美团 LongCat 团队 11 月 16 日以 MIT 许可放出了 LongCat-2.5 的权重。让它不只是一次「又一个开源模型」发布的有两件事:参数规模,以及它是在什么芯片上训出来的。
模型本身
LongCat-2.5 是原生多模态 MoE,总参数 1.6 万亿,单 Token 激活约 480 亿,面向长程 Agent 任务而不是聊天——这从团队报成绩的方式就能看出来:报的是终端任务,不是对话榜单。
没用英伟达
全部训练跑在国产 AI 加速器上。团队把可行性归给三项技术:超节点并行、分片、计算通信重叠。长序列 SFT 的单设备吞吐比分布式数据并行基线高 86%。
自托管参考配置用了 194 块昇腾芯片。对中国以外的读者,这个数字比参数规模更重要——它是一个可引用、可复现的具体集群规模,而不是一句「国产算力」的笼统说法。
真正值钱的成绩
Terminal Bench v2.1 上,LongCat-2.5 得 88.4;GPT-5.6-Sol 是 88.8,Claude Opus 5 是 89.1。与两者都只差不到半分,这是整份发布里最硬的声明,因为终端类基准考的正是 Agent 需要的本事:读报错、执行命令、从失败的那一步恢复。
但也别把它当结论。终端基准很窄,而且每家都会为自己引用的榜单调优。不过,一个 MIT 许可的开源模型拿到 88.4,这不是四舍五入的误差。
MIT 在这里的意义
Apache 和 MIT 这类许可,决定了一个模型能不能进商业产品而不用先过一季度的法务。1.6 万亿参数的模型对多数团队仍然跑不起——194 块加速器不是家用集群——但对云厂商和大型企业来说,内部托管完全可行,而开源权重的真实用途就在这里。
它同时意味着可以微调并且结果可以不开源。对受监管行业,这通常是决定性的一条。
该说清楚的保留
480 亿激活在这个体量上,单 Token 的速度和成本都会明显高于 120 亿激活的模型,所以只有当任务真的需要这份能力时,账才算得过来。长程 Agent 任务算;客服机器人不算。
另外,超出主窗口之后的长上下文表现没有公开评测,训练声明也还没有第三方复现。如果这次发布是真的,几周内这两样都会有人补上。
怎么验
如果你有硬件,或者找到托管它的服务商,有用的测法是给一个会中途失败的终端任务:装一个会坏的东西,再让 Agent 把环境修好,数它用了多少轮。长程 Agent 的生死线在恢复能力,不在第一句回答——而这恰好就是这个基准在测的东西。