1.6T 参数、1M 上下文，LongCat-2.5 正式版这次有惊喜

大模型的牌桌上，有位比较低调又实力不俗的玩家。

11月2日，美团的LongCat-2.5 正式版，终于上线了。

一直关注国内大模型玩家的朋友，对这个名字肯定不陌生。

这个宝马典藏历史车型的动态3D官网，就是我拿LongCat-2.5做的，细节、质感都很有惊喜。

还有这个城市景观建筑设计，从早到晚，高楼拔地而起的动态效果，全部代码由LongCat-2.5生成。

能看出来，对空间、对三维环境的理解，达到了新的水准……

作为从今年4月20号的 LongCat-2.0-Preview 就开始一路跟着用的老用户，我自己对龙猫的迭代节奏其实挺有感触的。

当时 2.0 的预览版出来，也是隔了差不多两个月，到 6 月底才正式上线并亮出完整评分。

之前9月25号，美团低调上线 LongCat-2.5-Preview，开放了两周限时免费体验，我就在想，正式版会不会还有惊喜。

01核心指标，很亮眼

先把正式版这次更新的核心硬指标和主要变化，简单给大家捋一遍：

第一，基础规格与定位更聚焦了。

模型依然保持1.6 万亿总参数、每 Token 激活约 480 亿参数、最高 1M 上下文窗口。

简单来说，就是不再局限于写单段代码，而是瞄准复杂代码库开发、完整项目端到端构建，以及新强化的Visual Coding（视觉编程）、创意设计和 3D 任务。

第二，推理速度和训练吞吐提上来了。

推理侧这次上了W4A4 量化方案。

而在训练侧，在所测长上下文监督微调任务中，优化后的单卡吞吐，也比 DDP 基线提升了86%。

第三，基准跑分落在了什么区间？

整体看下来，LongCat-2.5 的多项主流指标落在了Claude Opus 4.8 到 Opus 5 之间，局部单项超过了Opus 5。

尤其是多模态与 3D 编程：在 3DCodeBench (Text→3D) 上拿到了55.4，在 Vision2Web 上拿到78.6，这块的視覚编码长板比较明显。

第四，兼容的接入工具（Harness）做了调整。

之前 Preview 版适配的 Claude Code、OpenClaw、OpenCode 和 Kilo Code，都依然得到了保留。

而且这次正式版，收敛并调整成了三个主流入口：Claude Code、Codex和Hermes。

看起来更直观，用起来也更直接了。

账面数据看完，关键还是看日常运作和真实任务的交付能力。

废话不多说，直接开始上测试。

02Coding 表现、长程任务，很犀利

验证Coding表现，我比较喜欢拿游戏场景来测。

先是在提供关键参考图的前提下，做了一个魔兽、骑士角色的复杂游戏场景模拟。

技能设计，以及说魔兽的审美，都挺到位的。

虽然离大型场景游戏的可玩性还有差距，但从前端设计以及动态交互上，已经是让我比较满意的程度。

再看一个，古典仙侠水墨画的游戏，我取名叫《侠路》。

这个游戏环境设置、角色设定比上一个简单，但是人物的动作更丰富。

我主要考察的是武侠角色爬悬崖、跳跃、上树等动作的完成程度，以及能否连续进行关卡的通过。

设计上，传统水墨风格，一人一壶一蓑衣，还是很有特色很精细的。

玩法上不算复杂，但胜在互动流畅自然。

发现 LongCat-2.5处理多人物、多游戏角色的能力很强，还能打造复杂场景。

我于是想把古典武侠类的游戏，在玩法机制上，再复杂化一点。

这就把一个武侠单机修炼游戏，变成了复杂的多场景打斗群像游戏，还是很好玩的。

尤其是加入了一些金庸武侠技能，会感觉有了很丰富的玩法可能性。

一句话生成可玩的 3D Minecraft，也不在话下。

我用极简的 Prompt，测它的 3D 游戏工程整合能力。

我只给了它一句英文指令：

「Make a playable 3D Minecraft game. Output only a single HTML file.（制作一个可玩的 3D Minecraft 游戏，仅输出单个 HTML 文件。）」

这意味着它不能偷懒分拆外部资源，必须在一个文件里把三维体素地形生成、第一人称视角控制（PointerLock）、方块碰撞检测、准星拾取以及方块的破坏与放置逻辑全部写完。

草方块、泥土、石头和树木构成的体素地形错落有致，视角转动和 WASD 移动没有出现卡死或穿模掉出世界的情况，基础的交互回路是完整跑通的。

相比之前在 Preview 版跑 3D 游戏动辄思考半小时、甚至把左右转向符号写反的情况，正式版在一气呵成处理三维空间坐标和交互逻辑时，明显利落了不少。

还做了一个单关卡「愤怒的小鸟」网页游戏。

回到 2D 物理引擎与完整游戏闭环，让它写一个愤怒的小鸟风格单关卡游戏。

「提示词：开发一款“愤怒的小鸟”风格的单关卡网页游戏，包含弹弓发射物理机制。要求：拖拽式弹弓瞄准机制。基于发射力度和角度的抛物线弹道。可被破坏的堆叠方块。计分系统及关卡重置功能。无需构建工具，可直接在浏览器中运行。」

