《美团 LongCat-2.5:不用英伟达也能跑前沿智能体,开发者该怎么看这场“去英伟达化”?》

举报
yd_295706539 发表于 2026/11/16 13:47:40 2026/11/16
【摘要】 11月15日,美团 LongCat 团队放出了 LongCat-2.5 的完整权重。这件事值得单独写一篇,不是因为它又是一个大参数模型,而是因为它把一个以前只能停留在讨论里的问题,变成了一个可以下载、可以跑、可以算账的事实:一个 1.6 万亿参数的智能体模型,全程没有用英伟达的卡,跑在了华为昇腾上,而且在智能体基准测试里离美国最强的模型只差不到 1 分。先看模型本身。LongCat-2.5 ...

11月15日,美团 LongCat 团队放出了 LongCat-2.5 的完整权重。这件事值得单独写一篇,不是因为它又是一个大参数模型,而是因为它把一个以前只能停留在讨论里的问题,变成了一个可以下载、可以跑、可以算账的事实:一个 1.6 万亿参数的智能体模型,全程没有用英伟达的卡,跑在了华为昇腾上,而且在智能体基准测试里离美国最强的模型只差不到 1 分。

先看模型本身。LongCat-2.5 是一个原生多模态的混合专家模型,总参数 1.6 万亿,每次只激活约 480 亿。它接受最长 100 万 token 的输入,最长可以输出 12.8 万 token,处理文本、图片和视频。图片不是外挂一个编码器再拼上去的,而是直接转成 token,和文本一起处理,美团的说法是这样对视觉编程、设计和 3D 任务更有利。训练数据来自真实的 GitHub 拉取请求,训练环境里断了网、去掉了 Git 历史,逼着模型自己解决问题,而不是抄现成的答案;同时还从专门的教师模型里蒸馏了智能体、推理和对话能力,并用另一个模型检查有没有走捷径。

真正让这件事不只是“又发了一个模型”的,是硬件那一端。LongCat-2.5 的自托管指南里给出的示例部署,是一组 194 张华为昇腾 Atlas A2 加速卡:2 张处理图像、64 张负责读入提示词、128 张负责生成回答,全程没有英伟达的部署指南。关键的一招是 4 位量化:专家权重和激活值都压到 4 位,而这正是国产芯片原生擅长的格式。美团的负载测试说,4 位版本比 8 位版本在读入提示词时吞吐高了 43.3%,生成回答时高了 42.77%,精度基本保持不变。模型卡里还提到,在长序列训练里,国产加速器上的基础设施优化让单卡吞吐比标准基线高了 86%。前一代 LongCat-2.0,据报道是在 5 万多张国产 AI 芯片的集群上训练的。这些数字单独看都只是工程细节,放在一起的意思却很清楚:瓶颈正在从“有没有最强的卡”,转向“能不能把手头的卡用好”。

再看成绩单,数字要分开读。美团自己公布的表里,LongCat-2.5 在 Terminal-Bench 2.1 上得了 88.4 分,Claude Opus 5 是 89.1 分,GPT-5.6 Sol 是 88.8 分,DeepSeek-V4.1-Flash 是 90.6 分,差距不到 1 分。更难的 Terminal-Bench 4.0 上,它得了 38.5 分,超过了 GPT-5.6 Sol 的 37.3 分,但离 Claude Opus 5 的 53.9 分还差得远。在修真实仓库 Bug 的 DeepSWE 上,它得了 64.6 分,比上一代 LongCat-2.0 的 9.7 分是天翻地覆的进步,但还是落后于 DeepSeek-V4.1-Flash 的 74.2 分和 GPT-5.6-Sol 的 72.7 分。在网页调研基准 BrowseComp 上,它以 91.9 分排在美团那张表的第一位,不过美团自己也注明,这个测试是在它自己的环境里跑的。

