11月2日，美团旗下龙猫团队发布原生多模态模型LongCat-2.5，该模型面向长程智能体任务设计，总参数量为1.6万亿，每个token激活约480亿参数。这是继LongCat-2.0之后，龙猫在多模态与智能体方向上的又一次迭代，核心升级集中在原生视觉理解与智能体编程两项能力上。
据官方介绍，LongCat-2.5在长序列训练中引入了更多长程轨迹数据，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。与单点代码生成不同，这类任务要求模型在较长的执行链路中保持上下文一致性，并对中间结果进行持续修正，对模型的规划与执行能力提出了更高要求。
在训练方法上，龙猫围绕数据合成、环境构建与跨Harness混合训练持续扩展训练链路。官方称，团队将真实Agent的失败轨迹转化为可复现、可验证的训练任务，针对模型能力短板持续补充训练数据。这一做法将线上运行中的失败案例纳入训练闭环，使模型能力的迭代更贴近实际任务分布。
多模态方面，LongCat-2.5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。这一设计让视觉理解与智能体编程能力得以结合，模型在Visual Coding任务上表现突出，并支持创意设计和3D等任务。对于需要同时处理界面、图表与代码的智能体场景，统一token表示有助于降低跨模态信息转换的损耗。
基础设施层面，龙猫表示上述升级由持续演进的基础设施支撑。团队优化了国产算力上的长上下文训练与W4A4推理，并通过训推数值一致性和长上下文rollout优化，支撑大规模长程强化学习的高效运行。长程RL对训练与推理的一致性要求较高，数值偏差会在长链路中被放大，相关优化是该类训练能否规模化的关键环节之一。
目前，LongCat-2.5已开放在线体验与API接入，分别指向longcat.chat与longcat.chat/platform/product，Github与HuggingFace页面即将上线。从开放节奏看，龙猫延续了模型发布即提供调用入口的做法，便于开发者在实际任务中验证其长程智能体能力。
从行业角度看，长程智能体正成为大模型厂商竞争的重点方向。相比单轮问答与短代码补全，长程任务更接近企业实际开发与运营流程，对模型的稳定性、工具调用能力和工程化水平要求更高。美团龙猫此次将参数规模推至1.6万亿，并同步强化原生视觉理解，反映出多模态输入与长程执行能力正在被整合进同一模型体系。对于企业服务与开发者工具生态而言，这类模型的开放将为复杂项目构建、界面生成与自动化流程等场景提供新的底层能力选项，其实际表现仍有待开发者社区在真实任务中检验。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
