美团 LongCat 团队推出 LongCat-2.5，是一款面向长程智能体任务的原生多模态大模型，总参数量 1.6 万亿，每次 token 激活约 480 亿参数，在 LongCat-2.0 版本的基础上重点补齐原生视觉能力，不再只是单纯写代码，而是能完成整套项目任务，支持读取截图、UI 草图、图表、3D 画面，一边看懂图像一边写代码，适配终端、浏览器、表格、设计画布等多种工具环境，适合开发工程类智能体。上一代 LongCat-2.0 重心是代码生成与编辑，这次升级把视觉信号统一转成离散 token，图片和文字用同一套词表处理，搭配长程强化学习训练，用来解决智能体做多步骤任务时容易中途跑偏、任务做不完的老问题，同时兼容多款主流智能体框架，方便开发者直接接入现有工作流。
LongCat-2.5 核心参数清单
- 模型总参数量：1.6T（稀疏 MoE 架构）
- 单 Token 激活参数：约 48B
- 上下文窗口：1M 上下文，最大输出 128K
- 核心能力：原生多模态、视觉编码、长程智能体、工具调用
- 推理支持：W4A4 INT4 量化，适配国产加速卡
- 协议：MIT 开源协议，支持商用部署、二次训练
- 兼容框架：Claude Code、Codex、Hermes、OpenClaw 等
关键技术改动点
- 原生多模态统一 token 化：图像经过 RVQ 编码转为多级离散 token，图文共用一套主干网络，不是后期拼接的外挂视觉模块
- 长程智能体强化学习：挖掘 GitHub 工单、PR 真实轨迹搭建仿真环境，用失败 - 成功对照样本训练，降低奖励劫持问题
- 跨框架混合训练：训练阶段就适配多种智能体脚手架，切换框架不用重新微调模型
- 底层算力优化：超节点并行、双分片 FSDP，保证训练和推理结果一致
适用场景清单
- 视觉编程：识别界面截图、原型图，直接生成对应前端、后端代码
- 完整工程交付：读取大型代码库，多步骤修改、调试、提交 PR
- 3D 与创意设计：看懂 3D 视口、设计稿，输出修改脚本和参数
- 终端自动化：在终端里执行连续指令、排查报错、自动复现问题
- 浏览器、表格工具联动：跨多个工具完成复杂复合任务
落地部署步骤
- 确认硬件环境：国产加速卡，准备 W4A4 量化推理环境
- 选择智能体脚手架：按需接入 Claude Code、Hermes 等框架
- 接入模型 API 或者本地加载开源权重，配置长上下文参数
- 测试视觉编码、截图识别、多轮工具调用链路
- 基于业务场景做少量微调，沉淀专属任务轨迹数据
整体来看，LongCat-2.5 的升级重点是把视觉能力和智能体长链路任务打通，从 “代码生成器” 升级成可以看懂图片、跨工具完成完整项目的原生多模态智能体底座，开源之后开发者可以直接拿来搭建工程自动化类 Agent。
【常见问题】
问题 1：LongCat-2.5 原生多模态模型，和上一代 LongCat-2.0 主要差别是什么？
回答 1：LongCat-2.5 原生多模态模型在 LongCat-2.0 基础上增加原生视觉能力，主打长程智能体任务，不再只做代码编辑，支持看图编程、跨工具完成整套项目。
问题 2：LongCat-2.5 原生多模态模型，图像和文本是怎么处理的？
回答 2：LongCat-2.5 原生多模态模型把视觉信息转为多级离散 token，图文共用同一个主干网络和词表，属于原生多模态，不是外挂视觉编码器拼接方案。
问题 3：LongCat-2.5 原生多模态模型，开源之后能不能商用？
回答 3：LongCat-2.5 原生多模态模型采用 MIT 开源协议，支持商用推理部署以及二次训练，不需要额外授权。
【参考资料】
[2026-11-11]（社区供稿 | LongCat-2.5：面向智能体任务的原生多模态模型）美团技术团队
[2026-11-10]（美团 LongCat-2.5 正式开源，MIT 协议开放商用）IT 之家
[2026-11-02]（美团正式发布 LongCat-2.5：面向智能体任务的原生多模态模型）美团技术团队
[2026-11-01]（Introducing LongCat-2.5）LongCat 官方博客
【免责声明】
本文仅为公开技术资讯整理，模型性能、部署效果受硬件、prompt、智能体脚手架影响，不构成项目选型、商用落地建议，正式使用前请阅读官方技术文档与开源协议。