美团于 11 月 2 日发布了 LongCat-2.5，在其 LongCat 产品阵容中添加了 1.6 万亿参数的原生多模态模型，并将长期代理编码（而不是聊天）指定为其主要任务。据 TechNode 报道，该模型为每个代币激活了大约 480 亿个参数，该架构旨在提供前沿规模的容量，而无需支付每个请求的参数总数的全部推理成本。
据 Pandaily 当时的报道，此次发布是 LongCat-2.5-Preview 的生产后续产品，美团于 9 月下旬推出了 LongCat-2.5-Preview，作为一个 1.6T 专家混合代理模型，具有 100 万代币上下文窗口。有关这个故事和更广泛的模型竞赛的更多信息，请参阅我们的 AI 模型报道。
专为工作数小时而不是数秒的代理而构建
LongCat-2.5 的决定性赌注是前沿已经从回答问题转向完成任务。美团表示，它扩大了对长任务序列的训练，并应用大规模强化学习来改进模型在复杂代码库和完整软件项目上的工作——代理系统往往会漂移、停滞或悄然失败的扩展、多步骤工作。
一项训练技术脱颖而出。该公司表示，它将真实代理遇到的故障转化为可重复的训练任务，从而在生产代理出错和模型下一步学习之间形成闭环。这种方法不是将代理失败视为轶事，而是视为课程，这表明美团正在从已部署的系统中收集硬训练数据，其规模是大多数实验室无法比拟的，因为该公司的食品配送和物流业务会产生大量的现实世界任务流量。
统一令牌框架中的本机多模态
根据发布报道，LongCat-2.5 在统一的令牌框架内处理视觉和文本输入，这意味着图像和文本被转换为相同的底层表示，而不是通过单独的编码器修补在一起。美团表示，这使得视觉编码、创意设计和 3D 任务与传统的软件工程工作一起得以实现。
多模式的强调是代理编码领域的一个差异化因素，大多数竞争对手仍然以文本为先。与只看到代码的代理相比，能够读取设计模型、推理 3D 场景或解释错误报告屏幕截图的代理可以承担更广泛的实际产品开发工作。
480 亿个激活参数的经济性
总功率 1.6T / 主动功率约 48B 的分体式发动机值得拆开包装，因为它解释了该型号的适用人群。在专家混合设计中，只有一小部分网络会触发任何给定的代币，这使得万亿规模的模型可以负担得起运行：容量可以满足需要它的请求，而每个代币的成本则跟踪活动参数计数。对于代理工作负载，数学是复合的。工作数小时的代理会在规划、工具调用和代码编辑过程中生成数十万或数百万个代币，因此为 480 亿个活动参数付费与为每一步支付 1.6 万亿个参数之间的差距就是可行产品和研究演示之间的区别。
根据 Pandaily 的说法，结合预览模型引入的 100 万代币上下文窗口，目标工作负载是明确的：一个代理在工作内存中保存整个代码库、其文档及其故障历史记录，同时执行以小时为单位的任务列表。
可用性：立即聊天和 API，开放权重可供关注
据动点科技称，该模型可通过美团在线聊天服务和 API 平台立即使用。 GitHub 和 Hugging Face 计划随后发布——这一顺序与其他中国实验室的做法相呼应，这些实验室越来越多地首先发布托管访问，然后不久发布开放权重。
分阶段发布对两个观众来说很重要。对于企业来说，如今 API 的可用性意味着可以立即评估 LongCat-2.5 的编码代理工作负载。对于开源生态系统来说，承诺的权重发布将决定LongCat-2.5是否像以前公开发布的中国模型那样成为微调代理系统的基础。
中国模特发布会的拥挤一周
此次发布是在中国人工智能行业爆发之际推出的。同日，动点科技报道称，商汤科技开源了一个90亿参数的模型，可以重用层进行更深入的处理，而DeepSeek团队开源了一个主动编码代理研究原型。美团，作为全球知名的食品配送巨头，已经悄然建立了国内最可信的人工智能研究项目之一——LongCat-2.5 证明了代理编码、从头开始的多模式才是最重要的工作量。
完整版本是否在机构和开发人员关心的基准（长期任务完成、代码库级编辑、多模式基础）上优于预览模型，将是立即的考验。战略方向已经很明确了：大型模型的下一个争议领域不是琐碎的答案或论文写作，而是在真实软件上进行数小时的自主工作。
---
保持人工智能领先地位获取最新的人工智能新闻、分析和突破——尽在一个地方。
阅读更多人工智能新闻 →