这个 Case 考察的是物理手感和交互闭环。

无需任何外部构建工具，双击打开浏览器就能直接玩：

鼠标按住小鸟往后拖拽，皮筋拉伸的同时会实时算出基于力度和角度的抛物线辅助轨迹。

之所以测试这么多游戏，是因为3D、多模态、复杂交互，游戏都是最好的实验场景，能很清晰看到一款模型的上限。

我会觉得，在做代码生成游戏这个领域， LongCat-2.5已经是高级别玩家，能通过高效率、高审美的代码生成，去完整构建复杂的游戏内容。

034大场景，表现不俗

再给大家看四个我测出来的比较有代表性的例子，都是在其他模型或者之前版本，容易出现瑕疵的。

一、实时流体模拟

这是个更吃算力的活，3D 展厅考的是空间感，这个考的是它对物理和 GPU 的理解。

给它的任务是：

「实时流体模拟。开发实时流体模拟与视觉特效生成工具，生成包含实时流体动态模拟的高帧率动态交互网页，帮助开发者、设计师与科普创作者完成复杂物理现象的交互式可视化与美学展示。」

二、复刻风格类似 X 的个人博客空间

来测一个纯前端 UI 与交互布局的基本功，Prompt 非常短，就一句话「实现一个风格类似 X 的个人博客空间」

给出的页面结构非常地道。

最容易翻车的点在于：「一切元素严格封闭在瓶内，任何视角不得越出轮廓。」

三、三维魔方动画（带打乱与自动还原）

重点考察它的三维矩阵旋转动画与状态逆向还原逻辑。

「Build a colorful, 3D-looking Rubik’s Cube with Scramble and Solve buttons that visibly animate the rotations.

（构建一个色彩鲜艳的 3D 魔方，带有「打乱」和「还原」按钮，并能可视化地演示旋转动画。）」

写 3D 魔方最怕遇到两个 Bug：

一是旋转某一层时，色块的局部坐标系算错，转了两次整个魔方就碎裂散架了，

二是点击 Solve（还原） 时，模型投机取巧，不播动画直接把颜色重置回初始状态。

在魔方逻辑的基础上，我尝试做成了一个3D旋转的照片官网，复用了魔法复原的基本逻辑，但是在视觉上做了优化。

怎么样，转起来的效果，是不是审美很到位？

四、全球 AI 融资日报

有时候需要看看全球 AI 公司的融资消息，中文、英文散在十几家媒体里，看一遍四十分钟。

所以我让它写个工具，每天自动巡查一次，汇总成一份能直接看的日报。

「写一个脚本，每天自动抓取全球 AI 创业公司的融资新闻，汇总成一份中文日报。要求：按融资金额排序，每条注明公司、轮次、金额、领投方、信息来源链接和发布日期；同一笔融资如果被多家媒体报道，合并成一条；金额不确定的标注存疑，不要猜。」

这个项目，重点不在日报本身，而在脚本的运行速度和效率，以及内容质量。

04为什么这次不卡了，也变快了

结合实测体感，再回看这次官方同步公开的技术报告，能比较清楚地看到 LongCat 团队在背后做的几项工程改造。

为什么Visual Coding（视觉编程）和 3D 表现变好了？

传统的视觉多模态方案，大多是先训好文本模型，再外挂一个看图模块。 而 LongCat-2.5 采用的是原生多层级离散 Token方案——

沿用 LongCat-Next 的方法，对语义对齐编码器（SAE）产生的原生分辨率特征做残差向量量化（RVQ）。

简单理解，就是从一开始就把图像也转化成了和文字同构的离散 Token，放进同一个主干模型里联合学习。

而且利用固定的 Tokenizer，系统可以离线预计算并缓存视觉 Token ID，训练计算图里不再包含沉重的视觉编码器。

之前 Preview 版容易「死循环」和「过度思考」，是怎么解决的？

针对长程任务，团队这次搭了一整套AgenticRL（智能体强化学习）训练链路，重点做了两件事：

一是开发了Trajectory2Task：专门收集真实 Agent 的失败轨迹，通过错误证据分析和执行环境恢复，把「跑挂了的案例」逆向转化成可复现、可验证的训练任务，针对短板定向补数据。

二是做了严格的输出行为优化与防作弊（Reward hacking）：在任务环境里直接断网、清除 git 历史和缓存，引入 LLM Judge 监督轨迹；

对重复思考、重复工具调用施加额外惩罚；同时通过重新分配正样本中的 Reward，抑制了模型「过度思考」和回复长度增长过快的问题。

配合多专家在线蒸馏（MOPD）里的 per-cut prefix 策略，模型在执行多步长链路任务时的稳定性比预览版扎实了不少。

国产算力这块，从跑得通变成了跑得省。

6 月发 2.0 的时候，验证的是在国产集群上把万亿模型的全流程跑通。到 2.5，问题变成了单卡显存不到 80G，还要啃最长达 1M 的上下文。

他们的解法是围绕超节点重做并行，加上 PD 分离和跨层预取。

落到我们能用上的地方，是推理侧的 W4A4，权重和激活一起压到 4 bit，Prefill 吞吐提了 43.3%，Decode 提了 42.77%，首字延迟降了 15.91%。

这也是为什么正式版用起来明显比 Preview 轻快。

最后补充一下大家关心的体验入口、额度与计费信息：

网页端longcat.ai和longcat.chat已经能用了

API 在longcat.chat/platform/product

新用户注册并实名，送 1000 万 Token，已经认证的老用户也送1000 万Token，登上就能领！

计费有两种：

一种买 30 天有效的资源包，缓存命中免费，非常耐用，只要9.9元，性价比直接拉满。

一种是按量付费，支持企业认证和阶梯折扣，也是特别实用的选择。

也许AI时代的新效率、新创意，此刻就可以和LongCat 一起开启！

抓紧时间用起来吧！

朋友圈会发一些具体的案例和商业化日常～