离散化与离线视觉 token 预计算使主干统一处理视觉与文本输入，视觉码本 embedding 与主干联合学习，并在激活约3B 的 MoE 上验证语义空间交织。
智能体能力依托 Agentic RL 链路:数据合成流水线自动生成训练任务、可交互环境与可验证测试用例，取自 GitHub 与内部场景，并以 fail-to-pass、pass-to-pass 校验;训练侧以 partial rollout 异步策略缓解长尾效率、抑制样本陈旧性，通过断网、清除 git 历史和 LLM judge 监督约束 reward hacking，跨任务跨 Scaffold 混合训练促泛化。
基础设施面向国产算力单卡显存不足80GB 的限制优化超节点并行与双重分片 FSDP，长序列 SFT 单卡吞吐量较 DDP 基线提升86%。推理侧 W4A4方案将专家权重与激活同时量化至4bit，相对 W8A8INT8基线，Prefill 与 Decode 吞吐分别提升43.3% 和42.77%，TTFT 与 TPOT 分别降低15.91% 和19.72%，GMM 算子平均加速1.73倍。
评测中，LongCat-2.5在 Terminal Bench v2.1与 v4.0取得88.4和38.5，AutomationBench51.8、BrowseComp91.9、Program Bench25.5、MCP Atlas83.1、3DCodeBench55.4，其中 Terminal Bench v4.0超过 GPT-5.6-Sol 的37.3;视觉侧 Vision2Web78.6、MathVision96.5。
其以原生多模态架构与国产算力全栈自研切入长程智能体竞争，延续大模型从参数竞赛转向任务实效的趋势。
详情参见官网技术博客:https://longcat.ai/blog/longcat-2.5。