11 月 2 日，美团龙猫发布了 LongCat-2.5。据官方介绍，这是一个面向长程智能体任务的原生多模态模型：总参数 1.6 万亿，每个 token 激活约 480 亿参数，在 LongCat-2.0 的基础上强化了原生视觉理解和智能体编程能力。和前代一样，它没有走"参数越大越强"的叙事，重点讲的是能不能把一件长任务从头做到尾。

先把事实摆清楚：1.6T 总参数、约 48B 激活、原生多模态、长程强化学习、支持 Visual Coding 和 3D 类任务、推理侧用 W4A4、训练跑在国产算力上。这些是官方口径，跑分也是官方公布的评测结果，第三方复现还要等。

一、48B 激活是什么意思

MoE 模型的参数分"总参数"和"激活参数"。总参数决定模型能装多少知识，激活参数决定每次推理真正要算多少。1.6 万亿里只激活 480 亿，比例大约 3%。

这个数字的意义在于成本：推理开销大致跟着激活参数走，而不是跟着总参数走。所以"1.6 万亿参数"听起来很吓人，实际调用成本更接近一个几百亿参数的稠密模型。厂商标 1.6T 是能力上限，账单看的是 48B。

可以用一段很朴素的代码把激活比例算清楚，避免看发布稿时被总参数带偏：

total_params = 1.6e12      # 总参数
active_params = 48e9       # 每 token 激活参数
ratio = active_params / total_params
print(f"激活比例: {ratio:.2%}")          # 激活比例: 3.00%
print(f"单次前向计算量约为总参数的 {ratio:.1%}")

这段代码不依赖任何库，直接跑就行。它提醒的事情很实际：评估一个 MoE 模型贵不贵，先看激活参数和上下文长度，再看单价。

二、和 2.0 比，变了什么、没变什么

变了的主要是三点。

第一，视觉从"能看图"变成"原生输入"。 官方说法是把视觉信号表示为多层级离散 token，让主干模型用统一的 token 形式处理图像和文本。这和"语言模型外挂一个视觉编码器"是两条路线。外挂路线里，图像特征和文本特征在对齐层汇合，信息在接口处会掉一部分；统一 token 路线则是从输入层就把图和字放在同一个序列里。对做截图理解、UI 还原、图表解析这类任务的开发者来说，差别体现在细节保留上，尤其是小字、表格线和代码截图。

第二，长程任务的训练方式变了。 官方提到在长序列训练里加入更多长程轨迹数据，做大规模长程强化学习，还把真实 Agent 的失败轨迹转成可复现、可验证的训练任务。这句话翻译过来就是：训练目标从"答对一道题"变成"跑完一条流程"。Agent 任务的特点是步骤多、中间状态多，一步错后面全错，单轮问答的评测方式测不出来。

第三，推理侧上了 W4A4。 权重和激活都量化到 4 比特，目的是在国产算力上把长上下文推理的成本压下来。量化会带来精度损失，官方说做了训推数值一致性优化，实际效果仍然要看真实负载。

没变的地方也很明显：还是 MoE 稀疏架构，还是把长上下文和 Agent 编程当主卖点，还是兼容 Claude Code 这类主流开发环境，还是把国产算力集群当作基础设施叙事。换句话说，这是一次沿着同一条路线的加固，不是换赛道。

三、对普通开发者意味着什么

评估方式要换。 以前看模型主要看 MMLU、GPQA 这类单题跑分；做 Agent 的话，这些分数和你的实际体验关系不大。更值得看的是端到端任务完成率：给它一个仓库、一份需求文档，它能不能自己定位文件、改代码、跑测试、修错误。官方这次主推的也是这类演示，而不是单题分数。

上下文长不等于该塞满。 1M 上下文很适合"整库理解"“整份合同比对”“几百页日志排障”，但每一次调用都把 1M 塞满，账单会非常难看。比较稳妥的做法是分层：先用便宜的小模型做检索和摘要，把候选范围缩到几万 token，再交给大模型做推理。长上下文是能力，不是默认配置。

接入前先确认三件事。 一是模型版本，2.5 和 2.5-Preview 不是一回事，能力、价格、限流都可能不同；二是它在你用的 Agent 框架里表现如何，同一模型换个 harness，工具调用成功率可能差很多；三是数据条款，尤其是把公司代码库送进去做长上下文分析的时候。

别把官方跑分当结论。 这次公布的评测是厂商自测口径，缺少第三方独立复现。这不是说数据不可信，而是横向比较时要留余地：不同 harness、不同提示词、不同重试策略，分数能差出好几个点。

四、一个现实的判断

国产大模型这两年的竞争重点，确实从"会答题"往"能交付"挪了。LongCat-2.5 把原生视觉、长程 RL、Agent 编程捆在一起发布，方向是清楚的：抢的不是聊天入口，而是开发工作流。但长程任务这件事，模型能力只是一半，另一半是工程——工具定义、状态管理、失败重试、人工兜底，缺一样都跑不通。

对打工人来说，短期最实际的变化不是"AI 能替我写完项目"，而是"我可以把一些重复的、跨文件的活交出去，然后花时间检查它做对没有"。检查这件事，目前还省不掉。

你怎么看这波"长程智能体"的路线，是真需求还是新故事？评论区聊聊。