美团发布原生多模态智能体模型 LongCat-2.5 1. 发布概况 美团 LongCat 团队于北京时间 11 月 2 日 22:35 在 X 上发布 L… · @divid_lu49394 · TwKit

@divid_lu49394

美团发布原生多模态智能体模型 LongCat-2.5 1. 发布概况 美团 LongCat 团队于北京时间 11 月 2 日 22:35 在 X 上发布 LongCat-2.5，称其为最新的原生多模态智能体模型[1]。该模型总参数量为 1.6 万亿，每个 token 激活约 480 亿参数[1][2]。TestingCatalog 于 11 月 3 日 00:00 转述了这次发布，所报激活参数为 490 亿，并称该模型已通过 API 提供[3]。 2. 模型能力与技术要点 2.1 面向长程智能体任务 LongCat-2.5 在 LongCat-2.0 的基础上强化了原生视觉理解和智能体编程能力，适用场景涵盖复杂代码项目，以及创意设计、3D 任务等视觉编程工作[1][2]。训练中加入了更多长程轨迹，并通过大规模长程强化学习，提升在复杂代码库开发和完整项目构建方面的端到端工程能力。团队还将真实环境中智能体失败的轨迹转化为可复现、可验证的训练任务，持续弥补能力短板[2]。 2.2 视觉表示 模型将视觉信号表示为多级离散 token，使主干网络能以统一的 token 格式处理视觉和文本输入。视觉 token 可以离线预计算并缓存，因此训练计算图中无需再包含视觉编码器[2]。 2.3 国产加速卡上的训练与推理 团队针对国产 AI 加速卡优化了长上下文训练和 W4A4 推理，即权重与激活均量化为 4 位。在线压力测试中，与 W8A8 INT8 基线相比，预填充吞吐量提升 43.3%，解码吞吐量提升 42.77%，首 token 时延降低 15.91%，每 token 输出时延降低 19.72%，GMM 内核平均提速 1.73 倍。在长序列监督微调任务中，FSDP 配置的单卡吞吐量比 DDP 基线高 86%[2]。 3. 基准测试结果 官方博客将 LongCat-2.5 与 GPT-5.5、GPT-5.6-Sol、Claude-Opus-4.8、Claude-Opus-5 等模型进行了对比[2]。在编程智能体方面，LongCat-2.5 在 Terminal Bench v2.1 上得分 88.4（Claude-Opus-5 为 89.1），在 Terminal Bench v4.0 上为 38.5，在 DeepSWE v1.1 上为 64.6，在 NL2Repo 上为 60.5。在通用智能体方面，BrowseComp 得分为 91.9（GPT-5.6-Sol 为 90.4），HLE（含工具）为 63.1，MCP Atlas 为 83.1，JobBench 为 65.4。在视觉方面，3DCodeBench 文本转 3D 得分为 55.4，Vision2Web 为 78.6，VideoMME 为 85.2。官方注明，其他模型中标有星号的分数取自公开报告或官方排行榜，其余为自测结果，仅供参考[2]。

曝光 78 · 评论 0 · 点赞 0 · 书签 0