11月3日，据报道，美团昨日推出新一代大模型 LongCat-2.5，在多个智能 Agent 测试榜单里拿到不错的成绩，不少项目直接冲到第一。
这轮测试覆盖代码、通用任务、视觉 Agent 三大类，一共 9 个不同的评测基准。对比的对手都是海外热门模型，包括 Claude-Opus-5、GPT-5.6-Sol、GPT-5.5、Claude-Opus-4.8。
在 AutomationBench、BrowseComp、LongCatClawBench、3DCodeBench 这些榜单上，LongCat-2.5 得分领先。
具体来看，AutomationBench 拿到 51.8 分，超过 Claude-Opus-5 的 50.3 分；BrowseComp 得分 91.9 分，同样排在第一；3DCodeBench 的文本转 3D 项目，LongCat-2.5 以 55.4 分小幅领先其他竞品。
换句话说，在网页浏览、自动化操作、3D 生成这类 Agent 任务上，LongCat-2.5 优势明显。代码和终端指令类任务，与头部海外模型还有一点差距，但整体已经站在第一梯队。
LongCat-2.5 是一个面向长程智能体任务的原生多模态模型，总参数量为 1.6 万亿，每个 token 激活约 480 亿参数，在 LongCat-2.0 的基础上进一步强化了原生视觉理解与智能体编程能力。
训练层面，美团在长序列训练中加入更多长程轨迹数据，并通过大规模长程强化学习，提升模型在复杂代码库开发、完整项目构建等任务中的端到端工程能力。
与此同时，LongCat-2.5 把视觉信号表示为多层级离散 token，使主干模型以统一的 token 形式处理视觉与文本输入。
原生视觉理解与智能体编程能力的结合，让模型在 Visual Coding 上表现出色，也支撑了创意设计和 3D 等任务。
这些升级由持续演进的基础设施支撑：美团优化了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，支撑大规模长程强化学习的高效运行。
国内大模型的内卷程度不用多说。LongCat-2.5 这次交出的成绩，至少证明国产 Agent 大模型已经有实力跟海外顶尖产品同台比拼。
原创文章，作者：好奇宝宝，如若转载，请注明出处：https://www.kejixun.co/article/766825.html
