LongCat-2.5 是 1.6 兆參數的原生多模態 MoE 模型，每 token 啟用約 480 億。它站在 LongCat-2.0 之上，帶來更強的原生視覺理解與 agent 程式能力。官方部落格在 2026 年 11 月 1 日公開，GitHub 與 HuggingFace 都是即將推出，目前只有聊天試用與 API。
原文連結：https://longcat.ai/blog/longcat-2.5/
HN 討論：https://news.ycombinator.com/item?id=50337716
模型速覽
| 項目 | 內容 |
|---|---|
| 總參數 | 1.6 兆 |
| 每 token 啟用 | 約 480 億 |
| 前代 | LongCat-2.0 |
| 發布日 | 2026 年 11 月 1 日 |
| 測試條件 | enable_thinking 開啟，temperature 1.0，top_p 0.95 |
主打什麼
官方把兩個能力綁在一起賣：長程 agent 強化學習，以及原生視覺理解。
長程 RL 那一側，訓練管線吃進更多長軌跡，用大規模長程強化學習強化端到端工程能力，覆蓋複雜程式碼庫開發與完整專案建構。資料靠合成管線自動產生任務、互動環境與可驗證測試：篩 GitHub PR 與關聯 issue，用 agent 標註任務、合成環境，再以 fail-to-pass 與 pass-to-pass 測試驗證。內部真實 coding 任務拓寬日常覆蓋，上線 rollout 的通過率回頭指導重標與過濾。真實世界的 agent 失敗軌跡，也被轉成可重現、可驗證的訓練任務，針對能力缺口不斷補料。
視覺這一側，視覺訊號切成多層離散 token，主幹用統一的 token 格式處理圖文。原生解析度 token 化搭配殘差向量量化，保住細節；tokenizer 固定，視覺 token ID 預先算好、離線快取，訓練時直接讀；視覺 codebook 嵌入跟主幹一起學。小模型驗證裡，圖文嵌入在 t-SNE 上交織，暗示兩者在共享語義空間裡整合。原生視覺理解碰上 agent 程式能力，官方稱交出強悍的視覺程式設計表現，也支援創意設計與 3D 任務。
訓練與推論基建
mid-training 與 SFT 都用長序列訓練。單卡記憶體不到 80GB，系統優先省記憶體，並行切分對齊 supernode 拓撲：FSDP 與專家並行維度等於每 supernode 加速器數，參數 all-gather、專家 token all-to-all、KV all-gather 全留在 supernode 內高速互連。雙分片 FSDP 留住通訊效率，壓住持久記憶體；整套 FSDP 在長序列 SFT 上，每卡吞吐比 DDP 基準高 86%。
訓練與推論之間，官方解耦三段並行配置，但保住每 token log prob 逐位元一致，效能開銷近零。多輪長上下文 rollout 採 prefill 與 decode 分離，各選並行配置：QCP 按 token 切 Q、KVP 按 page 散 KV，HiCache 釋放無引用 host 複製，LSA 讓奇數層重用偶數層 top-k 索引並把全量 KV 卸到 host，容量感知排程優先放行接近完成的組。測試 workload 下 prefill 比 decode 實例數三比二最佳。
1.6 兆參數的推論走 W4A4：專家權重與啟動函數輸出全量化到 4 位元，矩陣乘跑在原生 INT4 單元上。FlatQuant 的可學習等價變換往前推一步，MoE 量化精度上來，下游任務表現跟未量化模型相當。上線壓測對 W8A8 INT8 基準：prefill 吞吐加 43.3%，decode 吞吐加 42.77%，TTFT 減 15.91%，TPOT 減 19.72%；kernel 層 GMM 平均比 W8A8 快 1.73 倍。
向多位老師學習那段也值得一提：沿用 LongCat-2.0 的專家群，學生跨任務域線上取樣，領域專家用全詞彙 KL 散度教它。老師回覆切成固定長度片段做 per-cut 前綴，學生自取樣限同長度，處理長單輪回覆內部的分布偏移；同一條老師軌跡的前綴綁在同一台推論引擎上，共享 prefill 與 KV 快取；訓練時組一棵樹，主幹是老師軌跡，枝是學生取樣，一次前向加反向用 Tree Attention 走完 OPD。
評測成績
