美团以MIT许可开放LongCat-2.5多模态大模型权重
作者:亿邦AI 文章来源:亿邦动力
2026-11-11 13:39
作者:亿邦AI 文章来源:亿邦动力
2026-11-11 13:39
邦小白快读
2026年11月9日,美团在Hugging Face平台上传LongCat-2.5模型检查点文件,正式开放该模型权重供开发者下载。这一动作距该模型首次对外发布仅一周,本次开放采用MIT许可协议,使用者可在满足许可声明要求的前提下进行商用、修改及二次分发。LongCat-2.5为具备视觉理解能力的大语言模型,可将视觉信息转化为token与文本协同处理,支持截图、图表、图片、视频等输入,适配代码库梳理、多步骤软件编写与修订等任务,典型应用场景覆盖视觉判断与代码能力结合的开发工作,例如根据故障结账流程截图定位仓库内相关组件、生成修复补丁并在浏览器内验证效果。其API支持在请求中嵌入图片或通过URL传入图片、视频资源,视频接口仅支持URL传入,对使用内部屏幕录制内容的团队存在一定限制。
目前已有开发者基于该模型生成汽车发布网站、奇幻游戏界面、店铺管理站点等前端内容,美团官方也放出交互式流体模拟、3D展览的生成案例,相关效果可作为团队搭建demo或内部工具的参考。落地生产级门店或业务页面时,生成的代码仍需和人工编写的代码一样,通过功能、无障碍适配、可维护性等维度的校验。
美团公布的基准测试数据显示,LongCat-2.5相比前代版本性能提升显著。其在Terminal Bench v2.1测试得分为88.4,前代产品得分为70.8;DeepSWE v1.1测试得分为64.6,前代仅为9.7;SWE Atlas代码库问答测试得分为58.3,前代得分为33.1。与其他商用模型的对比中,LongCat-2.5在Terminal Bench v2.1测试中得分仅比GPT-5.6 Sol、Claude Opus 5低1分以内,在3DCodeBench测试中领先同梯队对比模型。不同测试维度的领先模型各有不同,DeepSeek-V4.1-Flash在DeepSWE v1.1测试中拿到该梯队最高分,Claude Opus 5则在Vision2Web测试中表现最优,在Terminal Bench v4.0测试中Claude Opus 5拿到53.9分,高于LongCat-2.5的38.5分。
美团选择的对标闭源模型版本,早于LongCat-2.5发布时的市场最新版本。OpenAI已于9月29日发布GPT-6.1 Sol,Anthropic也在9月22日推出Claude Opus 5.5,两款更新模型在Terminal Bench 4.0公开榜单上的得分均高于LongCat-2.5公布的38.5分,因测试设置存在差异,暂无法形成完全对等的横向对比。11月9日当天Anthropic还发布了Claude Fable 5.2,OpenAI也已有GPT-6 Astra可供选择,两款模型定位更高阶的复杂任务处理。开发团队开展实测时,需为所有候选模型配置相同的仓库状态、浏览器环境、测试套件、工具权限及时限,重复测试多组任务统计成功率,截图转代码任务需分开评估渲染效果与代码质量,bug修复任务需验证补丁是否解决根源问题、是否破坏无关功能。
定价层面,美团为LongCat-2.5托管API设置限时优惠,非缓存输入token每百万定价0.3美元,输出token每百万定价1.2美元,缓存输入token每百万定价低至0.006美元。按照20万非缓存输入、10万输出的常规调用规模计算,LongCat-2.5单次调用的token成本为0.18美元。同调用规模下,DeepSeek非高峰时段调用成本为0.09美元,GPT-6.1 Sol为1.4美元,Claude Opus 5.5为2.8美元,Claude Fable 5.2为5.6美元,GPT-6 Astra为7美元。即便对比降价后的新一代闭源模型,LongCat-2.5仍保持明显价格优势。企业采购决策需核算单个被采纳结果的综合成本,纳入重试次数、沙箱运行时长、兜底模型调用成本及工程师审核补丁的时间投入,缓存命中率、模型实际调用产生的token消耗也会影响最终支出。测试涉及私有代码或截图时,需提前确认托管服务的数据留存、访问、删除规则,可先用公开或合成数据完成初步验证。
