AI资讯

美团 LongCat-2.5 正式开源,1.6 万亿参数全程国产算力训练

发布时间:2026年11月10日 15:30:00

11 月 10 日,美团正式开源 LongCat-2.5,采用 MIT 协议,允许商用推理部署与二次训练。该模型总参数 1.6 万亿、每 token 激活约 480 亿,支持 100 万 token 上下文,是面向长程智能体任务的原生多模态模型,训练全程由国产算力完成。


事件:一次「全栈国产」的开源

11 月 10 日,美团正式开源 LongCat-2.5。关键参数与条款如下:

项目规格
总参数1.6 万亿
每 token 激活约 480 亿
上下文100 万 token
形态原生多模态(视觉理解 + 智能体编程)
许可MIT,允许商用推理部署与二次训练,无需额外授权
算力训练全程由国产算力完成

此前 11 月 2 日,美团已发布该模型并介绍了技术路线;11 月 10 日正式开放权重。上一代 LongCat-2.0 于今年 6 月发布,是首个在五万张国产算力卡上完成万亿参数模型全流程训练与推理的模型。

「开源」在这里意味着什么

MIT 协议是这次最实质的信息。它意味着:

  • 可以商用部署,不需要单独授权;
  • 可以二次训练,包括继续预训练与微调;
  • 没有按用户数或营收分成的附加条款。

对国内模型生态来说,这一点比参数规模更重要。很多「开源」模型采用自定义许可,限制商用规模或要求署名,实际使用门槛不低。MIT 则把选择权完全交给使用者。

不过也要看清现实约束:1.6 万亿参数的稠密级模型,大多数团队无法本地部署。480 亿的激活参数降低了推理成本,但显存需求仍然远超单机。因此 LongCat-2.5 的真正受众是:有集群的云厂商、有需求的行业客户、以及做蒸馏与二次开发的团队。

技术路线:把「看屏幕」放进主干

LongCat-2.5 的定位是长程智能体任务,核心改动在原生多模态。

传统做法是「语言模型 + 视觉编码器拼接」:视觉能力像外挂,理解界面时容易丢细节。LongCat-2.5 把视觉理解放进主干,直接面向两类典型任务:

  1. 看界面办事:识别软件界面元素、理解状态变化、决定下一步操作;
  2. 跨步骤执行:在一个长流程里保持目标一致,不中途跑偏。

这与当下 Agent 的主战场完全吻合——能看屏幕、能连续操作的模型,才是可落地的 Agent。

为什么「国产算力」是关键词

万亿参数模型的训练,卡在三件事上:卡的数量、卡的互联、以及训练框架的稳定性。

LongCat 系列的价值不只在于模型本身,而在于它验证了一条工程路径:

  • 国产卡可以支撑万亿参数的全流程训练与推理;
  • 万卡级集群的训练稳定性是可解的问题;
  • 从 2.0 到 2.5 的迭代说明这条路径可复用,不是一次性攻关。

对国内产业来说,「能不能训」比「训得好不好」更基础。这一步跨过去,后续的迭代速度才会起来。

三层影响

对开源生态:多了一个万亿级、MIT 协议、原生多模态的基座。围绕它的微调模型、行业版本会在几个月内出现。

对 Agent 创业公司:长上下文 + 视觉操作能力,是做「替人操作软件」类产品的关键底座;MIT 协议让商业化路径没有法务障碍。

对国产算力厂商:这是一张可对外展示的标杆案例——「有万亿参数模型在我们卡上训完了」。

需要冷静看的几点

  1. 基准分数是自测:官方公布的评测数据尚未被第三方独立复现。
  2. 参数口径存在出入:模型卡标注 1.6 万亿,而部分文件元数据统计为 1.78 万亿,官方尚未解释这一差异。
  3. 上下文长度的实际有效值:宣称 100 万 token,但长上下文任务上的有效召回率仍需实测。
  4. 部署成本:开源不等于免费,推理集群的成本决定了谁能真正用起来。

观察点

  1. 社区微调版本的涌现速度:这是判断基座质量的最直接信号。
  2. 是否有云端托管版本:降低中小团队的使用门槛。
  3. 视觉操作的实际成功率:在真实软件界面上的表现,比跑分重要。
  4. 下一代迭代节奏:从 2.0 到 2.5 用了约五个月,能否保持。

一句话总结:这次开源的分量不在 1.6 万亿这个数字,而在「MIT 协议 + 原生多模态 + 全程国产算力」三件事同时成立。