美团 LongCat-2.5 上线:1.6 万亿参数只卖 2 元/百万 token,长周期任务先拿便宜模型跑

2 块钱的万亿模型，到底是什么

先对齐事实，免得和 9 月的预览版搞混：9 月 25 日上线的是 LongCat-2.5-Preview（预览版，没开发布会）；11 月 2 日发布的是正式版 LongCat-2.5，API 同日上线，GitHub 和 HuggingFace 权重随后放出。

规格：1.6 万亿总参数的稀疏 MoE，每次只激活约 480 亿（3% 左右）；100 万 token 上下文；原生多模态——视觉信号被表示成多层级离散 token，和文本走同一套处理。训练侧两个关键词：长程强化学习（喂了大量长程轨迹数据，还把真实 Agent 的失败轨迹转成可复现的训练任务），以及国产算力（长上下文训练 + W4A4 推理优化）。定位很明确：终端、浏览器、GUI、表格、设计工具这类“一次干半小时”的长周期任务，Visual Coding 是主打场景。

价格是这篇最值得记的数字：

有中文解读算过一笔账：一次长任务假设 10 万输入 + 2 万输出，折扣价约 2.4 元；同样任务在某国产旗舰 Preview 上约 5 元，在 Opus 5 上约 40 元。便宜是真的便宜——但注意，实测也显示它“单任务动辄半小时以上，快不起来”。便宜和慢，是同一枚硬币的两面。

模型分工：长任务先上便宜的，难啃的再上旗舰

企业选模型最常见的浪费，是“一个任务配一个旗舰”——写周报用最强模型，等于开卡车去买菜。LongCat-2.5 的正确用法是分工：

第一档，跑量大、流程长的任务先拿它试：批量文档处理、长网页信息采集、GUI 自动化测试、代码库级重构。这类任务的特点是 token 烧得多、但单步难度不一定高，便宜模型的性价比最高。

第二档，难啃的、要负责任的任务再上旗舰：架构决策、对外交付物、高风险审批。旗舰贵，但贵在判断力。

第三档，中间地带做 AB：同一批任务，两边各跑 100 条，对比通过率和单任务成本。GDPx 那套“记成本”的评测方法，这里直接能用。

边界要说清楚：它是 Preview 刚转正的正式版，官方没公布正式版发布时间表之外的长期承诺，接口和定价都可能变——当生产依赖要谨慎，先跑非关键任务。另外独立评测很少，官方 benchmark 之外别轻信单方宣传；以及“国产算力训练”是事实，但和“用起来便宜”之间没有必然联系，便宜来自 MoE 架构和定价策略，别混为一谈。

转型落点：把“模型分工表”写进 AI 预算制度

正在为 AI 花钱的企业，建议做两件事：第一，建一张模型分工表——把公司的 AI 任务按“量大/量小 × 难度高/低”分成四格，每格指定主力模型和备用模型， LongCat-2.5 这类高性价比模型先进“量大难度低”那一格；第二，预算按任务记账：以后报 AI 费用，别只报“买了多少会员”，要报“某类任务、某模型、单任务成本多少”。分工表每季度复盘一次——模型降价比机票还快，今天的最优解，三个月后可能就是冤大头。LongCat-2.5 真正的信号不是“美团又发模型了”，是：模型多到可以分工了，不会分工的企业，注定多花钱。