美团的龙猫,被低估了

美团的龙猫,被低估了

AI 资讯 来源:新闻/公众号 发布时间:2026-11-11 19:59:40 预计阅读 4 分钟

2026年夏天,美团旗下大模型团队LongCat接连出现人员变动新闻。7月下旬至8月底,多家媒体报道其数位核心研发技术人员离职或准备离开,引发外界对团队后续研发节奏的关注。

尤其在一个月前的6月30日,美团刚发布总参数1.6万亿、平均激活参数约480亿的LongCat-2.0,训练和推理全程运行在国产算力上,此前已持续投入三年建设国产算力训练基础设施。作者曾判断美团可能放缓基础模型研发、转向AI应用,但后续发展不同:9月25日LongCat-2.5Preview上线,11月2日正式发布LongCat-2.5并于次日开源。

美团的龙猫,被低估了

新模型延续1.6万亿总参数规模,重点强化长程Agent、复杂软件工程和原生多模态能力。官方评测显示,Terminal Bench v2.1从70.8提升至88.4,接近Claude Opus5的89.1;Terminal Bench v4.0从3.0提升至38.5,DeepSWEv1.1从9.7提升至64.6,Paper Bench从45.2提升至82.1。

作者用LobeHub基于真实场景构建的Lobe Bench Hard50进行测试,覆盖生活健康、电商、营销与内容、金融、生产力、软件开发与运维、研究与职业发展七领域,每题重复三次。LongCat-2.5默认参数下22题三次全成功,通过率44%;开启推理模式后26题通过,通过率52%,与Hy4持平,接近DeepSeek V4.1 Flash的56%及GLM 5.3Flash、MiniMax-M3推理模式的54%,榜首GPT-6.1 Terra为64%。

美团的龙猫,被低估了

开启推理后平均每题耗时从3.1分钟增至4.5分钟。回顾三年历程,美团2023年开始探索国产算力训练大模型,解决算子兼容、跨卡通信、显存管理、训练数值稳定性等工程问题。

LongCat-2.0从零预训练使用超30万亿Token数据,原生支持百万Token上下文,采用MoE、LongCat Sparse Attention、动态专家激活和多专家在线蒸馏等技术。官方数据显示,通过自动故障恢复、弹性扩缩卡、通信优化及数值精度控制,月均日故障率降低70%以上,训练MFU提升至原来1.5倍,稳态训练吞吐超每天1万亿Token。

美团的龙猫,被低估了

美团还开放了LongCat-2.0模型权重、国产卡推理代码和技术文档。今年7月公布Agent平台Cat Paw进展,已覆盖内部约9万名员工,累计搭建超3万个Agent。

LongCat-2.5在长程强化学习上扩大投入,加入更多Agent执行轨迹,构建覆盖任务生成、执行环境、结果验证和强化学习的训练体系,尝试将失败轨迹转化为可复现训练任务,并从GitHub的PR和Issue构建训练数据,通过fail-to-pass和pass-to-pass测试验证修复效果。团队还针对Reward Hacking和长程训练效率优化,采用异步partial rollout减少无效训练。

多模态方面,将图像编码为多层级离散Token,统一处理文本和视觉输入,支持可交互网页、3D场景和创意设计等任务。

标签: AI 资讯 AI

更多推荐阅读

Fable 5.2连操作系统都能搓,大厂开始重新分工:会用 AI 只是及格线

Fable 5.2连操作系统都能搓,大厂开始重新分工:会用 AI 只是及格线

过去几天,Claude Fable 5.2 再次抬高了我们对 AI 编程的想象。 Claude 工程主管 Felix Rieseberg 开发的游戏 Saltline 在 X 上大火,他只用一次初始提示、没有后续人工反馈,Fable 5.2 自己生成游戏模型、音效和贴图,最终呈现了一款紧张刺激的第一人称射击游戏。 图|体验🔗:https://claude.ai/artifact/BGY1Szt...

2026-11-21 19:57:34
谷歌奇袭英伟达:整柜TPU外售加速交付,推理每美元性能领先GB200五成

谷歌奇袭英伟达:整柜TPU外售加速交付,推理每美元性能领先GB200五成

英伟达最近头疼的事儿可不止老黄那一件。 本周内,谷歌祭出了两款新TPU芯片,分别瞄准机密推理和长上下文。算上上半年发布的两款TPU芯片,第八代TPU已经扩到四种配置。 今年,谷歌第一次在同一年内推出四款TPU系统。而谷歌对TPU的野心,可能比外界想象得更大—— 还是今年,谷歌破天荒开始对外销售TPU系统。 量子位从谷歌内部人士处获悉,谷歌内部信心十足,表示“明年TPU市场份额会快速上升”,...

2026-11-21 19:57:11
Claude 开始「整顿」会议室,建议国内大厂抄作业

Claude 开始「整顿」会议室,建议国内大厂抄作业

「拉个会对齐下颗粒度,叫上 Claude。」 打开 Google Meet 准备进会,参会者名单里出现了一个叫做 Claude 的头像。 会议主持人把 Claude 添加进通话,它以可见参与者的身份出现,同时在聊天窗口发布通知,明示自己正在加入。会议进行当中,它持续跟随对话,可以实时记录笔记、整理行动项、起草文件,或在白板上梳理结构与时间线。 团队成员可以在通话期间直接编辑它生成的内容,讨论...

2026-11-21 19:52:11
从AI建模到游戏生成,HolyMolly让人人都能玩转3D互动创作

从AI建模到游戏生成,HolyMolly让人人都能玩转3D互动创作

游戏版抖音又添新玩家。 《小王子》又在网上火了一次。 这回是一位叫Sac的创作者照着书里的故事做了一款3D游戏。 小王子住过的星球变成了可以走动的地方,玩家能跟着故事穿过不同的场景,看看那些原本只能靠想象补全的画面。 该游戏视频发到社交媒体后吸引了接近400万次浏览。 这款作品的制作周期只有16天。Sac用Claude Opus 5.5参与代码和游戏搭建,借助Tripo生成3D模型,再用...

2026-11-20 20:00:00
全球AI音乐榜第一易主!中国黑马首次上榜就干翻Suno

全球AI音乐榜第一易主!中国黑马首次上榜就干翻Suno

Suno,被超了?? 好家伙,AI音乐圈最近突然杀出了一匹中国黑马。 ACE Music v1,一个此前很多人可能都没听过的名字,首次登上全球权威AI评测机构Artificial Analysis(简称AA)的音乐人声榜,就把Suno最新旗舰模型v6挤到了第二。 榜单上,ACE Music v1拿下1160分,领先Suno v6整整16分。 要知道,自2023年AI音乐赛道兴起以来,Sun...

2026-11-20 19:59:59
「别提越权」!OpenAI自曝:AI摸进黑客考场后台,交卷时只字不提

「别提越权」!OpenAI自曝:AI摸进黑客考场后台,交卷时只字不提

我们应该避免提到未经授权的基础设施。任务目标只有flag。 很难想到,这句听着像串供老手的话,竟然出现在一个AI智能体的推理记录里。 这是一场网络安全考试,AI进攻目标,拿到一串叫flag的暗号,就算答对。 写完开头那句内心独白,这个AI智能体利落地递上答卷,对自己的越权举动只字不提。 11月10日,OpenAI补充公开了一份内部复盘,揭开了7月19日一场失控测试的细节: 参与测试的5个...

2026-11-20 19:59:42
订阅
关注

扫码关注公众号「60秒看懂AI」

扫码关注公众号 60秒看懂AI

微信搜索「60秒看懂AI」也可关注

顶部