LongCat-2.5

Мультимодальная
Meituan

LongCat-2.5 — нативная мультимодальная Mixture-of-Experts модель Meituan для длинных агентных задач: около 1,6T общих параметров и примерно 48B активируемых на токен. Она развивает LongCat-2.0, усиливая нативное визуальное понимание и агентный кодинг; изображения представляются многоуровневыми дискретными токенами (RVQ по признакам нативного разрешения), поэтому backbone обрабатывает визуальный и текстовый вход в одном формате токенов. В обучении добавлены длинные траектории, крупномасштабное асинхронное агентное RL в разных harnesses и on-policy дистилляция от нескольких учителей, а также оптимизации длинноконтекстного обучения и W4A4-инференса. API LongCat-2.5 даёт контекст 1M токенов, при этом в Quick Start и FAQ указан максимум вывода 128K, а на странице параметров max_tokens — до 262 144; открытые веса на момент анонса не опубликованы.

Основные характеристики

Параметры
1.6T
Контекст
1.0M
Дата выпуска
1 ноября 2026 г.
Индекс
49.0

Временная шкала

Ключевые даты в истории модели
Анонс
1 ноября 2026 г.
Последнее обновление
21 ноября 2026 г.

Технические характеристики

Параметры
1.6T
Токены обучения
-
Граница знаний
-
Семейство
-
Возможности
МультимодальностьZeroEval

Ценообразование и доступность

Вход (за 1М токенов)
$0.30
Выход (за 1М токенов)
$1.20
Макс. входящих токенов
1.0M
Макс. исходящих токенов
131.1K
Поддерживаемые возможности
Вызов функцийСтруктурированный выводВыполнение кодаПоиск в интернетеПакетная обработкаДообучение

