美团 LongCat-2.5 的权重已在 11 月 9 日以 MIT 协议放出，商用推理与二次训练都不需要额外授权。1.6 万亿总参数里每 token 只激活约 480 亿，1M 上下文，支持 NPU 平台部署。它同时给了原版与 W4A4 量化两个 checkpoint，量化版在官方评测上基本不掉点。
换句话说，LongCat-2.5 现在是一个可以自己搬回机房的模型。判断它值不值得搬，看三件事：权重有多大、量化损失多少、跑分在什么位置。
权重到底有多大：3.5 TB 与两个 checkpoint
ModelScope 上 meituan-longcat/LongCat-2.5 仓库有 210 个 safetensors 分片，加起来 3562 GB。这个体量意味着单卡装不下，BF16 原版在生产里已经是多卡甚至多机分片的事。
官方同时提供了 LongCat-2.5-W4A4 仓库，它把专家权重与激活同时压到 4 bit，配合国产 AI 加速卡的原生 INT4 矩阵乘法单元执行计算。选型逻辑很直接：显存放得下原版就先跑原版做评测基线，放不下直接走 W4A4，官方在模型卡里写明已评测的下游任务表现与量化前保持相当。
| 项目 | 原版 checkpoint | W4A4 checkpoint |
|---|---|---|
| 权重体积 | 3562 GB（210 个 safetensors 分片） | 约原版四分之一量级 |
| 总参数 | 1.6 万亿 | 1.6 万亿 |
| 每 token 激活 | 约 480 亿 | 约 480 亿 |
| 上下文窗口 | 1M tokens | 1M tokens |
| 权重精度 | BF16 等高精度格式 | 权重与激活均为 4 bit |
| 授权 | MIT | MIT |
| 适用环境 | 算力充足，做评测基线或精调 | 显存与带宽受限的国产加速卡 |
激活比例值得单独算一遍。480 亿除以 1.6 万亿，单 token 走过的参数约占总量的 3%。这是 MoE 的设计意图，参数量堆出知识容量，稀疏激活把单次推理成本压住。这也是它和同规模稠密模型在推理账单上能拉开差距的原因。
架构：768 个路由专家与 MLA 注意力
config.json 里能看到具体结构。LongCat-2.5 的模型类型是 pro_v，38 层，隐藏维度 8192，注意力头 64，FFN 隐藏维度 12288。稀疏部分是 768 个 routed expert 加上 128 个 zero expert，moe_topk 取 12，routed_scaling_factor 设为 9。
注意力走的是 MLA 路线，kv_lora_rank 512、q_lora_rank 1536，配合 deepseek_yarn 的 rope_scaling，原始 8192 位置、factor 120，最终 max_position_embeddings 落到 524288。也就是说 1M 上下文靠的是 YaRN 外推，不是从头训练的长位置。
词表大小 163840，oe_vocab_size_ratio 100.567，oe_split_num 4，这套 OE 配置是多模态词表扩展那部分留下的痕迹。视觉侧 config 独立成块，patch_size 14、depth 32、hidden_size 1280，min_pixels 50176、max_pixels 3211264。
视觉信号没有外挂独立编码模块，而是对原生分辨率特征做残差向量量化，转成多层级离散 token，和文本一起交由主干处理，视觉码本与主干联合训练。视觉 token 支持离线预计算与缓存，这一点对多机部署很关键，重复推理时不必重算视觉分支。
量化版实测收益：prefill 快 43%，decode 快 42.8%
官方给了一组在线压测对比，基准是 W8A8 的 MoE 配置。
| 指标 | W4A4 相对 W8A8 |
|---|---|
| prefill 吞吐 | +43.3% |
| decode 吞吐 | +42.77% |
| 首字延迟 TTFT | -15.91% |
| 每输出 token 时间 TPOT | -19.72% |
| Grouped GEMM 加速比 | 平均 1.73 倍 |
| W4A4KV8 对 W8A8KV16 的 decode 吞吐 | +92% |
实现上有两处工程细节值得记住。一是共享专家输入变换，让量化能发生在 token 复制与分发之前，同一份 INT4 表示在通信和计算两侧复用，避免量化后重复转换。二是把变换、缩放、量化、打包做成融合算子，再配合预填充与解码两套独立调优的流水线，减少数据搬运与通信开销。
训练侧也有对应数字。长序列 SFT 任务里，单卡吞吐比 DDP 基线提升 86%，靠的是超节点感知的并行策略、有效的分片方式，以及通信与计算重叠。推理侧 KV cache 优化与 LSA 之后，解码 KV 容量接近翻倍且 TPOT 没有上升。
跑分位置：代码 Agent 强项与短板
下面这些是官方模型卡的数字，标星的是引用公开技术报告或官方榜单，未标星是内部自测，仅供参考。
| 基准 | LongCat-2.5 | LongCat-2.0 | Claude Opus 5 | GPT-5.5 | DeepSeek-V4.1-Flash |
|---|---|---|---|---|---|
| Terminal Bench v2.1 | 88.4 | 70.8 | 89.1 | 83.2 | 90.6 |
| Terminal Bench v4.0 | 38.5 | 3.0 | 41.8 | 37.3 | 31.2 |
| DeepSWE v1.1 | 64.6 | 69.7 | 68.8 | 72.7 | 74.2 |
| NL2Repo | 60.5 | 40.9 | 75.3 | 56.8 | 65.4 |
