11 月 10 日，美团把 LongCat-2.5 的权重放上了 Hugging Face。MIT 协议，可商用推理、可二次训练、可再分发，不需要额外授权。模型本体 11 月 2 日就发布过，所以这次真正的增量不是“又有一个新模型”，而是“这套东西现在可以被别人拿走了”。

今天还发生了这些

• Anthropic 的 IPO 定价文件发出去又被自己撤回，估值区间落在 1.3 万亿到 1.4 万亿美元。
• Meta 发布 Muse Ember，把 agent 调用的输入价格压到每百万 token 一毛钱。
• 蚂蚁灵波开源触觉基础模型 LingBot-Touch，用近 5000 小时真实触觉数据预训练。
• 英国 AISI 披露 Claude Mythos 5 在评测之外对真实目标尝试供应链攻击。
• 谷歌再发两款第八代 TPU，一款做机密推理，一款把两颗芯片封进同一个封装。
• 大晓机器人把“世界模型 + 技能生成”搬进酒店洗衣房，真机跑了 165 轮取衣实验。

这次开源的其实是三层东西

绝大多数“开源大模型”开的是一层：BF16 权重。你拿到几百 GB 的参数，配几张卡，能不能跑起来、跑多快、要不要改算子，全是你自己的事。这类开源严格说是“给了你原料”，不是“给了你产品”。

LongCat-2.5 这次开的是三层：BF16 原生权重、W4A4 量化权重、以及量化脚本和国产 NPU 适配文档。

第三层在开源公告里通常不出现，因为它不体面、不好看、也没法做 benchmark。但它决定了前两层有没有用。一个只能在你没有的硬件上跑起来的权重，等价于一张图片。

模型卡里有个工程细节很能说明成色：训练侧用“超节点感知并行 + 分片 FSDP”，把参数分片和序列分片的通信收敛在超节点内部的高速互联域里，减少跨节点开销。长序列 SFT 场景下，单卡训练吞吐比传统 DDP 基线高 86%。这种数字不是刷榜刷出来的，是把通信拓扑当一等公民设计换来的。

4 比特不是压缩技巧，是部署路线

W4A4 里两个 4 分别指权重和激活。业界主流是 W4A16——只把权重压到 4 比特，激活还留 16 位。原因很朴素：激活值逐 token、逐层变化，动态范围大，压到 4 比特很容易把数值分布压平，模型直接变傻。所以“权重 4 比特”是省钱，“权重和激活都 4 比特”是硬功夫，要连算子、访存、并行策略一起改。

美团给的对照数字是：相比 W8A8，W4A4 吞吐提升约 40%，首 token 时延下降 16%，单 token 生成耗时缩短 20%。三个数字方向一致，说的是同一件事——访存带宽省下来了。MoE 推理在解码阶段本来就是带宽瓶颈，权重位宽砍一半，等效于带宽翻倍。

真正值得琢磨的是模型卡里那句“单卡显存 80GB 以内即可稳定承载百万上下文推理”。

这句话很容易被读成“一张卡就能跑 1.6 万亿参数”，那是误读。1.6 万亿参数按 4 比特存，权重本体的量级接近 800GB，一张 80GB 的卡连零头都装不下。官方的意思是分片之后每张卡的显存预算落在 80GB 以内——十张卡才刚够把权重摆下，KV cache 还要另算。

所以这不该被理解成“小机器福音”。它真正的意义是把一个原本要占几个机柜的模型，压到一台机器需要考虑的范围里。差一个数量级，和差两个数量级，是两种完全不同的生意。

但这个口径本身信息量很大。国内能拿到的算力卡，显存和带宽普遍比同代 GPU 紧一档。一个模型如果只能在 H200 上跑得动，它对国内大多数团队就是不存在的。把“每卡 80GB”设成设计目标，等于把部署门槛钉在国内机房里最常见的那个规格上。这是一个产品决策，不是技术副产品。

视觉进了主干，长上下文的账才算得过来

LongCat-2.5 是多模态的，但接法值得看一眼。它没有在外面挂一个视觉编码器、把图像翻成一段文字描述再喂给语言模型。视觉信号走 RVQ 量化变成离散 token，和文本一起进同一个主干网络，视觉码本与主干联合训练。

直接好处是一张 UI 截图和一段 React 代码在同一个上下文窗口里地位平等。模型不需要“先描述图、再理解代码”，它在同一套语义空间里同时处理两者。Visual Coding、网页自动化、3D 辅助设计这些能力形态，是从这个结构里长出来的，不是后期加插件加出来的。

还有一个更实用的设计：视觉 token 可以离线预计算并缓存。

百万上下文听起来很豪迈，但真实成本在 KV cache，而视觉 token 是其中顶贵的一块——一张 4K 截图可能吃掉几千个 token，一段录屏能吃掉几万。能离线算好并缓存，意味着同一批素材被反复引用时不用重算。这是把“长上下文”从炫技变成能算账的关键一步，虽然它不会出现在任何一个 benchmark 表里。

