美团LongCat团队发布原生多模态新模型

一、面向视觉理解与智能体编程的新模型

中国美团（Meituan）旗下LongCat团队发布了原生多模态模型LongCat-2.5，强化原生视觉理解与智能体编程，意在让模型直接理解图像与界面信息，并更完整地执行需要多步操作的编程任务。所谓原生多模态，强调视觉能力不是事后外挂的模块，而是模型本身具备的理解方式，这对处理截图、图表、界面元素与现实场景信息尤为重要。智能体编程则要求模型不只生成一段代码，还要能在工具与环境中推进任务、处理反馈并调整后续步骤。LongCat-2.5的发布，反映出国内团队正在把多模态理解与自主执行能力作为同一条主线推进，而不是把两者割裂看待。

二、规模、显存适配与基准表现

LongCat-2.5总参数为1.6万亿，每Token激活约480亿参数，这种规模与激活量的组合，意味着模型在保持庞大知识容量的同时，每次推理只动用其中一部分参数，从而在能力与计算成本之间寻求平衡。针对国产加速器单卡不足80GB显存的现实条件，团队重构了并行与显存配置，长序列微调单卡吞吐量较DDP基线提升86%，这对硬件条件受限的训练与微调场景具有直接意义。在基准方面，该模型在AutomationBench等多项基准上领先ClaudeOpus 5与GPT-5.6-Sol，Terminal-Benchv4.0得38.5分。这些结果指向它在自动化任务与终端环境编程任务上的执行能力，但基准成绩仍需结合真实业务场景进一步检验。这种面向国产硬件条件的优化，也说明模型设计正在从单纯追求规模，转向兼顾实际部署环境的可用性。

三、国产硬件适配带来的现实价值

对国内开发者与企业来说，模型能否在现有国产加速器上高效运行，往往比单纯的规模数字更关键。LongCat-2.5围绕单卡显存条件重构配置，正是把模型能力与可落地的硬件环境放在一起考虑的做法。如果这种适配能够在更多任务中保持稳定，它将降低多模态智能体应用的部署门槛，让视觉理解与编程执行更接近日常工作流程。当然，真正的考验还在后面：模型需要在复杂、开放的任务中保持可靠，而不是只在基准测试中表现突出。

信源跟踪： SegmentFault AI日报转引LongCat团队发布 | 数据时间： 北京时间2026年11月3日