AREX Feed Article
美团开源 LongCat-2.5 权重：1.6T 总参数、约 48B 激活，MIT 许可上架 Hugging Face
北京时间 11 月 9 日晚 10 时 05 分，美团 LongCat 团队官方 X 账号 发帖宣布：LongCat-2.5 权重当日开放，采用 MIT 许可证，已上架 Hugging Face。帖文列出的规格为 1.6 万亿总参数、每 token（词元）激活约 480 亿，定位是面向长程（long-horizon）智能体任务的原生多模态模型；官方称一个模型同时具备更强的视觉理解与 agentic coding（智能体编程）能力，覆盖从复杂代码项目到创意设计、3D 任务的场景。截至发稿，可正常访问，附带完整 model card（模型说明卡）、评估表和 NPU（神经网络处理器）部署指引。当晚 22 时 40 分，以「支持商用推理部署与二次训练，无需额外授权」报道了这次开源。
对 LongCat 来说，这次开放把 LongCat-2.5 从「只能调用」变成「可以下载」。9 月 25 日 LongCat-2.5-Preview 先行上线 API 与网页聊天；11 月 1 日至 2 日，模型正式发布、技术博客放出。一周之后，权重开放下载，开源编码代理 OpenCode 也在同日把 LongCat 2.5 放进了自己的免费窗口。
官宣一周后，权重页当天可访问
时间线分三步。宣布 LongCat-2.5-Preview 上线，规格还包括 100 万 token 上下文窗口。与给出完整技术细节，但「体验入口」一栏只列了在线体验与 API 接入两个链接；掘金社区一篇记录了这一状态：「权重还没开源……2.5 目前只有 API」。
美团技术团队发布 LongCat-2.5 时的公告配图（图源：美团技术团队博客）
这也不是 LongCat 第一次开源主线模型： 权重 7 月初已按 MIT 上架 Hugging Face，同为 1.6T 总参数、约 48B 激活的文本 MoE（混合专家）模型。2.5 保持参数规格不变，新增的是原生视觉输入。11 月 9 日权重开放后，官宣帖在数小时内获得约 760 次点赞、2.6 万次浏览（截至北京时间 11 月 10 日凌晨的帖面数据）。
视觉如何进入主干：离散 token 与联合训练
把多模态路线概括为「原生视觉建模」：沿用 的方法，先由语义对齐编码器（SAE）提取原生分辨率视觉特征，再对特征做残差向量量化（RVQ），把视觉信号压成多层级离散 token。视觉输入与文本一样以 token 序列进入主干，在共享语义空间里对齐。
原生分辨率视觉 token 化：图像编码为离散 token 序列，再由视觉解码器重建（图源：LongCat 官方技术博客）
这个设计同时改了训练侧的账目。固定 tokenizer 让视觉 token ID 可以离线预计算并缓存，主干直接处理预先分词的序列，长序列打包、切分和分布式训练的负载均衡随之简化；视觉码本 embedding（嵌入表示）与主干联合学习。官方给出的验证证据是一份小规模试验：在平均激活约 3B 的 MoE 模型上，t-SNE（降维可视化方法）显示视觉与文本 embedding 呈交织分布——这是小模型上的初步结果，2.5 本体在图文融合上的实际表现要靠基准成绩间接印证。
长程智能体 RL：把失败轨迹变成可复现训练题
RL（强化学习）部分的训练素材来自真实工程任务。技术博客描述的流水线先筛选 GitHub 公开仓库的 PR（合并请求）与关联 issue，用 Agent 自动打标并合成可交互环境，以 fail-to-pass（F2P）和 pass-to-pass（P2P）测试校验任务的可验证性，美团内部真实编码任务也一并纳入；真实 Agent 的失败轨迹会被转化成可复现、可验证的训练任务，用来补能力短板。
防投机措施写得很具体：任务环境断网、清除 git 历史与文件缓存，再用 LLM judge（裁判模型）审计轨迹；对重复思考、重复工具调用施加额外惩罚，对响应长度增长过快的问题重新分配正样本奖励。异步 partial rollout（部分轨迹采样）允许未完成轨迹中断、保存、续跑，陈旧 token 的梯度贡献按累计偏差缩放，以限制陈旧性带来的梯度偏置。
教师侧沿用 LongCat-2.0 的三组专家——Agent 能力、推理、交互——通过多教师在线蒸馏（MOPD）合入主线模型：学生在任务上采样，教师对采样输出施加全词表 KL 散度约束。为控制长回复的分布偏移，教师回复按固定长度切成 per-cut prefix 供学生续写；训练时以教师轨迹为树干、学生采样为分支构建树，Tree Attention 让同组样本在一次前向、反向中完成训练。
