美团正式开源 LongCat-2.5 模型权重,这款 1.6 万亿总参数的 MoE 长程智能体原生多模态模型,官方放出的自托管部署文档只面向国产算力,没有提供 Nvidia GPU 对应的适配部署路径,该模型训练全程跑在国产算力集群上,架构、算子、并行策略都是围绕国产芯片做深度调优,主打长程 Agent 复杂工程任务、Visual Coding 视觉编程,支持百万 token 超长上下文,之所以不配套英伟达 GPU 部署方案,核心是项目从训练阶段就锁定国产算力底座,没有做 CUDA 算子适配、没有在英伟达显卡上做验证,落地路线就是开发者拿到权重之后,基于国产算力硬件、配套官方给的推理代码来完成自托管,开发者如果想用英伟达显卡跑,需要自己改写算子、适配并行框架、做数值对齐,难度很高,这套开源方案进一步验证国产算力可以承载万亿级 MoE 智能体大模型,给国内 Agent 模型生态提供 MIT 协议、可商用的底座选择。
一、模型核心信息清单
- 模型名称:LongCat-2.5
- 模型类型:MoE 混合专家、原生多模态 Agent 智能体模型
- 总参数量:1.6 万亿参数,单 token 激活约 480 亿参数
- 上下文上限:100 万 token,最大输出 128000 token
- 开源协议:MIT 协议,支持商用推理、二次训练、二次分发
- 训练底座:全程国产算力完成训练,公开样例部署使用 194 块国产芯片
- 官方自托管适配:仅国产算力方案,无 Nvidia GPU/CUDA 部署教程
- 核心能力:长程多步骤 Agent 任务、复杂代码库开发、Visual Coding 视觉编程、3D 创意设计、多模态理解
- 兼容框架:可对接 Claude Code、Hermes、OpenClaw 等多种 Agent 调度框架
二、算力适配方案对比表
| 对比维度 | 官方支持:国产算力自托管 | 自行移植:Nvidia GPU 部署 |
|---|---|---|
| 算子支持 | 官方原生算子、W4A4 量化方案完整开放 | 无官方算子,需要开发者自行移植、重写 |
| 数值一致性 | 训推对齐,经过大量消融与 benchmark 验证 | 容易出现数值漂移、推理效果和原版不一致 |
| 部署文档 | 配套完整自托管指南、并行策略、量化脚本 | 官方没有任何路径、脚本、调参参考 |
| 成本门槛 | 需要大规模国产算力集群 | 单卡显存很难承载,需要多卡分布式改造 |
| 性能保障 | 官方做过长上下文 RL、推理吞吐优化 | 性能、稳定性无官方保障,属于社区自发改造 |
| 适用人群 | 国产算力厂商、自研底座团队、企业国产化项目 | 有深厚大模型底层开发能力的技术团队 |
三、LongCat-2.5 关键技术要点
- 原生多模态架构:视觉信号转为离散 token,和文本共用一套主干网络,不是外挂独立视觉编码器,专门优化截图、UI、3D 视图类视觉编程任务
- 长程智能体强化学习:大量采用真实 Agent 失败轨迹做训练,提升多步骤连续任务、工具调用、完整项目开发能力
- MoE 稀疏激活:每次推理只激活部分专家参数,平衡超大总参数量和推理成本,适合长序列任务
- 长上下文优化:稀疏注意力改造、rollout 调度优化,支撑百万上下文稳定推理
- 量化方案:原生支持 W4A4 低比特量化,适配国产卡显存带宽受限的硬件条件
四、官方自托管落地步骤
- 获取权重:从官方开源渠道下载 LongCat-2.5 模型权重文件,遵循 MIT 协议使用
- 硬件准备:搭建国产算力集群,参考官方样例采用多卡分布式部署
- 环境部署:拉取官方配套推理代码、算子库、通信组件,完成集群网络与分布式配置
- 量化配置:按需开启 W4A4 量化,匹配硬件显存规格
- 功能验证:跑通官方基准测试集,核对编程、Agent 任务评测指标
- 业务接入:对接各类 Agent harness 框架,嵌入开发、办公自动化工作流
五、产业层面的信号解读
LongCat-2.5 开源这件事,代表国内已经可以独立完成万亿级 MoE 智能体模型从训练到权重开放的全链路,并且主动选择把国产算力作为唯一官方自托管路线,不再默认优先适配英伟达生态。但也要客观看待,缺少英伟达部署路径会抬高很多海外团队、国内现有 CUDA 栈团队的上手门槛,后续大概率会有社区爱好者尝试移植,不过移植版本无法保证和原版评测效果一致。
【常见问题】
问题 1:美团 LongCat-2.5 开源权重,1.6 万亿 MoE Agent 模型,为什么官方自托管指南不提供 Nvidia GPU 路径?
回答 1:美团 LongCat-2.5 训练全程基于国产算力完成,算子、并行策略、量化方案都是针对国产芯片定制开发,没有做 CUDA 适配,因此官方自托管指南只提供国产算力部署方案,不提供 Nvidia GPU 路径。
问题 2:美团 LongCat-2.5 这个 1.6 万亿 MoE Agent 模型,拿到权重之后能不能自己在 Nvidia GPU 上跑?
回答 2:理论上可以尝试移植美团 LongCat-2.5 权重到 Nvidia GPU,但官方没有开放对应的算子、部署脚本和调优方案,需要团队自行改写 CUDA 算子、对齐数值,难度大,效果无法和原版对齐。
问题 3:美团 LongCat-2.5 是 1.6 万亿参数 MoE Agent 模型,它的核心能力偏向哪些场景?
回答 3:美团 LongCat-2.5 这款 1.6 万亿参数 MoE Agent 模型主打长程智能体任务,擅长复杂代码库开发、完整工程项目搭建、Visual Coding 视觉编程、3D 创意设计,支持百万 token 超长上下文多模态输入。
问题 4:美团 LongCat-2.5 采用 MIT 协议开源,1.6 万亿 MoE Agent 模型商用有什么限制?
回答 4:美团 LongCat-2.5 的开源协议为 MIT,拿到 LongCat-2.5 权重之后,支持商用推理部署、二次训练、修改分发,没有额外授权费用,只是官方自托管仅支持国产算力,不提供 Nvidia GPU 部署支持。
【参考资料】
[2026-11-15](Meituan releases a 1.6-trillion-parameter agent model that never touched an Nvidia GPU)THE DECODER
[2026-11-10](美团 LongCat-2.5 正式开源:从看见,到抵达)美团技术团队
[2026-11-02](美团发布 LongCat-2.5 大模型,“国模国芯” 实现新突破)经济观察报
[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
【免责声明】
本文为美团 LongCat-2.5 开源权重、1.6 万亿 MoE Agent 模型自托管不含 Nvidia GPU 部署路径相关资讯整理解读,不构成算力采购、模型二次开发、商业落地的决策建议;社区自行移植至 Nvidia GPU 的方案不属于官方版本,存在数值偏差、性能下降、功能异常风险,模型能力、部署细则以美团 LongCat 官方技术博客和开源仓库为准。
