美团 LongCat-2.5-Preview 深度解析：1.6T参数级长程多模态大模型
美团旗下LongCat API开放平台于2026年9月25日正式上线新一代大模型LongCat-2.5-Preview，主打AI长程任务处理与多模态核心能力，同步开放API接口与网页端体验入口，是美团LongCat大模型序列的最新迭代成果。
LongCat 2.0（2026 年 6 月 30 日发布并开源）的卖点不是参数，而是"国内首个基于约 5 万张国产算力卡集群完成从预训练到推理全流程的万亿参数模型"，SWE-bench Pro 报 59.5 分。但独立开发者在小规模测试中对其实际效果提出过批评。2.5 版本定位从"通用能力追赶"转向"自主软件交互"（autonomous software interaction）。
它试图解决的是"万亿参数模型能否在长程 agent 任务上把单价压到可商用区间"。$0.30 的输入价意味着它是目前万亿级 MoE 中最便宜的档位之一。sp-AIDeePThi标nk.cn
该模型是美团“零售+科技”战略在AI大模型领域的最新落地成果，承接了LongCat系列此前在效能优化、开源开放上的技术积累，进一步补齐了长程多模态与工程开发能力短板，既面向企业级开发者提供高性价比的API服务，也为本地生活场景的复杂AI智能体落地提供了更强的技术底座。
一、核心技术参数
1. 架构与参数量
延续成熟的MoE（混合专家）技术路线，总参数量约1.6万亿，每次推理仅动态激活约480亿参数，兼顾大模型性能与推理效率。
2. 超长上下文能力
原生支持100万token上下文窗口，可一次性承载数百万字内容，适配超长文档、全量代码库、海量日志分析等复杂长程场景。sp-AIDeePThi标nk.cn
3. 训练基础
基于美团此前LongCat-2.0大模型的国产算力训练体系迭代，全程依托国产算力完成训练与推理，技术底座自主可控。
| 项目 | 数值 | 备注 |
|---|---|---|
| 架构 | MoE，总参数约 1.6T，激活约 48B | 官方口径 |
| 上下文 | 1M tokens | — |
| 模态 | 原生多模态，面向浏览器/表格/终端/GUI 长程任务 | — |
| 定价（限时） | 输入 $0.30/百万、输出 $1.20/百万、缓存输入 $0.006/百万 | — |
| 基准成绩 | 未公布 | 与 LongCat 2.0 的发布方式明显不同 |
| 免费额度 | 存量用户获 500 万 tokens | 用于评估 |
二、技术原理（推断，非官方）
从"1.6T/48B 激活 + 1M 上下文 + 原生多模态 + 面向 GUI/终端任务"的组合看，它延续的是 LongCat 2.0 的稀疏 MoE 路线，把重点放在长程工具使用而非纯语言能力。这里必须标注边界：美团未公布训练数据、算力集群、注意力稀疏化方案（如是否采用类似 HySparse 的预填充压缩）或后训练方法，任何关于其"如何做到 1M 上下文下成本可控"的说明都只是推测。
三、核心能力亮点
1. 全新多模态理解能力
新增原生图片解析能力，支持跨模态问答、图文混合内容摘要、复杂视觉逻辑推理，打破纯文本模型的信息处理边界。sp-AIDeePThi标nk.cn
2. 顶尖代码开发能力
在代码生成、代码逻辑理解、自动化全流程编程任务上表现突出，可直接承接复杂开发场景需求。
3. 全开发环境适配
深度兼容Claude Code、Hermes、OpenClaw、OpenCode、Kilo Code等主流AI开发工具，可无缝接入现有开发工作流，大幅降低开发者接入门槛。
四、相关产品横向对比
| 模型 | 总参/激活 | 上下文 | 输入价(\(/M) | 输出价(\)/M) | 基准 | |
|---|---|---|---|---|---|
| LongCat-2.5-Preview | 1.6T / ~48B | 1M | 0.30 | 1.20 | 未公布 |
| LongCat 2.0（开源） | ~1.6T | — | 0.30（Flash-Chat 口径） | 1.20 | SWE-bench Pro 59.5 |
| MiMo-V2.6-Pro（小米） | 1.02T / 42B | 1M | 0.435 | — | AA 智能指数 46 |
| Step 5 Preview（阶跃） | 600B / 27B | 1M | — | — | AA 44 |
| Kimi K3 | — | 262K | 0.59 | 3.09 | AA 44 |
| Qwen3.8-Omni-Flash | 125B / 6B | 1M | 0.15 | — | — |
五、定价和使用策略
$0.30/$1.20 是限时价。缓存输入 $0.006/百万（约为输入价的 1/50），说明商业模式明确押注"长上下文 + 高缓存命中"的 agent 场景——即鼓励客户端把系统提示与工具定义常驻缓存。
六、应用场景、方法与案例
1. GUI 自动化操作sp-AIDeePThi标nk.cn
浏览器、电子表格、终端的跨应用长程任务。可落地做法是把它放在需要跨系统搬运数据的流程里（如从后台导出→清洗→填入第三方系统），因为其 1M 上下文能一次装下整条操作轨迹。
2. 内部工具编排
对已有 API 的系统，用它的终端能力做胶水层，而不是重写集成。
- 美团