美团 LongCat-2.5 从预览转正式：主打长程智能体编程

11月2日，美团宣布 LongCat-2.5 正式发布。它在9月25日公开预览的基础上，重点是看懂图像并参与视觉编程，以及在复杂代码库里连续处理多步骤工程任务。官方更新日志已将状态从“Preview”改为“Now Available”。对开发者来说，值得关注的不是参数数字多大，而是厂商把目标从“回答一条指令”推向“能否在工具里持续完成一项任务”。

从一段代码，转向一项任务

美团称 LongCat-2.5 总参数量为1.6万亿，每个 token 约激活480亿参数：前者是模型总体规模，后者是每步参与计算的参数规模。它们不能单独推导调用成本、响应速度或部署显存；这些还取决于API定价、硬件、上下文长度和工作流程。能力升级与参数规模是两项不同的主张。

长程编程不是一次补全：智能体要读代码、定位问题、改文件、调用工具、运行检查，再根据失败结果修订。美团称其训练链路使用合成任务、可交互环境和可验证测试，把真实智能体的失败轨迹转成可复现任务，并通过长程轨迹数据与强化学习提升复杂代码库开发和完整项目构建能力。这是厂商披露的训练方法和目标，不等于模型已能在所有项目可靠交付。

普通代码助手多是生成函数或补丁；长程智能体需在限定权限内跨步骤工作，并按测试等可验证结果收敛。工程结果仍取决于仓库上下文、测试质量、工具权限、任务拆分和人工复核。一次错误工具调用可能放大成返工；兼容 Codex 或 Claude Code 只是接入方式，不是安全或成功率保证。

看图能力被放进同一条模型主干

另一项变化是原生视觉理解。美团称模型把图像转为多层级离散 token，与文本由同一主干处理，并面向视觉编程、设计和3D任务。“读界面图再提出修改”因此进入模型设计目标；复杂图纸、尺寸和细节识别仍须按任务验证，不能由“原生多模态”直接推出工程级准确度。

基础设施也被纳入发布叙述。官方文章介绍了针对国产算力上的长上下文训练、训推数值一致性和 W4A4 推理所做的系统优化。该说明表明模型团队把算法、并行策略、显存和推理算子一起优化；它本身并不提供独立审计结果，也不证明任一组织都能以相同成本复制训练条件。企业更应该关注可获得的 API 服务、稳定性和单项任务成本，而不是只依据训练硬件叙述作采购判断。

正式可用，不等于效果已被独立证明

官方更新日志写明 LongCat-2.5 于11月2日“Now Available”，并列有在线体验与 API 接入文档；文档还列出兼容的智能体开发环境。本次核对没有实际注册、调用或运行评测，因此不对地区可用性、服务稳定性、价格或真实任务效果作体验结论。美团发布文章展示了与若干模型的能力对比，但这些是厂商自己的评测口径；本稿不把图表转写成“领先”结论，也没有独立、同条件复测。

截至本次核对，官方发布文章和更新日志给出了在线体验/API入口，没有在这两份发布材料中附上 LongCat-2.5 权重下载与许可链接。因此本文按正式可用的托管/API模型报道，不称其为开放权重版本；若后续官方发布权重或许可证，应再核对仓库、许可范围和可部署条件。

对想试用的团队，较稳妥的做法是先挑一项可回滚、可自动验收的实际任务，例如修复一个已知缺陷或补齐一组测试；限定文件和工具权限，把人工确认点放在写入、部署和数据导出之前，再记录从开始到测试通过的总时长、失败重试、人工干预次数与 token 费用。只有在重复样本上稳定改善，才值得扩大权限或接入更长的工作流。真正需要比较的不是榜单上的单项分数，而是模型在你的代码、工具和验收条件下，能否少返工地完成工作。

测试时还应把“模型能力”和“服务体验”分开记录：固定同一代码仓库、任务说明、工具版本与权限，重复运行多次；同时记录首 token 延迟、任务完成时间、失败恢复、人工接管和最终测试结果。若一次运行成功、另一次需要大量人工修补，平均分数会掩盖这种波动。只有把过程日志、权限边界和验收结果一起看，团队才知道长程智能体是否真的减少了工程返工，而不是把成本从写代码转移到排错与审查。

来源与阅读边界

本文依据美团技术团队11月2日公告、官方更新日志和API文档。模型规模、训练方法和性能表述均为厂商披露，本次未独立评测或实际调用API。资料照片均非美团现场或LongCat所用硬件。