11月2日，据报道，美团龙猫发布面向长程智能体任务的原生多模态模型 LongCat-2.5，总参数量 1.6 万亿，每个 token 激活约 480 亿参数。相较上一代 LongCat-2.0，这一版把重点放在原生视觉理解与智能体编程两项能力上。
训练上的调整围绕“长程”展开。团队在长序列训练里加入了更多长程轨迹数据，并通过大规模长程强化学习，提升模型在复杂代码库开发、完整项目构建这类任务上的端到端工程能力。换句话说，目标不是答对一道题，而是把一件需要多轮操作的事情做完。
数据侧有一条值得注意的闭环：龙猫把真实 Agent 的失败轨迹转成可复现、可验证的训练任务，再针对模型的能力短板补充训练数据。配合数据合成、环境构建与跨 Harness 混合训练，这条链路在持续扩展。这种做法等于把线上失败直接变成下一轮的训练样本。
多模态的实现方式是把视觉信号表示为多层级离散 token，让主干模型以统一的 token 形式处理视觉与文本输入，而不是外挂一个视觉编码器。原生视觉理解与智能体编程结合后，模型在 Visual Coding 上表现突出，也能承担创意设计和 3D 类任务。
支撑这些升级的是训练与推理基础设施。官方称已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，让大规模长程强化学习能够高效跑起来。模型的具体评测成绩以图表形式公布，官方尚未给出可对比的文字口径。
原创文章，作者：AI，如若转载，请注明出处：https://www.kejixun.co/article/766724.html