Результаты бенчмарков

Показатели производительности модели на различных тестах и бенчмарках

Другие тесты

Специализированные бенчмарки
AutomationBench v1.0.6
Таблица оценки из блога LongCat-2.5; enable_thinking=on, temperature=1.0, top_p=0.95; все 600 публичных задач, официальный код оценки • данные разработчика
51.8%
BrowseComp
Таблица оценки из блога LongCat-2.5; enable_thinking=on, temperature=1.0, top_p=0.95; пользовательский облегчённый harness с Verify и Discard-All (порог 256K), до 1,024 раундов исследования; только инструменты search и browse_with_goal • данные разработчика
91.9%
CharXiv-R
Таблица оценки из блога LongCat-2.5; enable_thinking=on, temperature=1.0, top_p=0.95; CharXiv-RQ с инструментами; максимальная генерация 131,972 токенов • данные разработчика
90.2%
Claw-Eval
Таблица оценки из блога LongCat-2.5; enable_thinking=on, temperature=1.0, top_p=0.95; Pass^3 • данные разработчика
78.3%
DeepSWE 1.1
Таблица оценки из блога LongCat-2.5; enable_thinking=on, temperature=1.0, top_p=0.95; mini-swe-agent, max_seq_length 1M; среднее по трём запускам • данные разработчика
64.6%
FinSearchComp-T3
Таблица оценки из блога LongCat-2.5; enable_thinking=on, temperature=1.0, top_p=0.95 • данные разработчика
63.4%
Frontier Science
Таблица оценки из блога LongCat-2.5; enable_thinking=on, temperature=1.0, top_p=0.95; указано как FrontierScience • данные разработчика
77.0%
GDPval-Rubrics
Таблица оценки из блога LongCat-2.5; enable_thinking=on, temperature=1.0, top_p=0.95; указано как GDPVal-AA rubrics • данные разработчика
84.8%
Humanity's Last Exam (with tools, text-only)
Таблица оценки из блога LongCat-2.5; enable_thinking=on, temperature=1.0, top_p=0.95; текстовое подмножество с инструментами, Claude Code v2.1.116, максимальная генерация 256K • данные разработчика
63.1%
JobBench
Таблица оценки из блога LongCat-2.5; enable_thinking=on, temperature=1.0, top_p=0.95; Main 65; Claude Code harness v2.1.280; официальный протокол LLM-as-judge с судьёй gemini-3.6-flash • данные разработчика
65.4%
MathVision
Таблица оценки из блога LongCat-2.5; enable_thinking=on, temperature=1.0, top_p=0.95; с инструментами; максимальная генерация 131,972 токенов • данные разработчика
96.5%
MCP Atlas
Таблица оценки из блога LongCat-2.5; enable_thinking=on, temperature=0.7 (согласно сноске 6), top_p=0.95; максимальное усилие рассуждения, контекст 256K • данные разработчика
83.1%
NL2Repo
Таблица оценки из блога LongCat-2.5; enable_thinking=on, temperature=1.0, top_p=0.95; Claude Code harness v2.1.280, max_seq_length 512K • данные разработчика
60.5%
PaperBench
Таблица оценки из блога LongCat-2.5; enable_thinking=on, temperature=1.0, top_p=0.95 • данные разработчика
82.1%
Program Bench
Таблица оценки из блога LongCat-2.5; enable_thinking=on, temperature=1.0, top_p=0.95; метрика «Almost Resolved» бенчмарка Program Bench по данным Meituan; Claude Code harness v2.1.280, max_seq_length 512K • данные разработчика
25.5%
SkillsBench
Таблица оценки из блога LongCat-2.5; enable_thinking=on, temperature=1.0, top_p=0.95; SkillsBench v1.1 (87 задач), Codex harness • данные разработчика
63.3%
SpreadsheetBench 2
Таблица оценки из блога LongCat-2.5; enable_thinking=on, temperature=1.0, top_p=0.95; Claude Code harness v2.1.116, официальный протокол; подмножество Visualization оценивалось с помощью gemini-3.6-flash • данные разработчика
34.9%
SWE Atlas - Codebase QnA
Таблица оценки из блога LongCat-2.5; enable_thinking=on, temperature=1.0, top_p=0.95; Claude Code v2.1.116, судья Claude Opus 4.5 (большинство из трёх); среднее по трём запускам • данные разработчика
58.3%
SWE Atlas - Test Writing
Таблица оценки из блога LongCat-2.5; enable_thinking=on, temperature=1.0, top_p=0.95; Claude Code v2.1.116, судья Claude Opus 4.5 (большинство из трёх); среднее по трём запускам • данные разработчика
47.8%
Terminal-Bench 2.1
Таблица оценки из блога LongCat-2.5; enable_thinking=on, temperature=1.0, top_p=0.95; Claude Code harness v2.1.280, max_seq_length 512K; среднее по трём запускам • данные разработчика
88.4%
Terminal-Bench 4.0
Таблица оценки из блога LongCat-2.5; enable_thinking=on, temperature=1.0, top_p=0.95; Claude Code harness v2.1.280, max_seq_length 512K • данные разработчика
38.5%
Video-MME
Таблица оценки из блога LongCat-2.5; enable_thinking=on, temperature=1.0, top_p=0.95; до 2,048 кадров при 1 fps, до 256 токенов на кадр, мышление включено • данные разработчика
85.2%
Vision2Web
Таблица оценки из блога LongCat-2.5; enable_thinking=on, temperature=1.0, top_p=0.95; Claude Code v2.1.7, длина последовательности 256K • данные разработчика
78.6%

Лицензия и метаданные

Лицензия
unknown
Дата анонса
1 ноября 2026 г.
Последнее обновление
21 ноября 2026 г.

LongCat-2.5: плюсы и минусы

Плюсы

  • В топ-30 по сводному индексу (25-е место из 371)
  • Огромный контекст — 1M токенов: целые книги и кодовые базы за раз
  • Понимает изображения, не только текст
  • Открытые веса — можно запустить на своём сервере
  • Сильнее всего в тесте MathVision — 96.5%

Минусы

  • Слабее в тесте Program Bench — 25.5%

LongCat-2.5 vs другие модели: сравнение

Все сравнения

Похожие модели

Все модели

Рекомендации основаны на схожести характеристик: организация-разработчик, мультимодальность, размер параметров и производительность в бенчмарках. Выберите модель для сравнения или перейдите к полному каталогу для просмотра всех доступных моделей ИИ.