美团龙猫发布LongCat-2.5多模态模型

美团龙猫11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。