美团开源 LongCat-2.5：1.6 万亿 MoE、百万上下文，单卡显存 80GB 也能跑
美团 2026-11-10 开源 LongCat-2.5：1.6 万亿总参数、每 token 激活 480 亿、100 万上下文、MIT 协议。视觉信号转离散 token 与文本共主干，长序列 SFT 单卡吞吐较 DDP 提升 86%。
2026-11-10 · 美团技术团队 / 站长之家 / AIBase
发布 2026-11-10核实 2026-11-11要点
- 美团于 2026-11-10 开源 LongCat-2.5，采用 MIT 协议，商用推理部署与二次训练均无需额外授权。
- 总参数 1.6 万亿，每个 token 激活约 480 亿，支持 100 万 token 上下文。
- 定位是面向长程智能体任务的原生多模态模型，覆盖复杂代码库开发、完整项目构建、Visual Coding / 3D、专业办公四类端到端场景。
- 推理走 W4A4（专家权重与激活量化到 4bit、原生 INT4 矩阵乘单元 + FlatQuant），官方称量化后下游表现与量化前相当。
- 训练侧针对单卡显存不足 80GB 的国产算力芯片做了 FSDP 双重分片与混合词表并行，长序列 SFT 单卡吞吐较 DDP 基线提升 86%。
- 权重已上 HuggingFace，技术博客与 API 平台同步开放。
背景与分析
今年以来开源阵营的竞争焦点已经从「参数规模」挪到了「长任务能不能跑完」。LongCat-2.5 的技术博客把这句话写得相当直白：长程能力的提升来自一整条训练链路的扩展，而不是单点改动。
具体有三层。第一层是数据——官方加入了更多长程轨迹，并把真实 Agent 的失败轨迹转成可复现、可验证的训练任务。这一点值得注意：大多数团队把失败轨迹当噪声丢掉，这里把它当成了训练素材。
第二层是强化学习的工程细节：采用 partial rollout 异步训练，让没跑完的长任务保存下来后续跑；过采样率按通过率动态调整，过滤全对与全错的样本组；对跨 checkpoint 的旧轨迹做梯度校正，压低陈旧偏差。这三条都是「长任务 RL 训练跑不快、跑不稳」时的标准痛点。
第三层是防「钻空子」：任务环境断网、清除 git 历史与文件缓存，用 LLM judge 监督轨迹，并对重复思考、重复工具调用、过度思考施加惩罚。换句话说，官方在显式对抗 Reward Hacking——模型通过取巧而非真正完成任务拿到高分。
视觉侧的取舍同样明确。LongCat-2.5 没有外挂视觉编码器，而是把原生分辨率的视觉特征做残差向量量化，逐级补足细节，转成多层级离散 token 后交给主干统一处理，视觉码本与主干联合训练。附带收益很实际：视觉 token 可以离线预计算并缓存，在线算力与分布式训练的负载都更均衡。这条路线与「外挂一个 CLIP 式编码器」的差别，详见 原生多模态。
至于国产算力适配，官方给的数字是：单卡显存 <80GB 的条件下承载万亿参数 MoE，靠 FSDP 双重分片 + 混合词表并行把显存压力摊开，长序列 SFT 单卡吞吐比 DDP 基线高 86%。这不是跑分，是「能不能在既有卡上把万亿模型训起来」的工程答案。
对开发者的影响
- 想自部署的团队多了一个万亿级选项，且 MIT 协议在商用授权上比多数「自定义开源许可」干净。但 1.6 万亿参数的显存门槛摆在那里，实际路径是
vLLM/ SGLang 多卡集群，不是单机。 - 长任务 Agent 的成本结构会变。如果 W4A4 的精度损失真如官方所说可忽略，那么按 4bit 跑推理能显著压低每 token 成本，对 每任务成本 这类算账指标是直接利好。
- 多模态 Agent 的架构选型要重新掂量：原生多模态在「视觉输入 → 代码/操作输出」这类跨模态链路上，理论上比「文本模型 + 视觉编码器 + 拼接」少一次语义对齐损失。
- API 与权重双通道意味着可以先用 API 验证效果，再决定是否投入自建。这条路径与 GLM 系列一致，详见 GLM-5.3 模型卡。
需要提醒的是，官方博客没有给出 SWE-bench、Terminal-Bench 这类第三方可复现榜单的分数，只有自家端到端演示案例。在独立榜单出来之前，「长程能力明显提升」应视为厂商口径，不是已证实的结论。
AI 之家 观点
LongCat-2.5 最值得看的不是 1.6 万亿这个数字——数字竞赛早就没有说服力了。真正有信息量的是三个工程判断：把失败轨迹变成训练数据、在 80GB 卡上训万亿 MoE、把视觉 token 化省掉外挂模块。这三件事都不是发论文的漂亮活，而是「要在自己的机房里跑起来」才会做的选择。
这也解释了为什么美团把 MIT 协议当卖点写进第一段。开源模型真正的竞争对手不是闭源旗舰，而是同行的工程经验：谁把国产卡适配、量化损失、长序列并行的坑先踩完，谁就能拿到企业侧的私有化订单。
不过要泼一盆冷水：MIT 协议解决的是法律门槛，不是工程门槛。万亿 MoE 的部署成本、推理延迟、长上下文下的显存占用，官方博客都没展开。AI 之家 推荐结论：有国产卡集群、且任务确实是「长程 + 多模态 + 代码」三合一的团队，值得排一次实测；只是想找个便宜 API 的话，先看 LongCat 2.0 的现价，别被 2.5 的参数规模带偏。
待核实
- 第三方可复现基准（SWE-bench / Terminal-Bench / Visual Coding 类）分数——官方博客截至 2026-11-11 未披露。
- LongCat-2.5 是否及何时上 OpenRouter / 火山方舟等第三方网关，以及 API 定价。
- 不同量化档（W4A4 原生 vs 社区 AWQ/GPTQ）的实际质量差距，需自行复测。
相关阅读
- 概念：原生多模态 · Reward Hacking · 每任务成本 · Agent Harness
- 工具：vLLM · Ollama · LM Studio · Claude Code
- 模型：GLM-5.3
- 资讯：智谱发布 GLM-5.3 · Meta 发布 Muse Ember：把每任务成本当卖点
来源
常见问题
LongCat-2.5 是什么时候开源的？许可协议是什么？
2026-11-10 开源于 HuggingFace，采用 MIT 协议，官方明确支持商用推理部署与二次训练，无需额外授权。同步放出技术博客与 API 平台。
LongCat-2.5 有多大？普通机器能跑吗？
总参数 1.6 万亿，每个 token 激活约 480 亿（MoE 结构）。官方针对单卡显存不足 80GB 的国产加速卡做了适配，用 FSDP 双重分片与混合词表并行的训练侧优化；个人单机部署仍不现实，实用路径是 API 或云端多卡集群。
它和 LongCat 2.0 是什么关系？
LongCat-2.5 是同系列新一代，官方定位从「回答问题」转向「端到端完成任务」的长程智能体模型，上下文从上一代延续到 100 万量级。OpenRouter 上目前可调用的仍是 LongCat 2.0（$0.30 / $1.20 每百万 token），2.5 暂未见上架。
视觉能力是外挂模块还是原生多模态？
原生。官方说法是不外挂独立视觉模块，而是把视觉信号编码为多层级离散 token，与文本共用同一套主干参数，视觉码本与主干联合训练，视觉 token 可离线预计算并缓存。