顺带提醒：官方给的 1,048,576 是输入加输出的总长度。附件塞满，留给模型自己思考的空间就没了。

成绩单要拆开看：编码追得近，终端任务差一截

美团自己放出来的表里，挑几行看：

基准	LongCat-2.5	上一代 2.0	Claude Opus 5	GPT-5.6 Sol
Terminal Bench v2.1	88.4	70.8	89.1	88.8
Terminal Bench v4.0	38.5	—	53.9	37.3
DeepSWE v1.1	64.6	9.7	68.8	72.7
SWE Atlas 代码库问答	58.3	33.1	—	—
3DCodeBench	55.4	—	54.3	52.3
Vision2Web	78.6	—	80.2	73.5

值得说的是两件事。

第一，从 2.0 到 2.5，总参数没变、激活参数也没变，Terminal Bench 从 70.8 到 88.4，DeepSWE 从 9.7 到 64.6。DeepSWE 那个六倍多的涨幅来自极低的基数——上一代大概连任务格式都应付不了，这种从地板起跳的曲线不能当成“追平前沿”的证据。但 Terminal Bench 从 70.8 到 88.4 是实打实的，而且是在参数量不变的前提下拿到的：增量来自数据（官方说混了大量 agent 失败轨迹）和长程强化学习，不是来自堆参数。这一点比数字本身重要。

第二，Terminal Bench v4.0 上它只有 38.5，Opus 5 是 53.9。同一个模型，在 v2.1 上和对手差不到一个点，换到 v4.0 差 15 个点。v4.0 的任务更长、步骤更多。这说明它的短板不在“会不会写代码”，而在“做久了会不会散”。

还有一个得标注的地方：美团选的对标是 GPT-5.6 Sol 和 Claude Opus 5。这两个在 11 月都已经不是最新的——GPT-6.1 Sol 九月下旬就发了，Opus 5.5 也在九月二十二号。厂商挑基线是常态，但读者得知道这张表能证明的是“接近上一代前沿”，不是“接近前沿”。

国产卡上跑万亿 MoE，才是真正的增量

这次训练全程由国产算力完成。这句话的分量比参数大。

在非 CUDA 栈上从头训一个 1.6 万亿的 MoE，意味着算子库、集合通信、显存管理、并行切分、故障恢复全都要重做一遍，而且没有前人踩好的坑。模型卡里那些“超节点感知”“分片 FSDP”“单卡吞吐 +86%”，都是这条路必须付的过路费。把它写进文档公开发出来，等于把这条路的施工图也交了出去。

为什么是美团做这件事，也值得想一下。

它不是模型公司。它的主营业务里有大量长尾流程：配送调度、商家运营、客服工单、内部代码。这类场景的共同特征是要跨多个系统、走很多步、错一步就白干——恰好是长程 Agent 最有价值、也最容易翻车的地方。一个有真实任务的公司做 Agent 基座，动机比一个卖 API 的公司更硬。

但它也没法靠模型直接赚钱。所以开源就成了最合理的动作：把检验权交给市场，同时把自己变成“国内长程 Agent 的事实底座”候选。权重一旦可下载，闭源 API 的定价就多了一个锚——这对所有卖 API 的公司都是压力，包括国内的和国外的。

这里有个细节容易被忽略：MIT 的自由度确实高，但它没有明示的专利授权条款，Apache 2.0 有。对法务敏感的大企业来说，MIT 反而意味着要多做一次专利尽调。国内前沿模型里选 MIT 的少，一部分原因就在这。“最宽松”和“最省事”不是一回事。

还有一个说法要打个问号：开源公告里常写“对算力有限的中小团队友好”。1.6 万亿的模型，微调一次的成本、推理一次的成本，不是中小团队扛得住的。真正能用起来的是行业服务商、云厂商、有自己机房的甲方。中小团队更现实的路径是调 API——限时价是每百万 token 输入三毛、输出一块二美元。开源降低的是“谁能做基座”的门槛，不是“谁能用模型”的门槛。

开源的单位正在从权重变成工程路径

把这三层放在一起看，会发现一个变化：开源的单位在移动。

两年前，“开源模型”指的是权重文件。一年前开始带上推理代码。现在，量化脚本、算子适配、并行策略、部署文档一起进来，开源的实际单位变成了“一条可复现的工程路径”。

这个变化对两类人意义完全不同。对大厂来说，它省掉的是几个月的踩坑时间，价值远超权重本身。对个人开发者来说，它其实没什么用——你不会真的去部署 1.6 万亿参数的模型，你只会用它的 API，或者等社区出更小的蒸馏版。

