11月3日消息，美团昨日推出新一代大模型LongCat-2.5，在多个智能Agent测试榜单里拿到不错成绩，不少项目直接冲到第一。
这次测试覆盖代码、通用任务、视觉Agent三大类，一共9个不同的评测基准。对比的对手都是海外热门模型，包括Claude-Opus-5、GPT-5.6-Sol、GPT-5.5、Claude-Opus-4.8。
在AutomationBench、BrowseComp、LongCatClawBench、3DCodeBench 这些榜单，LongCat-2.5得分领先。
AutomationBench拿到51.8分，超过Claude-Opus-5的50.3分。BrowseComp得分91.9分，同样排在第一。3DCodeBench文本转3D项目，LongCat-2.5分数55.4，小幅领先其他竞品。
简单说，在网页浏览、自动化操作、3D生成这类Agent任务上，LongCat-2.5优势明显。代码和终端指令类任务，和头部海外模型还有一点差距，但整体已经站在第一梯队。
据了解，LongCat-2.5是一个面向长程智能体任务的原生多模态模型，总参数量为1.6万亿，每个token激活约480亿参数，在LongCat-2.0的基础上进一步强化原生视觉理解与智能体编程能力。
美团在长序列训练中加入更多长程轨迹数据，并通过大规模长程强化学习，提升模型在复杂代码库开发、完整项目构建等任务中的端到端工程能力。
与此同时，LongCat-2.5将视觉信号表示为多层级离散token，使主干模型以统一的token形式处理视觉与文本输入。
原生视觉理解与智能体编程能力的结合，使模型在Visual Coding上表现出色，并支持创意设计和 3D 等任务。
这些升级由持续演进的基础设施支撑：我们优化国产算力上的长上下文训练与 W4A4 推理，并通过训推数值一致性和长上下文rollout优化，支撑大规模长程RL的高效运行。
国内大模型现在内卷很厉害，LongCat-2.5这次交出的成绩，证明国产Agent大模型已经有实力跟海外顶尖产品同台比拼。
【来源：快科技】
