事件：官方博客 11 月 1 日上线，媒体随后跟进
11 月 1 日，美团 LongCat 团队在官网博客发布 LongCat-2.5 技术报告；11 月 2 日至 3 日，环球网科技、中关村在线等中文媒体集中报道。模型定位为面向长程智能体任务的原生多模态混合专家模型：总参数量 1.6 万亿，每 token 推理激活约 480 亿，在其前代 LongCat-2.0（今年 6 月发布，率先在国产算力上完成万亿参数模型全流程训练与推理）基础上，强化原生视觉理解与智能体编程两类能力。模型已在官网开放体验，API 同步上线，兼容 Claude Code、Codex 等主流智能体框架。
技术路径：离散视觉 token、长程强化学习与国产卡上的系统工程
架构层面，LongCat-2.5 把视觉信号表示为多层级离散 token：对语义对齐编码器输出的原生分辨率特征做残差向量量化（RVQ），视觉与文本输入由此进入统一 token 空间，视觉编码器从训练图中解耦，简化了长序列打包与负载均衡。能力层面，团队把更多长程行为轨迹纳入长序列训练，并用大规模长程强化学习强化端到端工程能力——训练任务由自动化管线合成（过滤 GitHub 拉取请求与关联 issue、生成可验证的通过/失败测试），官方还把真实场景中的智能体失败轨迹转成可复现、可验证的训练任务，针对性补能力缺口；同时保留前代的智能体、推理、交互三组专家，以多教师在线蒸馏方式向主模型注入专项能力。
工程层面同样有信息量：官方披露国产 AI 加速器单卡显存不足 80GB，训练系统按超节点拓扑对齐并行分组（FSDP 与专家并行度等于超节点内卡数）、引入双分片 FSDP 与阈值触发的动态专家复制，长序列微调任务中单卡吞吐较分布式数据并行基线提升 86%；配合训练与推理数值一致性方案及 W4A4 精度推理，支撑大规模长程强化学习稳定运行。
评测：可与旗舰闭源同台，短板同样清楚
官方评测表对比了 GPT-5.5、GPT-5.6-Sol、Claude-Opus-4.8、Claude-Opus-5、GLM-5.3、Kimi K3 与 DeepSeek-V4.1-Flash。浏览器交互基准 BrowseComp 得分 91.9，居对比表首位（DeepSeek-V4.1-Flash 91.5、Kimi K3 91.2、Claude-Opus-5 90.8、GPT-5.6-Sol 90.4，各家差距微小）；3DCodeBench 文本生成三维内容 55.4，同样居对比表首位（Claude-Opus-5 54.3、GPT-5.6-Sol 52.3）；自动化流程基准 AutomationBench v1.0 得分 51.8，超过 Claude-Opus-5 的 50.3 与 GPT-5.6-Sol 的 45.8，但仍低于 DeepSeek-V4.1-Flash 的 54.8——部分中文报道「多项登顶」的概括并不完整，引用时应以官方表格为准。短板方面，终端指令执行基准 Terminal Bench v4.0 得分 38.5，明显落后 Claude-Opus-5 的 53.9 与 GLM-5.3 的 41.8；带工具的 Humanity's Last Exam 63.1，也低于 Claude-Opus-5 的 64.7。环球网科技对官方结果的概括是「整体介于 Claude-Opus-4.8 与 Claude-Opus-5 之间，部分评测反超」。口径提示：官方注明带星号的对比分数取自公开技术报告或官方榜单，其余为自测；上述数字均为官方披露，未经独立第三方验证。
怎么读：分数之外，看三件事的叠加
单看任何一个基准分数，这次发布都还谈不上代际领先；它的看点在于「全程国产算力训练、长程智能体、原生多模态」三件事在同一模型上同时成立，且评测方向（浏览器交互、自动化流程、代码工程）正是当前智能体应用落地的关键能力面。80GB 级单卡显存约束下的超节点并行与 86% 吞吐提升，是国产算力路线持续性的工程注脚——训练效率的改进会直接转化为后续迭代的节奏。两点保留：其一，独立第三方评测机构尚未覆盖该模型，官方自测分数引用时需注明口径；其二，本篇为 LongCat 系列的常规重要迭代，前代 LongCat-2.0 已确立国产算力训练路线，本篇增量在原生多模态与智能体能力的可验证进步。