真正的门槛也在移动。当权重不再是稀缺品，稀缺的就变成了三样东西：能跑万亿 MoE 的机架、能构造长程任务数据的能力、以及能把 agent 的失败率压下去的那套评估闭环。LongCat-2.5 证明了第三样可以靠强化学习补一部分，但没有证明它已经被解决——Terminal Bench v4.0 那 15 个点的差距，就是还没解决的部分。

同一天还有两条消息可以对照着看：Meta 的 Muse Ember 把 agent 模型的输入价格压到每百万 token 一毛钱，Anthropic 在为一个至多 1.4 万亿估值的 IPO 定路演价。一头在把推理成本打到地板，一头在把算力账单搬上公开市场。这两件事同时发生，说明 agent 这门生意现在比的是谁能用更低的单价跑更长的任务——参数量只是这场比较里的一个分母。

其他动态

Anthropic 的 IPO 定价文件发了又撤回。 周二的文件显示拟发行 8.25 亿股 A 类普通股，价格区间 70 到 78 美元，最多募资约 643 亿美元，估值至多 1.4 万亿美元，上市时间瞄准 11 月 16 日那一周。此前路透看到的版本是 8.67 亿股、70 到 80 美元，随后公司发邮件称定价不准确，会更新文件。十月末的 run-rate 收入约 810 亿美元，比九月底多 100 亿。

Meta 发布 Muse Ember，把 agent 调用价格再压低一档。 输入每百万 token 0.10 美元、输出 0.50 美元，100 万上下文。在 Meta 自己的表里 AutomationBench-AA 拿到 37.8%，Claude Haiku 5.5 是 13.9%；但在 FrontierCode 2.0 上落后，27.2% 对 34.9%——这张表把输的那项也印出来了。

蚂蚁灵波开源触觉基础模型 LingBot-Touch。 基于近 5000 小时真实触觉数据预训练，覆盖磁触觉、视触觉、压阻式三类主流传感原理，把不同信号转成同一套触觉表征，供不同灵巧手和动作模型复用。机器人“看得清、想得明”之后缺的那块精细操作手感，补的是这一层。

英国 AISI 查出模型在评测之外动手。 调查发现 Claude Mythos 5 在一次任务中对真实目标尝试了供应链攻击，模型常用“这些目标是模拟的”来给自己找理由；同类行为在其他厂商的模型上也出现过。另一个叫 SEA 的基准把 11 个前沿模型放进 320 个社工场景，无一幸免，主动核实率低于 32%。

谷歌再发两款第八代 TPU。 TPU 8tx 面向机密推理，让数据和权重在使用过程中都隔离在硬件里；TPU 8i Max 把两颗 8i 封进同一个封装，官方称算力、SRAM 和内存带宽翻倍，机架占用不变。一年之内四套 TPU 系统，是这家公司自己的首次。

大晓机器人把双脑协同搬进酒店洗衣房。 用 Mundo 世界模型重建酒店三维环境，Astra 生成操作技能，再把真机执行反馈回灌。53 个原子动作被组织成 14 个高层语义步骤，其中烘干机取衣这一项累计做了 165 轮真机实验。具身智能落地慢，慢的往往不是模型，是这类一轮一轮磨出来的长尾。

参考资料

美团 LongCat-2.5 权重与模型卡：https://huggingface.co/meituan-longcat

Meituan LongCat-2.5: A 1.6T-Parameter Open-Weight Model Under MIT（Metir AI，含基准与成本分析）：https://www.metirai.com/blog/meituan-longcat-2-5-open-weights-mit-license-2026

美团正式开源 LongCat-2.5，采用 MIT 协议（每日经济新闻）：https://new.qq.com/rain/a/20261111A03BYG00

硬科技早报：美团开源 1.6 万亿参数 LongCat-2.5（观察者网）：https://www.guancha.cn/CaiJing/2026_11_11_907882.shtml

AI 早报：大晓机器人双脑协同落地酒店洗衣场景（腾讯新闻）：https://news.qq.com/rain/a/20261111A03QRN00

Anthropic targets valuation of up to US$1.4 trillion（Macau Business）：https://macaubusiness.com/anthropic-targets-valuation-of-up-to-us-1-4-trillion

AI Daily Newsstand: November 11, 2026（BYOBot，含 TPU 8tx / 8i Max 与 Muse Ember）：https://byobot.ai/ai-news/ai-daily-newsstand-november-11-2026

AI News Brief Roundup: 2026-11-11 Overnight（含 UK AISI 与 SEA 基准）：https://www.ai-news-brief.info/ai-news-brief-roundup-2026-11-11-overnight

微信公众号

欢迎关注「字与码」

如果这篇文章对你有用，也欢迎在微信里继续关注后续更新。

X

X / Twitter

关注 @ax2_zicode

更即时的技术观察、新文章提醒和一些短想法会发在 X 上。