美团又往国产算力上压了一个万亿参数模型。
11月2日，美团发布新一代大模型LongCat-2.5，总参数1.6万亿，每个token激活约480亿参数，训练全程由国产算力完成。这是今年6月LongCat-2.0发布后，美团在"国芯国模"路线上的首次大版本迭代。
从"跑通万亿参数"到"跑好长程智能体任务"，只用了五个月。
LongCat-2.0此前之所以受关注，是因为它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。
2.5版本在此基础上做了两个方向的重点强化：原生多模态和智能体编程。
前者把视觉信号转化为模型可统一处理的离散token，让模型不只是"读文字"，还能看懂交互网页和3D展示页面；后者通过大规模长程强化学习，让模型具备处理复杂代码库、完整项目构建等端到端工程任务的能力。
能力到了什么水平？
官方自测数据显示：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，部分评测超过Claude-Opus-5。作为参照，AutomationBench上LongCat-2.5得分51.8，高于Claude-Opus-5的50.3；BrowseComp上91.9，同样略胜一筹。但在Terminal Bench v2.1这类偏终端操作的任务上，89.1分的Claude-Opus-5仍然领先。
换句话说，模型在通用智能体和视觉任务上追上了，但在纯终端/工程操作这类硬核任务上，离国际模型还需要努努力。
比模型能力更值得关注的，是国产算力上的效率账本。
LongCat-2.5在中训练阶段采用最长达1M token的序列开展长上下文训练，累计训练量达数万亿token。国产算力单卡显存不足80GB，多张卡协同处理长序列时，显存和卡间通信是绕不过去的坎。
美团的做法是围绕超节点优化任务分工，让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。优化后的结果是：在所测长上下文监督微调任务中，单卡训练吞吐量较DDP基线提升86%——一张卡干出了原来约1.86张卡的活。
推理侧同样在挤水分。LongCat-2.5采用W4A4方案，把专家权重和激活同时量化到4比特，并针对国产AI加速器的硬件特性做了优化。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%，后续每个token的生成耗时缩短约20%。
模型训得再大，落不到商家真实的收银台和货柜上，就是空转。
美团CEO王兴在今年8月28日的二季度财报电话会上说得很明白："AI能力的长期价值，是能否真正进入真实工作流、解决真实问题，并形成长期稳定的基础设施能力。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。"
LongCat-2.5对主业的支撑，已经有了具体的落点。
美团技术博客披露了一个品牌多渠道经营分析案例：模型能自主构建渠道利润表，识别出支付GMV增长23.2%而渠道利润反而下降1.7%的"增收不增利"问题，并结合清货经济价值、用户复购与库存风险，给出差异化资源配置建议——从经营核算到问题诊断再到决策建议，走完了一整条分析链。
基于LongCat系列模型，美团推出了AI经营工作台"妙手"，帮助商家在授权范围内调用工具与系统、完成经营任务。目前，"妙手"已经服务了古茗、徐升记、益禾堂等连锁品牌，覆盖品牌经营分析、门店管理和增长获客等高价值场景。
但应用场景集中在经营分析、门店管理 —— 说白了还是 "参谋" 角色。本地生活的商家经营链条极长，从选品、定价、排班、供应链到补贴投放，每一个决策都牵一发动全身。AI 能不能从 "告诉你GMV涨了23%但利润降了1.7%" 走到 "直接帮你调渠道预算"，这个闭环才是真正的考验。
当万亿参数模型不再只是技术演示，而是开始替本地生活的商家算账、诊断、做决策时，"国芯国模"这四个字的分量，才真正从实验室落到了街头巷尾。
来源：星河商业观察