AI 资讯速递 (2026/11/10)： 美团 LongCat 团队正式开源 LongCat-2.5
导读摘要：
美团LongCat团队于11月10日发布LongCat-2.5开源版本，在保持MIT协议开放性的同时实现国产算力适配突破。该模型以1.6万亿总参数量与480亿激活参数量构建百万级上下文处理能力，并通过W4A4量化技术降低部署门槛。
资讯详情
美团LongCat团队持续深耕长序列建模领域，在继LongCat-2.0后推出全新版本模型。此次开源版本针对智能体工作流（Agentic Workflow）场景进行架构优化，在国产GPU集群上实现了单卡显存低于80GB条件下的完整训练闭环。
【1.6万亿参数量】
LongCat-2.5采用混合专家（MoE）架构设计，在保持模型密度的同时扩展总参数规模至160B级别。其激活参数量控制在48B范围内，在长文本理解与生成任务中展现出更优的计算效率比。
【百万级上下文窗口】
通过改进的位置编码机制与注意力计算策略，该模型将上下文长度扩展至1M token级别。实测显示其在文档分析、代码审查等需要全局语义感知的任务中准确率提升约37%。
【W4A4量化部署】
基于国产GPU特性开发的W4A4混合精度方案使推理延迟降低至传统FP16模式的1/3水平。团队同步发布配套工具链支持从HuggingFace格式到国产算力平台的自动转换流程。
AI-ALL 深度点评
LongCat-2.5的开源标志着国内大模型技术栈向生产级应用迈出关键一步。其百万级上下文能力直接解决了当前智能体系统在跨文档推理场景中的信息碎片化问题——开发者无需再通过RAG技术进行人工片段拼接即可完成整本书籍级别的语义建模。
MIT协议对商业应用的开放态度将加速该模型在企业级场景落地，尤其值得关注的是其针对国产算力平台进行的底层优化方案可能成为行业标杆案例。但需注意的是，在单卡吞吐率提升86%的同时仍需至少8卡V100级别硬件支撑完整训练流程。
此次开源对现有AI基础设施提出双重挑战：一方面验证了国产GPU在超大规模模型训练中的可行性边界；另一方面也暴露了当前分布式训练框架在资源利用率方面的改进空间——如何平衡高吞吐率与硬件成本控制将成为后续研究重点方向之一。
