美团龙猫团队 11 月 2 日发布、11 月 9 日正式宣布开源的 LongCat-2.5，是一款面向长程智能体任务的原生多模态大模型。该模型采用宽松的 MIT 协议，支持商用推理部署与二次训练，无需额外授权，标志着国产大模型在开源生态上的又一重要进展。

万亿参数，百万级上下文

LongCat-2.5 采用混合专家（MoE）架构，总参数达 1.6 万亿，每个 token 激活约 480 亿参数，并支持一百万 token 的超长上下文窗口。针对显存与带宽受限的国产算力芯片，团队在模型架构、芯片适配与部署策略上进行了深度协同优化。

在复杂代码库开发、完整项目构建、Visual Coding 与专业办公场景中，该模型的端到端交付能力均有明显提升，尤其擅长创意设计、3D 等需要视觉与代码协同的任务。

视觉与文本统一处理

LongCat-2.5 的视觉能力提升来自表征层的改造：模型将视觉信号表示为多层级离散 token，与文本一样由主干模型统一处理，而非外挂独立的视觉模块。具体而言，模型对原生分辨率的视觉特征做残差向量量化，逐级补足细节；视觉 token 可离线预计算并缓存，既减少了在线计算量，也让分布式训练负载更均衡；视觉码本与主干联合训练，使视觉与文本共享同一套主干参数，在同一语义空间内协同完成视觉理解与代码生成。

高效推理方案 W4A4

在部署侧，LongCat-2.5 采用 W4A4 高效推理方案，将专家权重与激活同时量化到 4 bit，并通过原生 INT4 矩阵乘法单元执行计算。这一设计显著降低了国产算力上的推理成本，使其更适配本地生活等高并发、低成本敏感的业务场景。

开源资源已开放

美团已同步放出相关资源，开发者可通过 Hugging Face 获取模型权重，并查阅技术博客与 API 平台：

– 模型开源：https://huggingface.co/meituan-longcat/LongCat-2.5
– 技术博客：https://longcat.ai/blog/longcat-2.5/
– API 平台：https://longcat.chat/platform/product

作为一家以本地生活服务为核心业务的公司，美团持续押注大模型自研，LongCat-2.5 的开源将进一步盘活其国产算力投入，并为开发者在智能体编程与多模态应用上提供新的底座选择。