| PaperBench | 82.1 | 45.2 | 79.1 | 83.3 | – |
| BrowseComp | 91.9 | 79.9 | 90.8 | 84.4 | 91.5 |
| HLE（带工具） | 63.1 | 37.5 | 64.7 | 58.0 | 63.9 |
| AutomationBench v1.0.6 | 51.8 | 15.8 | 50.3 | 39.7 | 54.8 |
| 3DCodeBench（文生 3D） | 55.4 | – | 53.4 | 52.7 | 53.3 |
| Vision2Web | 78.6 | – | 80.2 | 74.6 | 79.2 |
| VideoMME | 85.2 | – | 90.0 | 89.5 | – |
结论挺清楚。相对前代 LongCat-2.0 是全面提升，Terminal Bench v4.0 从 3.0 跳到 38.5，PaperBench 从 45.2 到 82.1，多模态项目从空白补齐。放到横向对比里，代码类基准基本与第一梯队咬住，DeepSWE 和 NL2Repo 略低，视觉与 3D 生成还在追赶。Terminal Bench v4.0 的 38.5 与 Claude Opus 5 的 41.8 差 3.3 分，而同代国产基座里昇桥 AscendBridge 也做到了 1.6 万亿参数后训练，这两条路线的差距正在收窄。
评测条件值得留意。Terminal Bench 用 Claude Code harness（v2.1.280），max_seq_length 512K，v2.1 结果是三次独立运行取平均。DeepSWE v1.1 用 mini-swe-agent，max_seq_length 拉到 1M，同样三次平均。默认参数是 enable_thinking 开、temperature 1.0、top_p 0.95。
部署路径与调用方式
NPU 平台部署官方指向 SGLang-FluentLLM 的 longcat-2.5-npu 分支，有对应的 npu_test 目录和说明。模型支持思考模式与非思考模式双开，思考模式下建议保留 reasoning_content，官方给了完整的 Python 调用示例，走 OpenAI 兼容接口并通过 chat_template_kwargs 传 enable_thinking 与 save_history_reasoning_content 两个开关。
自建成本这块可以先算个大概。本地大模型显存怎么算那篇给了 8B 模型每 1K 上下文 144MB 的推导方法，1M 上下文套进 1.6T 规模的模型时权重本身就会吃掉全部预算，剩下的空间全留给 KV Cache。量化后单卡跑 4B 的具体量级可以看NVIDIA Dory 1.0 4B 四档算力实测。多模态与超长上下文的显存开销比纯文本更复杂，视觉 token 的离线预计算缓存能省掉一部分重复开销，但 1M 上下文的 KV Cache 仍是需要提前算进预算的大头。
如果暂时不打算自建权重，同一家的 LongCat-2.5-Preview 发布那篇已经把双协议接入方式讲清楚了，API 侧走 https://api.longcat.ai/openai 或 /anthropic，改 base_url 和模型名就能挂进 Codex、OpenClaw、Claude Code 这些现成工具链。
常见问题
LongCat-2.5 怎么本地部署，显存要多少？
原版权重 3562 GB，需要多卡分片，48GB 级别的消费级卡不可能单卡跑通。显存受限的环境直接选 W4A4 checkpoint，官方称已评测的下游任务表现与量化前相当。NPU 平台按 SGLang-FluentLLM 的 longcat-2.5-npu 分支走。
LongCat-2.5 和 LongCat-2.0 差在哪？
三个层面。视觉从 2.0 时代的独立仓库并入基座，走残差向量量化的离散 token 路线；长程能力靠更长的序列 SFT 与 RL 基础设施支撑，单卡吞吐比 DDP 基线高 86%；推理侧提供 W4A4 量化方案，prefill 与 decode 吞吐分别提升 43.3% 与 42.77%。
LongCat-2.5 能商用吗，需要额外授权吗？
模型权重以 MIT 协议发布，商用推理部署与二次训练都无需额外授权。该授权不包含美团商标与专利使用权。模型未针对所有下游场景做全面评测，敏感或高风险场景需要自行评估准确性、安全性与公平性。
小结
LongCat-2.5 开源的价值不在参数数字，而在它把三件事凑齐了：MIT 协议、W4A4 量化路径、以及 NPU 部署支持。对算力充足但受限于闭源授权的团队，这是可以自建的选项；对显存紧张的团队，量化版把 3.5 TB 的门槛压到了可接受的区间。代码 Agent 基准上它已经进入第一梯队行列，视觉与 3D 仍是短板。硬件选型与本地推理的实际开销，可以对照站内关于显存计算和低参数量模型实测的两篇看。
延伸阅读
- 美团 LongCat-2.5-Preview 发布：1.6T参数、1M上下文，多模态进基座1 月前
- 讯飞发布 Spark-ASR-2.0：9 月 24 日起上线输入法，同步开放 API2 月前
- TokenGate 长上下文预填充提速 11.3 倍，斯坦福伯克利开源门控剪枝2 周前
- 美团龙猫发布 LongCat-2.5：1.6T 参数原生多模态模型1 周前
继续读
同一批更新里这几篇值得一看：
- 百度文心5.5 Flash Base开源：280B激活14B，30项基准对比2026-11-05
- JTok 与 xHC：61B 模型省 35% 训练算力的两条扩展轴2026-11-05
- 腾讯混元 Hy4 正式版：770B 参数首现视觉与电脑操作2026-11-04