LongCat-2.5 – 美团长程多模态智能体大模型

LongCat-2.5 是美团推出的面向长程智能体任务的原生多模态大模型，采用 MoE 架构，总参数规模 1.6 万亿，单次激活参数约 480 亿，上下文窗口达到 100 万 Token，训练流程依托国产算力完成。模型承接 LongCat-2.0 的技术路线，视觉模块与编程模块做专项优化，支持网页界面、软件截图、三维视图等视觉素材解析，适配连续多步骤的工具调用任务，对外提供网页端体验入口与标准化 API 接口，兼容主流开发框架，面向代码工程、GUI 自动化、长文档处理方向输出稳定推理结果。

LongCat-2.5特点

MoE 稀疏激活架构，仅调用部分参数参与单次计算，控制推理资源开销。

百万 Token 超长上下文，完整读取大型代码库、多章节文档、连续操作日志。

原生多模态链路，图像、界面截图和文本信息进入同一套推理流程。

适配国产算力集群，长序列训练与推理调度方案针对国产硬件调优。

接口兼容 OpenAI 与 Anthropic 两套规范，可直接接入现有开发工具。

强化长流程任务稳定性，多轮连续工具调用时减少逻辑断层。

LongCat-2.5技术原理

模型采用稀疏 MoE 混合专家结构，输入序列经过路由模块分配至对应专家子网络，不同专家负责文本、视觉、代码类任务的特征提取。视觉编码器将界面图像、截图转化为和文本统一的 token 表征，和文本序列拼接送入主干 Transformer。长上下文模块采用分片注意力与显存重排策略，降低百万长度序列的计算成本。训练阶段引入长程强化学习，基于连续任务反馈调整输出策略，适配跨工具、跨页面的链式操作。国产算力侧配套通信优化、负载调度组件，支撑大规模集群并行训练。

LongCat-2.5项目地址

• 项目官网：https://longcat.ai/blog/longcat-2.5/

LongCat-2.5功能

长文本、超大代码库读取与理解，生成项目改造方案、代码补丁。

GUI 界面图像解析，识别页面按钮、表单、弹窗元素，输出操作指令。

多工具串联调用，按任务顺序执行网页浏览、表格读写、脚本运行。

图文混合问答，解析截图、设计图、流程图内信息并给出结论。

长文档摘要、信息比对，跨文件检索关联内容。

对接各类开发 Harness，完成项目调试、测试用例编写、问题定位。

LongCat-2.5应用场景

软件自动化测试，模拟用户操作网页与桌面程序。

后端代码工程开发，读取完整仓库代码实现重构、bug 排查。

企业长文档资料梳理，合同、报告、技术手册批量解析。

智能办公流程，读取表格、截图，自动完成数据汇总与报表生成。

科研长文本处理，论文合集、实验日志的内容检索与整理。

开发者搭建长程 Agent，实现跨软件联动的自动化工作流。

LongCat-2.5如何使用

打开 LongCat 官方网页，注册账号后直接进入在线对话页面体验基础能力。

前往开放平台页面，申请获取 API 密钥，查看接口调用文档。

选择适配的接口格式，OpenAI 或 Anthropic 规范，填入对应接口地址与密钥。

代码开发场景，配置 Claude Code、Hermes 等开发插件，替换模型参数。

传入长文本、代码包或者界面截图，设置上下文长度与输出上限。

调试多步骤任务，配置工具列表，开启连续调用模式。

统计调用日志，调整提示词与工具权限，优化任务执行链路。

批量业务场景封装接口，接入自有系统，做任务队列调度。