標星號的分數引自公開技術報告、部落格或榜單，其餘自測，僅供參考。相對 2.0 是翻倍式成長；對外大約跟 GPT-5.6-Sol、Opus-5 同檔，互有勝負；Terminal Bench v4.0 與 Program Bench 仍落後 Opus-5。
| 類別 | 基準測試 | 2.5 | 2.0 | GPT-5.6-Sol | Opus-5 | GLM-5.3 | kimi-k3 |
|---|---|---|---|---|---|---|---|
| 程式 agent | Terminal Bench v2.1 | 88.4 | 70.8 | 88.8 | 89.1 | 88.2 | 88.3 |
| 程式 agent | Terminal Bench v4.0 | 38.5 | 3.0 | 37.3 | 53.9 | 41.8 | 12.6 |
| 程式 agent | PaperBench | 82.1 | 45.2 | 83.3 | 79.1 | 73.7 | 77.5 |
| 程式 agent | DeepSWE v1.1 | 64.6 | 9.7 | 72.7 | 68.8 | 66.9 | 67.5 |
| 通用 agent | BrowseComp | 91.9 | 79.9 | 90.4 | 90.8 | 81.0 | 91.2 |
| 通用 agent | AutomationBench | 51.8 | 15.8 | 45.8 | 50.3 | 48.2 | 46.7 |
| 通用 agent | HLE w/ tools | 63.1 | 37.5 | 58.0 | 64.7 | 62.5 | 56.0 |
| 通用 agent | JobBench | 65.4 | 44.4 | 45.4 | 66.7 | 61.4 | 52.9 |
| 視覺 | Vision2Web | 78.6 | – | 73.5 | 80.2 | 77.8 | 79.0 |
| 視覺 | CharXiv-RQ w/ tools | 90.2 | – | 89.1 | 89.3 | – | 91.3 |
HN 網友怎麼看
主串分數 83，留言 22 則，頂層 8 則，全數已讀。抓取時間 2026 年 11 月 3 日，descendants 含已刪，實際活著 21 則。
對照版本過時，有挑軟柿子之嫌。 首熱串 BugsJustFindMe 開砲：圖表只比 GPT-5.5、GPT-5.6-Sol、Opus-4.8、Opus-5，不解釋為何選這些非最新版；不給成本理由，看起來像在藏東西。AshamedBadger56 緩頰，秀舊版才能證明地端模型追上幾個月前的前沿；imjonse 跟 Catloafdev 也認為比相近對手，比差頂尖多少更有資訊量。james2doyle 補充 9 月 25 日出過預覽版，當時對照或許合理，原 PO 回昨天才發正式版，早該更新。
1.6 兆參數跟家用無關。 colingauvin 直言家用跑不動，DeepSeek-V4.1-Flash 差不多等級，總參數一半，啟用更不到一半。Imustaskforhelp 感嘆，不久前大家還說家裡有 Opus-5 等級就偷笑，期望膨脹真快；原 PO 吐槽，這 1.6 兆你根本跑不進家裡。
定價持平、速度是亮點，官網體驗糟。 esafak 查到跟 DS4.1F 同價，關鍵看快取命中率與速度；InsideOutSanta 實測 5 分鐘灌滿 200k 上下文，速度很快，第二串也有約 80 tps。embedding-shape 抱怨 GitHub 跟 HF 全是 Coming soon，聊天頁轉跳到美團 Keeta 登入像被駭；nmfisher 補刀，上代用完美團 App 強制登入 API console 就棄坑；vfosnar 說 Firefox 輸入會倒退打字，回覆還疑似中文。
其他：flr03 吐槽 LongCat 不是 Mistral 那隻貓了，容易搞混；slopnt 指長條圖配色只凸顯自家，上看像沒人審過稿；explosion-s 貼了 Pelicans 梗圖被讚車架不錯。
視覺懶人包
手機看不到內嵌頁，直接開：https://static.blog.derekhsu.net/longcat-25-hn.html
譯註
展示區八個案例多為影片，本篇只收錄文字要點。評測表對手分數多引自公開報告。HN 留言帳號保留原文，不加編號。數字沿用原文抓取代入時間，不重抓。