国产卡上的训练与推理：不足 80 GB 显存与 W4A4 量化
技术博客写明了硬件约束：训练跑在单卡显存不足 80 GB 的国产 AI 加速器上。并行策略围绕超节点拓扑设计，FSDP（全分片数据并行）与 EP（专家并行）并行度对齐单超节点卡数，参数通信与专家 token 交换都被关在高带宽互联域内；双重分片 FSDP 把 FP32 主权重和优化器状态进一步跨域分片。官方口径是：在长序列 SFT（监督微调）任务中，这套配置的单卡吞吐比 DDP（分布式数据并行）基线高 86%。训推一致性方面，训练、prefill、decode 三段在并行配置独立的前提下保持逐 token logprob（对数概率）的逐位（bitwise）一致，方案已在实验与生产任务中默认启用。
推理侧的 W4A4 方案把专家权重与激活同时压到 4 bit，用原生 INT4 矩阵乘法单元计算，并以 FlatQuant 式可学习变换保精度——官方称在已评测的下游任务上与未量化模型表现相当。线上压测对比 W8A8 INT8 基线：prefill 吞吐提升 43.3%，decode 吞吐提升 42.77%，TTFT（首字延迟）降低 15.91%，TPOT（每 token 生成延迟）降低 19.72%，分组 GEMM（通用矩阵乘）算子平均加速 1.73 倍；叠加 KV cache（键值缓存）量化后，W4A4KV8 的 decode 吞吐比 W8A8KV16 高 92%。这些数字均出自团队自报的压测结果。
部署文档已同步就位。权重页把 NPU 部署指向 ，其 ReadMe 给出的参考部署规模是昇腾 Atlas A2 194 卡集群，按 Encoder、Prefill、Decode（编码、预填充、解码，EPD）分离方式部署——三部分分别占 2 卡、64 卡、128 卡，配套昇腾 CANN 软件栈与 PyTorch 2.9 的 torch_npu 适配层；文档同时给出单独的 量化权重下载地址。
自报成绩单：多项自测分数跳升，比较口径留有说明
model card 的评估表覆盖代码智能体、通用智能体和视觉三类共三十多项基准，开篇即写明口径：带 * 的成绩引自公开技术报告、博客或官方榜单，不带 * 的为团队自测、「仅供参考」（原文 indicative only）。
官方指标看板：LongCat-2.5 与 GPT-5.5、GPT-5.6-Sol、Claude-Opus-4.8、Claude-Opus-5 的对比（图源：LongCat 官方技术博客）
跳变集中在与上一代的对比上：Terminal Bench v2.1 从 LongCat-2.0 的 70.8 升到 88.4，Terminal Bench v4.0 从 3.0 升到 38.5，AutomationBench 从 15.8 升到 51.8，带工具的 HLE 从 37.5 升到 63.1。横向看有进有退：BrowseComp 的 91.9 高于表中所有对比模型；Terminal Bench v2.1 的 88.4 仍低于 DeepSeek-V4.1-Flash 的 90.6 和 Claude-Opus-5 的 89.1（两者均为引自公开报告的分数）。
视觉类成绩是 2.5 新增的部分：Text→3D 的 3DCodeBench 拿到 55.4，高于表中全部对比模型；Vision2Web 78.6，低于 Claude-Opus-5 的 80.2。评估设置也写在 card 脚注里：Terminal Bench 等代码基准以 Claude Code 作为评测脚手架（harness），序列长度上限 512K；DeepSWE 则以 100 万序列长度、三次独立运行取平均——所谓「长程」能力是在相当长的上下文里测的。
MIT 的边界与当天的第一波落地
许可条款写在 model card 里：模型权重按 MIT 发布，对仓库的贡献默认同样适用 MIT；许可不授予美团商标或专利的使用权。model card 同时提醒，模型未针对每一种下游应用做专门设计与全面评估，跨语言表现存在差异，敏感或高风险场景的合规责任由部署方承担。
当天的第一波落地来自编码工具侧。OpenCode 官方账号在北京时间 11 月 9 日 21 时 48 分——比 LongCat 官宣早了约 18 分钟——宣布 LongCat 2.5 在其平台免费开放两周，列出的卖点是 100 万 token 上下文、多模态、零数据保留；该帖随后获得约 2,200 次点赞，热度高过官宣帖本身。
把 1.6T 模型按官方样例跑在自己的国产集群上，起步参考是 194 张 Atlas A2 卡；没有这套硬件的开发者可以使用 OpenCode 的两周免费窗口，该帖未说明窗口结束后的安排。