美团开源万亿参数LongCat-2.5多模态长程智能体模型

2026年11月9日，美团正式对外开源LongCat-2.5模型。该模型采用MIT开源协议，允许商用推理部署及二次训练，无需额外授权，专为长程智能体任务设计，具备原生多模态能力。

模型总参数量达1.6万亿，每个输入词元动态激活约480亿参数，支持最长100万词元的上下文长度。官方测试表明，其在复杂代码库开发、完整项目构建、可视化编程以及专业办公等端到端任务中的交付能力均有显著提升。

长程智能能力的增强贯穿整个训练流程，而非依赖局部优化。数据层面引入大量真实长程任务轨迹，并将智能体执行失败的全过程转化为可复现、可验证的训练样本。强化学习阶段采用partial rollout异步训练机制，支持未完成的长任务中断后继续执行；过采样策略依据任务通过率动态调整，有效剔除全对或全错的低信息量样本组；同时对跨检查点的历史轨迹进行梯度校正，缓解因模型迭代导致的认知偏差累积。

训练环境模拟真实约束：任务运行期间默认断网，清除Git历史记录与本地文件缓存；由大语言模型担任轨迹评判员，对重复推理、冗余工具调用及过度思辨等低效行为施加显式约束，促使模型聚焦于任务目标的实质性达成。

视觉处理未采用独立附加模块，而是将图像信号统一编码为多层级离散词元。系统对原始分辨率特征实施残差向量量化，逐级补充细节信息；视觉码本与主干网络联合优化，视觉与文本共享同一套参数体系，在统一语义空间内协同完成跨模态理解与代码生成。

推理阶段采用W4A4量化方案，专家权重与激活值同步压缩至4比特，依托原生INT4矩阵乘法单元完成计算，实测主流下游任务性能与全精度版本基本一致。

针对国产硬件平台在显存与带宽方面的现实限制，模型进行了深度协同优化：当单卡显存低于80GB时，通过分片策略将计算负载均衡分配至超节点内多张显卡；结合混合词表并行、MoonEP动态专家复制机制与零拷贝通信技术，长序列监督微调的单卡吞吐效率相较传统DDP方案提升86%。