美团已开放 LongCat-2.5 的模型权重。这款拥有1.6万亿参数的模型专为处理长流程、多步骤任务而设计，尤其擅长编程。据 The Decoder 报道，该模型完全使用中国硬件训练，权重在发布一周后开放。
LongCat-2.5 采用混合专家架构：模型包含多个专门的子网络，但每个词元只会调用其中一部分。尽管参数总量达到1.6万亿，每个词元实际激活的参数约为480亿。美团的 API 最多支持100万个输入词元，回复最长可达128,000个词元。该模型支持文本、图像和视频，用户还可以开启或关闭推理模式。
开发者可以如何使用？
模型权重采用MIT许可证发布，允许商业使用、修改和再分发。开发者也可以通过聊天界面或 API 试用该模型。API 支持 OpenAI 和 Anthropic 格式，并可与 Claude Code、Codex 和 Hermes 等智能体工具配合使用。美团推出期间的优惠价格约为每百万输入词元€0.27、每百万输出词元€1.07。
美团还发布了4位版本，通过降低存储模型权重和激活值时使用的数值精度来缩小模型。公司称，该版本的准确率与未压缩模型相当。在负载测试中，与8位版本相比，其提示词处理吞吐量提升43.3%，回复生成吞吐量提升42.77%。自部署指南介绍了一套使用194块华为昇腾 Atlas A2 加速卡的方案：2块用于图像处理、64块用于处理提示词、128块用于生成回复。
表现如何？
美团称，LongCat-2.5 在测试命令行任务的 Terminal Bench v2.1 上得分88.4，低于 Claude Opus 5 的89.1和 GPT-5.6 Sol 的88.8。Deepseek-V4.1-Flash 得分90.6，在列出的结果中领先。LongCat-2.5 在 Terminal Bench v4.0 上得分38.5，高于 GPT-5.6 Sol 的37.3，但低于 Claude Opus 5 的53.9。
在测试修复真实代码仓库中漏洞能力的 DeepSWE 上，美团称 LongCat-2.5 的得分从此前的9.7升至64.6，但仍落后于 Deepseek-V4.1-Flash 的74.2和 GPT-5.6 Sol 的72.7。该模型在网页搜索基准 BrowseComp 上得分91.9，是美团表格中最高的结果；这项测试由美团在自有环境中进行。以上均为美团公布的评测结果，The Decoder 并未引用独立运行的基准测试。
为什么重要
对于希望调整或商业部署智能体模型的开发者，MIT许可证允许修改和再分发；API 也让用户无需搭建硬件即可试用 LongCat-2.5。不过，自部署指南所述方案需要一套配备194块芯片的华为集群。公布的基准测试结果来自美团，因此其在独立测试中的表现仍有待验证。
