快科技 11 月 3 日消息,美团昨日推出新一代大模型 LongCat-2.5,在多个智能 Agent 测试榜单里拿到不错成绩,不少项目直接冲到第一。
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,包括 Claude-Opus-5、GPT-5.6-Sol、GPT-5.5、Claude-Opus-4.8。
在 AutomationBench、BrowseComp、LongCatClawBench、3DCodeBench 这些榜单,LongCat-2.5 得分领先。
AutomationBench 拿到 51.8 分,超过 Claude-Opus-5 的 50.3 分。BrowseComp 得分 91.9 分,同样排在第一。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。

据了解,LongCat-2.5 是一个面向长程智能体任务的原生多模态模型,总参数量为 1.6 万亿,每个 token 激活约 480 亿参数,在 LongCat-2.0 的基础上进一步强化原生视觉理解与智能体编程能力。
美团在长序列训练中加入更多长程轨迹数据,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。
与此同时,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。
原生视觉理解与智能体编程能力的结合,使模型在 Visual Coding 上表现出色,并支持创意设计和 3D 等任务。
这些升级由持续演进的基础设施支撑:我们优化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 RL 的高效运行。
国内大模型现在内卷很厉害,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。
在线体验:https://longcat.chat
API 接入:https://longcat.chat/platform/product



登录后才可以发布评论哦
打开小程序可以发布评论哦