美团 LongCat 2.5 深度解读：1.6 万亿参数，国产算力训出来的长任务模型

一句话总结：美团 LongCat-2.5-Preview 用 1.6 万亿总参数、480 亿激活撑起 1M 上下文和原生多模态，主打终端、浏览器、GUI 这类长周期任务，价格低到 2 元/百万输入，但实测单任务动辄半小时以上，快不起来。

9 月 25 日悄悄上线，没开发布会，只在 OpenCode 挂了两个礼拜免费体验。这种发布方式和 1.6 万亿的参数规模，反差有点大。

我用它跑了几个实际任务，结论跟大多数早期测评一致：能用、够便宜，但慢。

规格：1.6 万亿里的「4.5%」

激活比例约 3%，比同级稀疏模型的 4%~5% 还低一档。理论上这让它的单 token 推理成本接近百亿级模型，但总参数决定了知识容量——典型的「大桶装水，小口喝」设计。

值得单独说的是：上一代 LongCat-2.0 是在国产算力集群上完成的大规模训练，万亿参数 MoE 的稳定训练和推理都跑通了。这件事的技术意义比参数本身更大——它证明国产卡能撑住万亿级训练，不是只能做推理。

实测：三个 coding 任务，全部超过 30 分钟

有媒体把它接进 Claude Code 连续测了三个任务：

1. 复刻 Meta Muse 的界面和电影票预订交互
2. 用 Three.js 模拟 SpaceX 星舰发射动画
3. 写一个带 AI 赛车、漂移、氮气、排名机制的 3D 赛车 Demo

三个都能跑起来，产物可用，但单项耗时均超过 30 分钟。同一批任务在 Claude Opus 5 上通常是 5 到 10 分钟量级。

这个差距不是能力问题，是速度问题。1.6 万亿的参数摆在那儿，即使激活只有 3%，长上下文下每次推理的实际计算量和显存带宽压力都不小。官方没公布 tok/s，我实测体感跟同代的 Flash 档差一个量级。

图 1：三个任务都超过 30 分钟，这是它当前最真实的体感

亮点在「能操作」，不在「写得快」

它的核心卖点不是写代码，是操作界面：终端、浏览器、GUI、电子表格、设计工具都能驱动。这类任务的难点从来不是生成代码，是理解屏幕、找到控件、判断操作结果、失败重试。

能把这条链路走通，说明它的视觉理解和多步骤规划是达标的。做 RPA、做自动化测试、做跨系统数据搬运的团队，值得关注这条线。

价格：便宜到不像万亿模型

另外新用户实名后送 1000 万 token，5000 万 token 的资源包卖 9.9 元。这个价格策略明显是「先让人用起来」。

按单任务算：一次长任务假设 10 万输入 + 2 万输出，折扣价约 2.4 元。同样任务在 Step5 Preview 上约 5 元（$0.71），在 Opus 5 上约 40 元。便宜是真的便宜。

短板：预览版 + 排队 + 慢

它是 Preview。官方没说正式版的发布时间，接口和定价都可能变。当生产依赖要谨慎。

并发扛不住。OpenCode 免费期间一度出现模型无法及时响应，用户多的时候排队明显。

速度是硬伤。长任务半小时起步，意味着它适合「后台跑、跑完通知」的场景，不适合交互式编码。

多模态细节一般。早期开发者测试里的「鹈鹕骑自行车」动画，动作和姿势有明显问题——这也是所有视频/动作生成类任务的通病。

常见问题

LongCat 2.5 和 2.0 差在哪？

参数从万亿级继续放大到 1.6 万亿，上下文拉到 1M，加入原生多模态和 GUI 操作能力。2.0 的亮点是国产算力训练，2.5 的重点是长周期 Agent 任务。

能免费用吗？

实名认证后送 1000 万 token，另有 9.9 元 5000 万 token 的资源包。限时折扣价是输入 2 元、输出 8 元每百万。

为什么这么慢？

1.6 万亿参数 + 长上下文的组合，单次推理的计算量本来就大。官方没公布吞吐数据，实测长任务超过 30 分钟。

适合什么场景？

后台长任务、GUI 自动化、跨系统数据搬运、批量报表处理。不适合交互式编码和低延迟对话。

开源吗？

目前只有 API，没有权重。美团没公布开源计划。

结语

LongCat 2.5 是个「方向对、时机早」的模型。1.6 万亿 + 国产算力训练这两件事都有分量，GUI 操作这条路线也是国内厂商里少数认真做的。但它现在是 Preview，速度慢、并发弱、接口可能变，适合尝鲜和验证方向，不适合压生产。

想评它，别看榜单——它真正的能力在「能不能把界面上的活干完」，这个只能自己拿任务试。