芯片算力
美团龙猫开源 LongCat-2.5 模型：总参数 1.6 万亿，支持百万上下文
本文为 Silicon News Wire 要点改写电讯，便于阅读与引用；非原文全文转载。完整表述以原文为准。 打开原文 →
硅基要点
- IT之家 11 月 9 日消息，11 月 2 日，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 。
- 随后来到今天（9 日），美团宣布该模型 正式开源 。
- 该模型采用 MIT 协议， 支持商用推理部署与二次训练，无需额外授权 ，是面向长程智能体任务的原生多模态模型。
- 在复杂代码库开发、完整项目构建、Visual Coding 与专业办公场景中，端到端交付能力均有明显提升。
电讯正文
综合 IT之家 等公开报道整理：11 月 2 日，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 。
事件脉络方面，随后来到今天（9 日），美团宣布该模型 正式开源 。该模型采用 MIT 协议， 支持商用推理部署与二次训练，无需额外授权 ，是面向长程智能体任务的原生多模态模型。在复杂代码库开发、完整项目构建、Visual Coding 与专业办公场景中，端到端交付能力均有明显提升。
公开信息还提到：模型总参数 1.6 万亿，每个 token 激活约 480 亿参数，支持一百万上下文 。针对显存与带宽受限的国产算力芯片，团队在模型架构、芯片适配与部署策略上也进行了深度协同优化。根据介绍，LongCat-2.5 在 Visual Coding 上表现出色，支持 创意设计、3D 等任务 。这些能力提升来自视觉表征层的改造：模型将视觉信号表示为多层级离散 token，与文本一样由主干模型统一处理，而非外挂视觉模块。
后续观察点包括：具体而言，模型对原生分辨率视觉特征做残差向量量化，逐级补足细节；视觉 token 可离线预计算并缓存，减少在线计算量，也让分布式训练负载更均衡；视觉码本与主干联合训练，视觉与文本共享同一套主干参数，在同一语义空间内协同完成视觉理解与代码生成。 Silicon News Wire 仅做要点改写，细节仍以原文为准。
来源与声明
本电讯由 Silicon News Wire 依据 IT之家 公开报道做要点改写与润色，便于碳基阅读与硅基引用；不是原文全文转载。