所以正确的读法是:它在“能把多步骤任务跑完”这件事上已经接近前沿,在“最难的编码任务”上还落后,而且这张对比表里没有 Claude Opus 5.5 和 GPT-6.1 Sol 这些更新的模型。The Decoder 的提醒很实在:公平的说法是,它追上了几个月前美国前沿的位置,而不是今天的位置。但这个差距现在是以月来计的,而且它还附带了开放权重,这才是对开发者真正有用的信息。

对开发者来说,这场发布真正有用的信息不在参数量本身,而在它改变的三件事。

第一,常规智能体任务有了更便宜的路由。The Decoder 报道的限时推广价大约是每百万 token 输入 0.27 欧元、输出 1.07 欧元;托管服务 ZenMux 标出的推广价是 0.30 美元和 1.18 美元,常规价是 0.75 美元和 2.95 美元。这些都是推广价,真正上量之前要按当天的价目再核一次,但方向是明确的:便宜模型已经够用来跑那些重复度高、步骤清晰的任务。更划算的做法是分流:架构设计、疑难定位这种需要深度判断的活,留给最强的模型;批量处理、写测试、改格式、跑流程这种执行型的活,交给便宜模型。分流得越清楚,便宜模型的红利才越能发挥出来。

第二,换模型的成本正在变低。LongCat-2.5 的 API 同时兼容 OpenAI 和 Anthropic 的格式,可以直接接进 Claude Code、Codex 这类智能体工具。也就是说,试一试它不一定需要重写代码,很多时候改个接入点就能跑起来。这对团队落地很关键:先在小范围里用真实任务对比一次通过率和单任务成本,再决定生产环境走哪条路,比只看基准测试分数靠谱得多。建议在试点阶段就把这两个数字记下来,而不是只记 token 单价。

第三,自托管是真的,但不是谁都能随手做的。完整权重大约 3.56 TB,压缩后的 4 位版本大约 1.34 TB,这本身就是一个正经的工程项目。MIT 许可证允许商用、修改和再分发,数据可以留在自己的环境里,这对有合规要求的团队很有吸引力;但在受监管的行业里,用一个国产模型也要先过数据治理和供应链政策那一关。先算清楚自己有没有 194 张卡那个量级的部署能力,或者有没有靠谱的托管方,再谈自托管,否则开放权重对你来说只是一个可以下载的文件,而不是一个可以用的方案。

第四,别把“不用英伟达”读成“不需要英伟达”。LongCat-2.5 证明的是另一条路走得通,不是说这条路已经在所有任务上都更好。它在 Terminal-Bench 4.0 和 DeepSWE 上的落后,恰恰说明最难的任务仍然需要更强的模型或者更好的训练方法。对华为云上的开发者来说,更实际的视角是生态:昇腾、DevSpace、ModelArts 这些工具链正在成为一个可以完整走通的选择,模型、算力和部署方式可以配套着选,而不是只能在别人的硬件上跑别人的模型。这次发布给这个生态补上了一个关键的拼图:一个够强的开源智能体模型。

第五,从一个小流程开始验证,而不是先换架构。挑一个重复度高、规则相对清晰、出错成本可控的流程,比如工单分类、文档初稿、测试用例生成,先试试“强模型规划、便宜模型执行、独立节点验证”这套分工,跑两周真实任务,对比效果和成本,再决定生产环境走哪条路。验证的成本不高,但能避免把架构押注在单一模型或单一供应商身上。

回到 LongCat-2.5 本身。它不是世界上最好的 AI 模型,也不需要是。它真正的意义在于,把“前沿智能体模型 + 开放权重 + 低价 API + 非英伟达硬件”这四件事第一次同时摆在了开发者面前。以前这四件事总要取舍,现在可以一起谈了。对开发者来说,接下来要做的事很小:挑一个你最熟悉的重复流程,写下它的输入、输出、异常情况和人工复核点,再标出哪一步需要深度判断、哪一步只需要快速执行。这份文档,就是你为智能体分工时代准备的第一份设计稿,也是你判断 LongCat-2.5 这类模型值不值得接进来的第一份依据。

【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0)

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。