美团发布 LongCat-2.5 原生多模态模型
美团把视觉离散 token 和长程智能体强化学习放进同一个模型，重点补的是端到端工程与编程能力。
美团发布 LongCat-2.5，总参数 1.6 万亿，每个 token 只激活约 480 亿（MoE 稀疏架构，即每次推理只调用一小部分参数）。它把图像编码成多层级离散 token，与文本走同一套处理流程，并用大规模长程强化学习强化复杂代码库开发和完整项目构建能力。
正文摘录
 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 LongCat 2026-11-02 LongCat 大模型 美团正式发布 LongCat-2.5，这是一个面向长程智能体任务的原生多模态模型。模型总参数量为 1.6 万亿，每个 token 激活约 480 亿 参数，在 LongCat-2.0 的基础上进一步强化了原生视觉理解与智能体编程能力。 新模型在长程智能体任务上有明显的效果提升，这源于我们在长序列训练中加入了更多长程轨迹数据，并通过大规模长程强化学习，提升模型在复杂代码库开发、完整项目构建等任务中的端到端工程能力。围绕数据合成、环境构建与跨 Harness 混合训练，我们持续扩展这条训练链路。此外，我们也把真实 Agent 的失败轨迹转化为可复现、可验证的训练任务，针对模型的能力短板持续补充训练数据。 与此同时，LongCat-2.5 具备原生视觉理解能力，可将视觉信号表示为多层级离散 token，使主干模型以统一的 token 形式处理视觉与文本输入，在 Visual Coding 上表现出色，并支持创意设计和 3D 等任务。 这些升级背后，是持续演进的基础设施：我们优化了国产算力上的长上下文训练与 W4A4 推理，并通过训推数值一致性和长上下文 rollout 优化，支撑大规模长程 RL 的高效运行。 指标看板 为直观呈现 LongCat-2.5 当前的能力水平，我们在下图中选取 GPT-5.5、GPT-5.6-Sol、Claude-Opus-4.8 和 Claude-Opus-5 进行对比。