美团LongCat-2.5已开放权重,采用MIT许可。原报道关注的一组数字很抓眼:Terminal Bench v2.1与Claude Opus 5只差0.7分,但换到v4.0差距为15.4分。对想自部署编程智能体的团队,两张表和分数来源需要一起看。
这次开放的是权重
官方模型卡将LongCat-2.5定位为面向长链路智能体任务的原生多模态MoE模型,总参数约1.6万亿,每Token激活约480亿。原报道重点讨论读仓库、运行命令、多步修复问题等编程场景,并介绍思考与非思考模式。
原报道将发布节奏概括为11月初亮相、11月9日上传Hugging Face;本轮可确认仓库和权重可访问,尚未独立核实11月9日这个具体上传时间。模型卡给出的上一代LongCat-2.0在Terminal Bench v2.1为70.8分,本代为88.4分。
权重以MIT许可发布,允许依许可使用、修改和商用,需保留相关许可与版权声明;模型卡同时说明,不授予美团商标或专利权利。开放权重不等于训练代码和训练数据全部开放,不能据此承诺能够复现训练过程,也不代表本地部署没有硬件和运维成本。
7分和15.4分,都来自同一份模型卡
Terminal Bench v2.1表中,LongCat-2.5为88.4,Claude Opus 5为89.1,GPT-5.6-Sol为88.8。LongCat与Opus 5的差距是0.7分。原作者据此认为常规终端任务成绩已很接近,但单项差距不能直接推导总体能力相当。
在Terminal Bench v4.0中,LongCat-2.5为38.5,Claude Opus 5为53.9,差距扩大为15.4分。原文将它解释为更难、链路更长的任务仍有明显差距。选型时同时关注任务难度与失败模式,比只截取较接近的分数更有参考价值。
这些数字不是本站实测。官方模型卡说明,带星号的成绩引用其他公开报告、博客或官方榜单,未标星成绩由团队内部测量,仅供参考。Opus 5等对比值存在外部引用,不能把整张表包装成本站在统一条件下完成的独立横评。
训练算力的说法,证据到哪一步
原报道转述The Decoder有关训练未用英伟达GPU的说法,以及频道关于使用华为昇腾的转述,并明确表示没有找到美团对具体硬件的官方确认。本轮核对的模型卡提到国产AI加速器优化,但这不等于确认了具体昇腾型号,也不足以证明全程未使用英伟达GPU。
原作者进一步讨论了“如果完全采用国产算力属实”对芯片出口限制的意义。这仍是带前提的判断,不能去掉“如果”,写成已经确定的训练事实。
MIT权重给企业多了一种算账方式
原文认为,开放权重可能让企业重新比较日常补全、批量改代码、运行测试等任务的自部署成本与闭源API费用;长任务可靠性则仍是判断模型是否够用的重点。这个方向值得评估,但没有价格测算和工程复测,就不能直接承诺降本幅度,或断言某个模型必然适合所有代码任务。
资料:Net.Coffee原文、LongCat官方模型卡、MIT许可证。封面为AI创意配图,正文漫画保留Net.Coffee水印,不作为跑分证据。