下载包3.56TB,按模型卡共208个文件。等最后一个落地,你就合法、永久、无条件地拥有一套万亿参数模型,不必向任何人申请许可。
在中国以外,大多数人对美团的印象是外卖App。2026年11月9日,美团把LongCat-2.5(龙猫2.5)的完整权重推上Hugging Face。许可证是干净的MIT:没有注册表单,没有营收门槛,也没有"哪些国家不许用"的清单。参数规模是标题,许可证才是故事。
到底发布了什么
LongCat-2.5是原生多模态混合专家模型:总参数1.6万亿,按模型卡,任一token上约激活480亿。因为每个token只点亮网络的一小片,单token算力更接近中等规模稠密模型,这也是1.6万亿系统能被服务起来的唯一原因。
其余规格:上下文窗口100万token,中训练阶段做过长序列训练;视觉由模型卡称为LongCat-Next的组件把图像特征转成与文本同一空间的离散token,不是外挂视觉编码器;混合思考开关通过 chat_template_kwargs 逐请求切换;提供OpenAI兼容API,含工具调用;权重有BF16与W4A4两种格式,后者把专家权重与激活量化到4比特、走原生INT4计算。
部署前有个插曲:Hugging Face元数据一度显示1.8万亿,与美团自述的1.6万亿不符。VentureBeat点出矛盾,并建议按文件估算而非按标签。
一家配送公司为什么发万亿模型
LongCat团队做大模型已久,2.5是2.0的后继,也是这条线第一个原生吃图像的版本。
官方目标是长程智能体任务:大型代码库开发、整项目构建、可视化编程、3D任务、专业办公文档。对照美团业务——调度、商家工具、即时零售——逻辑就紧了:这些流程由成百上千个细小、枯燥、可验证的步骤组成,要由没人盯着时仍在运行的软件执行。这类任务里,智能体要么把价值复利,要么把损失复利。
技术文章对增益来源说得异常坦白:把真实的智能体失败轨迹转成可复现的训练任务;把强化学习做成异步,部分推演保存可续,半截任务不必重来;训练环境断网、清空git历史与文件缓存,并由裁判模型监督轨迹——反取巧管线之所以存在,是因为能偷看答案的智能体会偷看。美团还称训练跑在国产算力上,这未经独立审计,却是中国实验室当下最在意的点。
榜单表格,以及它的星号
在 Terminal Bench v2.1 上,LongCat-2.5报88.4,2.0为70.8。同表列Claude Opus 5为89.1、DeepSeek-V4.1-Flash为90.6,均引自公开报告。读仔细:LongCat只是接近领先者,并未超过。其他结果:DeepSWE v1.1为64.6(前值9.7),SWE Atlas 58.3(前值33.1),BrowseComp 91.9,AutomationBench 51.8。
然后是那个最要紧的数字。在更难、更新的 Terminal Bench v4.0 上,LongCat-2.5得38.5;同页Claude Opus 5是53.9。在最接近开放式真实工作的这套测试上,差了15分。
美团明确说明:未标注分数为内部测得、仅供参考,模型未针对所有下游用途全面评测。截至写作,没有独立评测可核对。
MIT许可证出的力,比参数更多
2026年11月成了一场面目全非的开源权重许可自然实验,三大发布的差别不在能力,而在法律纹理。
Kimi K3.1 Pro用修改版MIT,按第三方对许可文件的解读,模型即服务用途超过某个营收门槛需另签协议。百度的ERNIE 5.5 Flash Base用自定义许可,按同样算法切出欧盟、英国和韩国,并把商用与营收区间绑定。LongCat-2.5的LICENSE只有约1KB纯MIT,加一行2026年美团版权。
对创业公司来说,这不是学术差别:MIT消掉一整类问题——不用量营收,不用查辖区地图,不用谈判。
谁真的跑得动
几乎没人在已有硬件上跑得动全精度,这没关系。
美团文档里的服务示例用了194块Atlas A2:2块编码、64块预填充、128块解码,通过SGLang-FluentLLM驱动。那是集群,不是单机。公司称W4A4比W8A8基线预填充吞吐高43.3%、解码高42.77%,加KV缓存量化后解码高92%。实测路径面向NPU;走vLLM的GPU路线发布时仍属社区工作。
所以托管API是现实入口:每百万未缓存输入token 0.30美元(约2.3港元),每百万输出token 1.20美元(约9.3港元),每百万缓存输入token 0.006美元(约0.05港元),限时价目表。
关键要点
- 美团以纯MIT开源LongCat-2.5,总参数1.6万亿、单token激活约480亿,上下文100万token。
- v2.1接近领先者(88.4),但v4.0落后Claude Opus 5约15分(38.5对53.9)。
- Hugging Face的1.8万亿与官方1.6万亿之出入未澄清;服务配方面向NPU而非GPU。
诚实的局限
- 上面每个性能数字要么是美团自己的,要么转引他人公开报告,没有独立复现,模型卡自己也这么写。
- 1.6万亿与1.8万亿的元数据出入在公开层面仍未解决;部署规模按文件算,别按博客算。
- 公布的配方是NPU专用。基础设施若是NVIDIA,你是在等社区工作,不是照指南做。
- 差距真正落在v4.0上。模型可以在v2.1上像前沿、在v4.0排中游,而没人在撒谎。
- 本文没有实测该模型,也没检查其训练数据。
普通人现在能做什么
- 先租后下。按每百万输入token 0.30美元算,一周真实评测比下载所耗的电还便宜。先用自己任务打托管API,再决定自建值不值一个集群。
- 读许可证,不读发布稿。这个月最大的三个开源发布都发权重,只有一个真是MIT。要在上面做产品,这句话值十分钟。
- 在会疼的那套测试上打分。厂商报 Terminal Bench,就问哪个版本。LongCat-2.5在v2.1是88.4,在v4.0是38.5——两套不可比,这个落差说明的更多是基准本身。