2026年11月2日，美团发布了新一代大模型LongCat-2.5。官方给出的定位是面向长程智能体任务的原生多模态模型，总参数达到1.6万亿，每个Token激活约480亿参数，训练使用了1M长度的上下文，单卡吞吐较DDP基线提升86%。这些数字单独看都足够醒目，但比起把关注点放在参数规模上，更值得留意的是另一件事：这次训练全程依托国产算力完成，是迄今为止依托国产算力完成的最大规模训练任务。把万亿参数放在国产硬件上完整跑通，意味着训练链路从头到尾都没有借力海外算力。
所谓全栈国产算力，意味着从底层硬件到训练框架，整条链路都没有依赖海外算力。对于万亿级别的大模型来说，这本身就是一道很高的工程门槛。更大的挑战来自国产卡自身的特性：单卡显存偏小，卡与卡之间的互联带宽也相对弱。要在这样的条件下把1.6万亿参数的训练跑通，需要在工程层面做大量适配，针对显存和互联的短板设计对应的并行与调度方案。绕开这些硬件限制的办法，决定了训练能否真正闭环，而不只是停留在理论可行，这也是“全程国产算力”这几个字背后最实质的含金量。
美团这次没有走通用“Token工厂”的路线，模型被直接嵌入商家经营分析、智能体编程等主业工作流。这两类场景对模型的要求，和刷榜评测并不完全一样。经营分析关乎真实商家的决策，智能体编程要能稳定产出可用的代码，任何一次明显的错误都可能带来实际损失。相比在基准测试里拿高分，业务场景里的容错率要求要高得多，这也解释了为什么模型从设计之初就更强调任务闭环而非单纯规模。把模型塞进主业流程，等于把评测标准从分数换成了“能不能真的用”。
在评测维度上，LongCat-2.5在多项主流基准中的成绩介于Claude Opus 4.8与Claude Opus 5之间，部分评测超过了Claude Opus 5。这个区间说明它处在国际第一梯队模型的相邻位置，但美团更想强调的，是训练路径的自主可控，而非“超越谁”的对比。1M的长上下文与单卡吞吐的提升，指向的是长程任务里处理信息的能力与训练效率，这两点对智能体场景尤为关键，长上下文让模型能记住更长的任务链条，吞吐提升则压低了训练与推理的成本。
同一天，国内还有其他模型动作值得一并观察。DeepSeek Harness发布了Creator Mode，用户用自然语言描述需求，智能体就能现场编写、安装并运行插件，演示中一句请求大约五分半钟就完成了浮动番茄钟插件的构建、安装与验证。Kimi在11月2日推出了游戏开发方案，基于K3.1 Pro、Kimi Code与Kimi Work，可以用插件改造现有工程，并能自行录制视频做自检，没有编程经验的人一两天内就能在Godot里做出可试玩的原型。度小满则与中国香港科技大学在中国香港金融科技周发布了轩辕4.5金融大模型，推理成本约为通用顶级模型的十分之一。
这几条消息放在同一天出现，勾勒出一个共同趋势：国产大模型正在从“比谁参数大”转向“比谁能真正跑进具体场景”。LongCat-2.5把训练闭环搭建在国产算力之上，正是这一转向里一个具体的注脚，它表明即便在受限的硬件条件下，万亿级训练也能跑通并投入实际使用。
