美团发布LongCat-2.5：万亿参数，全程国产算力，“国芯国模”进入深水区

资讯零壹财经零壹财经 2026-11-04 阅读：131

关键词：国产大模型 国产算力 AI 人工智能 大模型

从“跑得动”到“跑得快”

11月2日，美团发布新一代大模型LongCat-2.5，这是一款面向长程智能体任务的原生多模态模型，总参数量1.6万亿，每个激活约480亿参数，训练全程由国产算力完成。

多项主流基准评显示，LongCat-2.5的成绩介于Claude-Opus-4.8与Claude-Opus-5之间，并在部分评测中超过后者。

这份成绩的分量不在榜单，而在它成立的前提：全程国产算力训练。过去几年，国产算力能否支撑前沿模型一直是悬而未决的问题，训练侧的适配成本与效率损耗是主要顾虑。这一次，对标国际标杆与算力自主落在同一款模型上，最受质疑的一环被补上了一块。

一、国产算力从“跑得动”到“跑得快”

LongCat系列对国产算力的探索始于2023年，从千卡规模起步，逐步攻克算子适配、通信优化、分布式稳定性等基础难题。

今年6月30日发布的LongCat-2.0，是业界首个在五万卡国产算力集群上完成全流程训练与推理的万亿参数模型，预训练数据超过30万亿token。7月，模型以MIT协议开源，昇腾、、沐曦等国产芯片厂商同步完成推理适配，其预览版曾跻身OpenRouter平台全球大模型调用量前三。

LongCat-2.5的技术重心，是把国产算力的效率天花板再往上顶了一截。

长上下文训练方面，模型在中训练阶段采用最长达1M token的序列，累计训练量达数万亿token。

在国产算力单卡显存较小的约束下，多卡协同处理长序列时，显存容量与卡间通信直接影响效率。美团与国产算力厂商围绕超节点优化任务分工，使参数与任务数据的主要通信在超节点内的高速互联网络中完成。

技术博客披露，在所测长上下文监督微调任务中，优化后的单卡训练吞吐量较DDP基线提升86%，相当于一张卡完成原来约1.86张卡的工作量，处理效率接近翻倍。

推理侧的改动同样指向成本与体验。LongCat-2.5采用W4A4方案，将专家权重和激活同时量化至4比特，并针对国产AI加速器的硬件特性优化计算与传输，在已评测的下游任务上保持与量化前相当的表现。

线上压测显示，相较W8A8 INT8基线，输入处理和逐token生成的吞吐量均提升约四成，首次输出等待时间缩短约16%，单个token生成耗时缩短约20%。

对以智能体为主的应用形态而言，长程任务意味着更长的输入上下文和更密集的调用次数，推理效率直接决定产品的可用性与成本边界，这组数字的价值因此超出单点优化。

二、模型能力向主业纵深

能力层面，LongCat-2.5在全程国产算力训练的基础上强化了原生多模态，将视觉输入转化为模型统一处理的token，支持交互网页、3D展示页面等任务；智能体编程采用大规模长程强化学习，提升端到端工程任务能力。

模型评测结果显示，在多项主流基准评测中，LongCat-2.5的成绩介于Claude-Opus-4.8与Claude-Opus-5之间，并在部分评测中超过Claude-Opus-5。这一成绩说明，全程国产算力训练的万亿参数模型，已进入与国际闭源标杆可比的区间。

与能力升级同步的，是美团“支持主业”的AI战略。

在8月28日的二季度财报电话会上，美团CEO王兴表示，AI能力的长期价值在于进入真实工作流、解决真实问题，“我们不会成为Token工厂，我们的模型和AI产品将用于支持我们的主业，提升用户、商户体验和公司经营效率”。

围绕这一定位，LongCat-2.5重点强化商业分析、软件开发等能力。

技术博客展示的案例中，模型在品牌多渠道经营分析场景下能自主构建渠道利润表，识别出支付GMV增长23.2%而渠道利润下降1.7%的增长质量问题，并结合清货经济价值、用户复购与库存风险提出差异化资源配置建议，完成从经营核算、问题诊断到决策建议的完整分析。

基于LongCat系列模型，美团已推出AI经营工作台“妙手”，帮助商家理解行业指标与品牌规则，并在授权范围内调用工具完成经营任务执行，目前已服务古茗、徐升记、益禾堂等连锁品牌，融入品牌经营分析、门店管理和增长获客等场景。

更早的7月，美团上线了全场景AI Agent平台CatPaw，据披露已在美团内部覆盖9万员工、搭建Agent 3万个。

模型、平台与经营场景，正在构成一条完整的落地链路。

三、结语

从行业视角看，LongCat-2.5的价值或不在单点评测成绩，而在两条路径的进一步验证。

其一是“算法—芯片”协同。围绕国产芯片的显存和互联特性反向设计训练与推理方案，86%的单卡吞吐提升说明软件栈优化仍有可观空间，这类经验一旦沉淀为方法论，将惠及整个国产算力生态。

其二是大模型的商业化路径。美团没有投入通用模型API的规模化价格竞争，而是把模型能力嵌入本地生活的真实经营工作流，让AI回报内嵌于主业效率提升之中。

在国内大模型竞争从追赶评测转向落地经营的阶段，如何在国产算力上把万亿参数模型训练得更快、推理得更便宜、用进真实业务，正在成为衡量厂商成色的标准。

LongCat-2.5给出的答案是：底座继续向国产算力纵深，应用继续向主业纵深。

专题推荐：金融毛细血管

零壹智库推出“金融毛细血管系列策划”，通过系列文章、系列视频、系列报告、系列研讨会和专著，系统呈现“金融毛细血管”的新状态、新功能、新价值、新定位。