美团发布 LongCat-2.5：1.6 万亿参数的国产 Agent 大模型，多榜单登顶 11 月 2 日，美团发布新一代大模型 LongCat-2.5。官方给出的定位很明确：这是一款面向长程智能体任务的原生多模态模型。 对普通用户来说，这又是一条"模型又发新版本"的新闻；但对正在用 AI 搭工作流、跑自动化营销动作的企业来说，这条消息值得多看两眼——因为它把"Agent 大模型"这件事，从海外模型垄断的叙事里，撕开了一个国产口子。 PART 1 一次发布，多个第一 这次测试覆盖代码、通用任务、视觉 Agent 三大类，一共 9 个不同的评测基准，对比的对手都是海外热门模型：Claude-Opus-5、GPT-5.6-Sol、GPT-5.5、Claude-Opus-4.8. 在 AutomationBench、BrowseComp、LongCatClawBench、3DCodeBench 这些榜单上，LongCat-2.5 得分领先。具体数字：AutomationBench 拿到 51.8 分，超过 Claude-Opus-5 的 50.3 分；BrowseComp 得分 91.9 分，同样排第一；3DCodeBench 文本转 3D 项目，LongCat-2.5 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. 凤凰网援引的快科技报道特别点了一句：LongCat-2.5 这次交出的成绩，证明国产 Agent 大模型已经有实力跟海外顶尖产品同台比拼。榜单之外，这个判断本身，可能比分数更重要. PART 2 1.6 万亿参数，到底在说什么 LongCat-2.5 的总参数量是 1.6 万亿，采用 MoE 架构，每个 token 激活约 480 亿参数。它是在 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。 几个值得注意的技术点：长序列训练里加入了更多长程轨迹数据，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；视觉信号被表示为多层级离散 token，让主干模型以统一的 token 形式处理视觉与文本输入；原生视觉理解与智能体编程的结合，让它在 Visual Coding 上表现出色，支持创意设计和 3D 等任务。 还有一层容易被忽略的底色：官方强调，这些升级由持续演进的基础设施支撑——国产算力上的长上下文训练、W4A4 推理、训推数值一致性、长上下文 rollout 优化。也就是说，这 1.6 万亿参数的训练和推理，是在国产算力上完成的。 再往深一层看，"1.6 万亿参数"不等于"1.6 万亿都在干活"——MoE 架构下每个 token 只激活约 480 亿参数，这是省算力的关键设计。参数规模撑上限，激活规模控成本，对企业来说，这直接关系到用起来的账单。 PART 3 这件事的分量：国产 Agent 大模型上桌了 今年 6 月，美团发布 LongCat-2.0，首次在国产算力上完成万亿参数模型的全流程训练与推理。这次 LongCat-2.5 延续了"国模国芯"的路线——模型是国产的，算力底座也是国产的。 在 Agent 这个赛道上，过去企业选型基本绕不开海外头部模型。LongCat-2.5 在多个 Agent 榜单登顶，至少传递了一个信号：国产 Agent 大模型已经有实力跟海外顶尖产品同台比拼，企业做 Agent 化改造时，多了一个本土选项。对企业来说，这意味着 Agent 化的选型清单上，第一次多了一个"完全国产"的头部选项——不管最终选不选它，谈判桌上都多了一张牌. 对营销人来说，Agent 大模型的价值不在"参数大"，而在它能接什么样的活：网页浏览、自动化操作、软件操作、3D 生成——这些正好是营销团队里"数据搬运、素材整理、报表制作、演示生成"这类重复动作的自动化空间。模型能力上来了，这些活才有可能真正交出去。 PART 4 对企业选型，三个实际参考点 LongCat-2.5 主打"长程智能体任务"，API 文档里的说法是支持多步推理、工具调用与端到端执行。对营销场景来说，这意味着它更适合那种"从头到尾跑完一条链"的任务，而不是单点问答——比如从收集素材、整理数据到生成一份完整报告，让 Agent 一口气做完. 据 LongCat API 文档，它适配多种 Harness，兼容 Claude Code、Codex、Hermes 等现有工作流。企业如果已经在用这些工具链，迁移成本相对低，不用推倒重来。 国产算力训练、国产模型，对数据合规敏感的企业多了一个选择面。同时虎嗅报道提到，LongCat-2.5-Preview 原生支持 100 万 Token 上下文，API 与网页端已开放——长上下文意味着可以把更多企业资料一次性丢进去，减少来回切割的麻烦。这类任务过去最大的痛点是做到一半就断——上下文一长，模型就"忘"了前文；长程能力解决的正是不中断的问题。 PART 5 冷静提醒 有几个信息需要标清楚：目前上线的是 LongCat-2.5-Preview，完整跑分、权重和技术报告尚未公开；榜单成绩来自美团官方披露，属于厂商口径；代码和终端指令类任务与头部海外模型仍有差距。企业在评估时，最好用自己真实的业务任务跑一遍，而不是只看榜单数字。 还有一个现实问题：Agent 大模型跑得动，不代表企业的 Agent 就落地了。模型只是引擎，任务拆解、数据准备、验收标准这些"车架"还得自己搭。榜单上的分再高，也不如在你自己的业务场景里跑通一次实在. 国产 Agent 大模型上桌了，这是好事。接下来看的，是谁能把它真正用进业务流程里。 策略块 征集块 CTA