美团发布大模型LongCat-2.5 多指标登顶第一

11月3日，据报道，美团昨日推出新一代大模型 LongCat-2.5，在多个智能 Agent 测试榜单里拿到不错成绩，不少项目直接冲到第一。这次测试覆盖代码、通用任务、视觉 Agent 三大类共 9 个不同的评测基准，对比的对手都是海外热门模型，包括 Claude-Opus-5、GPT-5.6-Sol、GPT-5.5、Claude-Opus-4.8。

在 AutomationBench、BrowseComp、LongCatClawBench、3DCodeBench 这些榜单，LongCat-2.5 得分领先，其中 AutomationBench 拿到 51.8 分超过 Claude-Opus-5 的 50.3 分，BrowseComp 得分 91.9 分同样排在第一，3DCodeBench 文本转 3D 项目分数 55.4 小幅领先其他竞品。简单说，在网页浏览、自动化操作、3D 生成这类 Agent 任务上 LongCat-2.5 优势明显，代码和终端指令类任务和头部海外模型还有一点差距，但整体已经站在第一梯队。

据了解，LongCat-2.5 是一个面向长程智能体任务的原生多模态模型，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原生视觉理解与智能体编程能力。美团在长序列训练中加入更多长程轨迹数据，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，同时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。这些升级由持续演进的基础设施支撑，包括优化国产算力上的长上下文训练与 W4A4 推理等。