11月2日、美団（Meituan）は、持続的な実行を必要とする長期間のエージェントタスク向けのネイティブマルチモーダルモデル LongCat-2.5 を公開しました。美団によれば、総パラメータは1.6兆、トークンごとに活性化されるのは約480億で、学習はすべて国産の計算資源で行われました。実質的な変化はパラメータ数ではなく、正式版でベンチマークの成績と国産チップ向けの推論最適化が加わった点にあります。9月25日に公開されたのは API プレビュー版にすぎませんでした。
プレビュー版と正式版の違い
9月のプレビュー版は LongCat-2.0 のパラメータ規模を引き継ぎ、画像入力を追加しましたが、公式ベンチマークは公開されませんでした。正式版は同じ規模を維持し、大規模な長期間強化学習を追加しています。学習には長い軌跡のデータを多く取り入れ、実際のエージェントの失敗した実行過程を再現可能な学習タスクに変えました。視覚信号は多層の離散トークンとして表され、テキストと同じ主幹で処理され、視覚コーディング、クリエイティブデザイン、3D タスクを支えます。美団によれば、中期学習では最大100万トークンの系列を使い、累計学習量は数兆トークンに達し、国産チップ向けに W4A4 推論を最適化しました。美団が示したブランドの経営分析事例では、モデルは決済 GMV が23.2%増えた一方でチャネル利益が1.7%減ったという成長の質の問題を見抜き、資源配分の助言を示しました。
ベンチマークの成績をどう読むか
美団のベンチマーク表では、LongCat-2.5 は Terminal Bench v2.1 で88.4点を獲得し、LongCat-2.0 の70.8点を上回り、BrowseComp では91.9点でした。美団によれば、複数の成績は Claude Opus 4.8 と Claude Opus 5 の間にあり、一部は後者を上回ります。これらの数値はすべて美団によるもので、独立した検証は受けていません。同じ表で Program Bench は25.5点にとどまり、比較対象の最高点37点を下回っています。最高点だけを見ると過大評価になります。表全体を読めば、すべてのコーディングタスクではなく、ターミナルとブラウジングのタスクに強いことが分かります。
誰が今すぐ使えて、限界はどこか
LongCat-2.5 は美団のオンラインサービスと API プラットフォームから利用でき、Claude Code、Codex、Hermes などのエージェントツールと互換性があり、GitHub と Hugging Face での公開は計画中で、時期は示されていません。つまり、開発者は今すぐ長時間のタスクに使えますが、重みをダウンロードして自前で運用することはできません。自前運用やオフライン展開が必要なチームにとって、この発表で選択肢は変わりません。長期間のコーディングとビジネス分析が必要なチームは、まず API で実際のプロジェクトの安定性を試し、そのうえで長期採用を判断できます。LongCat-Next がオープンソース化されたときのネイティブマルチモーダルの方向性