部署层面,LongCat-2.5采用专家混合架构,总参数规模在1.6万亿至1.8万亿区间,每个token的激活参数约为480亿,服务部署需加载完整权重文件,按16比特精度估算仅权重文件就需约3.2TB存储空间,实际部署规模需结合具体服务格式与运行时内存占用确定。美团已公布面向神经处理单元的SGLang-FluentLLM部署指南,其技术文档显示已在国产加速卡上实现专家权重与激活值的4比特精度压缩。采用其他算力集群的用户需自行验证运行时的模型加载兼容性,确认视觉理解、工具调用能力未出现损失,再实测集群并发承载能力、请求时延及负载下的性能波动。仅偶尔搭建原型的团队,可优先通过托管API完成测试验证,视觉编码工作量大、数据敏感度高的团队可进一步评估私有部署的可行性。
针对美国及西方企业用户,当前中国AI模型正面临华盛顿方面持续升级的审查。今年10月,美国国土安全部已发布指令,要求联邦民事机构排除DeepSeek相关采购,移除其在覆盖系统内的部署,包括第三方供应商提供的相关实现。今年2月至3月,美国国防部曾在短短数天内完成对Anthropic的国家安全供应链风险认定并正式生效,相关准入规则调整周期极短。截至11月9日,暂无公开的美国联邦采购或使用限制条款明确点名美团或LongCat-2.5,有服务美国政府客户需求的供应商,在将该模型投入面向政府的业务前,需核对合同条款及最新联邦供应链指令,提前准备好可完成相同任务的备选模型,避免准入规则变动导致业务中断。即使采用私有部署或美国本土云承载方案,相关技术限制仍可能延伸至第三方部署场景。
本文首发于 亿邦动力 官方网站
【版权提示】亿邦动力倡导尊重与保护知识产权。未经许可,任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题,烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至run@ebrun.com,我们将及时沟通与处理。
已点赞
{{ praise_text }}
好文章,值得被更多人看到
FAQ回顾
LongCat-2.5是什么模型,开放权重采用什么许可?
LongCat-2.5是美团开放的多模态大语言模型,具备视觉理解能力,可将视觉信息转化为token与文本协同处理,支持截图、图表、图片、视频输入,适用于代码库梳理、多步骤软件编写与修订等任务。其权重采用MIT许可,满足许可声明要求后可商用、修改及二次分发。
LongCat-2.5在基准测试中的表现如何?
美团公布数据显示,LongCat-2.5在Terminal Bench v2.1得88.4分,前代70.8分;DeepSWE v1.1得64.6分,前代9.7分;SWE Atlas得58.3分,前代33.1分。其Terminal Bench v2.1得分仅比GPT-5.6 Sol、Claude Opus 5低1分以内,并在3DCodeBench领先同梯队模型。
企业私有部署LongCat-2.5需要哪些资源?
LongCat-2.5采用专家混合架构,总参数1.6万亿至1.8万亿,每token激活约480亿,部署需加载完整权重,按16比特精度估算权重文件约3.2TB。美团已公布SGLang-FluentLLM部署指南,并在国产加速卡实现专家权重与激活值4比特压缩;其他算力集群需验证加载兼容性、能力损失、并发承载和时延。
LongCat-2.5的API调用成本相比闭源模型如何?
按20万非缓存输入、10万输出规模,LongCat-2.5单次token成本0.18美元;DeepSeek非高峰0.09美元,GPT-6.1 Sol 1.4美元,Claude Opus 5.5 2.8美元,Claude Fable 5.2 5.6美元,GPT-6 Astra 7美元。企业还需核算重试、沙箱时长、兜底模型及审核时间等综合成本。
美国企业采购或使用LongCat-2.5需注意哪些限制?
今年10月美国国土安全部指令要求联邦民事机构排除DeepSeek相关采购并移除部署;截至11月9日,暂无公开联邦采购或使用限制明确点名美团或LongCat-2.5。服务美国政府客户的供应商需核对合同条款及最新联邦供应链指令,准备可完成相同任务的备选模型,并注意私有部署或美国本土云也可能受技术限制延伸。
下一篇
AI硬件初创Nominal八个月估值翻三倍达30亿美元
AI硬件平台Nominal完成2.4亿美元C轮融资,估值达30亿美元,8个月内翻三倍。公司服务80家客户,涵盖防务与核能领域,并获美空军7120万美元战略资助。









