LongCat 2.5 blev lanceret 2. november 2026 som en multimodal model til længerevarende agentopgaver. Meituan fremhæver visuel inputbehandling, træning til længere udviklingsopgaver og funktioner til visuel kodning, design og 3D.
Udgivet afRedigeret med GPT-6 LunaBilleder genereret med GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: What is Meituan’s LongCat-2.5, released on November 2, 2026, and how does it build on LongCat-2.0 and the September 25 API preview in terms. Article summary: LongCat-2.5 is Meituan’s native multimodal, mixture-of-experts model aimed at sustained agent work, particularly complex coding projects, full-project engineering, and visually guided development; launch reporting descri. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fak
Meituan lancerede LongCat-2.5 den 2. november 2026. Modellen er udviklet til længerevarende opgaver, hvor en AI-agent skal kunne arbejde sig gennem flere trin – for eksempel i en stor kodebase eller med opbygningen af et helt projekt. Den bygger videre på LongCat-2.0 og LongCat-2.5-Preview, som ifølge sekundær dækning blev præsenteret 25. september.6
32
Meituan beskriver LongCat-2.5 som en model med 1,6 billioner parametre, hvor omkring 48 milliarder aktiveres for hvert token. Tallene er rapporterede oplysninger, og der er en uoverensstemmelse i kilderne: En af dem angiver 480 milliarder aktive parametre i stedet.8
32
1
Ifølge Meituan er fokus flyttet fra at generere enkelte kodestykker til at gennemføre mere omfattende arbejdsforløb. Virksomheden siger, at træningen omfatter flere lange opgaveforløb og omfattende forstærkningslæring med henblik på at forbedre agentens evne til at arbejde i komplekse kodebaser og bygge komplette projekter. Træningsarbejdet omfatter også syntetiske data og opbygning af miljøer på tværs af agentværktøjer. Fejl fra virkelige agentforløb bliver ifølge Meituan omdannet til opgaver, der kan genskabes og kontrolleres.32
LongCat-2.5 repræsenterer visuelle signaler som diskrete tokens på flere niveauer og behandler ifølge lanceringen billeder og tekst i den samme modelkerne. Målet er blandt andet at koble visuel forståelse med kodning og understøtte visuel kodning samt opgaver inden for kreativt design og 3D.32
35
Meituan oplyser også, at virksomheden har optimeret træning med lang kontekst og W4A4-inferens på kinesisk computerinfrastruktur. De tilgængelige kilder giver ikke uafhængigt målte effektivitetsgevinster, så det bør læses som en beskrivelse af virksomhedens tilgang – ikke som dokumentation for en bestemt ydelsesfordel.32
De tilgængelige tal viser forbedringer på flere af de nævnte tests sammenlignet med LongCat-2.0. Resultaterne er opgivet på Meituans modelside:38
| Benchmark | LongCat-2.5 | LongCat-2.0 |
|---|---|---|
| Terminal Bench v2.1 | 88,4 | 70,8 |
| AutomationBench | 51,8 | 15,8 |
| BrowseComp | 91,9 | 79,9 |
| PaperBench | 82,1 | 45,2 |
| Program Bench (Almost Resolved) | 25,5 | 2,5 |
En særskilt gennemgang understreger, at benchmarkresultaterne kommer fra leverandøren og ikke er uafhængigt verificeret.6 Resultater på enkelte tests afgør heller ikke, hvilken model der samlet set er bedst. De giver først og fremmest et indtryk af, hvilke områder Meituan prioriterer, og hvilke forbedringer virksomheden selv rapporterer i forhold til LongCat-2.0.
Preview-versionen fra 25. september kom før den fulde lancering 2. november, ifølge sekundær dækning.6 LongCats platformens ændringslog angiver nu, at LongCat-2.5 er tilgængelig, og fremhæver støtte til visuelle opgaver og komplekse udviklingsforløb.
35
LongCat API understøtter formater, der er kompatible med OpenAI og Anthropic.18 Platformen nævner også Claude Code, Codex og Hermes blandt de agentværktøjer, modellen kan bruges sammen med. En vejledning beskriver, hvordan man logger ind og vælger LongCat som udbyder i OpenCode.
35
36
LongCat-2.5’s tydeligste særpræg er kombinationen af træning til lange agentforløb og visuel inputbehandling. Meituan retter modellen mod opgaver, hvor kodning og beslægtet kreativt arbejde skal føres gennem flere trin. De rapporterede parametertal og benchmarkresultater er nyttig baggrund, men bør ses som virksomhedens egne oplysninger – ikke som uafhængig dokumentation for, at modellen er bedst til alle formål.6
32
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
LongCat 2.5 blev lanceret 2. november 2026 som en multimodal model til længerevarende agentopgaver.
LongCat 2.5 blev lanceret 2. november 2026 som en multimodal model til længerevarende agentopgaver. Meituan fremhæver visuel inputbehandling, træning til længere udviklingsopgaver og funktioner til visuel kodning, design og 3D.
Meituan opgiver 88,4 på Terminal Bench v2.1 mod LongCat 2.0’s 70,8. Resultaterne er ikke uafhængigt verificeret og dokumenterer ikke i sig selv en bred fordel over andre modeller.
LongCat 2.5 blev lanceret 2. november 2026 som en multimodal model til længerevarende agentopgaver. Meituan fremhæver visuel inputbehandling, træning til længere udviklingsopgaver og funktioner til visuel kodning, design og 3D.
Udgivet afRedigeret med GPT-6 LunaBilleder genereret med GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: What is Meituan’s LongCat-2.5, released on November 2, 2026, and how does it build on LongCat-2.0 and the September 25 API preview in terms. Article summary: LongCat-2.5 is Meituan’s native multimodal, mixture-of-experts model aimed at sustained agent work, particularly complex coding projects, full-project engineering, and visually guided development; launch reporting descri. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fak
Meituan lancerede LongCat-2.5 den 2. november 2026. Modellen er udviklet til længerevarende opgaver, hvor en AI-agent skal kunne arbejde sig gennem flere trin – for eksempel i en stor kodebase eller med opbygningen af et helt projekt. Den bygger videre på LongCat-2.0 og LongCat-2.5-Preview, som ifølge sekundær dækning blev præsenteret 25. september.6
32
Meituan beskriver LongCat-2.5 som en model med 1,6 billioner parametre, hvor omkring 48 milliarder aktiveres for hvert token. Tallene er rapporterede oplysninger, og der er en uoverensstemmelse i kilderne: En af dem angiver 480 milliarder aktive parametre i stedet.8
32
1
Ifølge Meituan er fokus flyttet fra at generere enkelte kodestykker til at gennemføre mere omfattende arbejdsforløb. Virksomheden siger, at træningen omfatter flere lange opgaveforløb og omfattende forstærkningslæring med henblik på at forbedre agentens evne til at arbejde i komplekse kodebaser og bygge komplette projekter. Træningsarbejdet omfatter også syntetiske data og opbygning af miljøer på tværs af agentværktøjer. Fejl fra virkelige agentforløb bliver ifølge Meituan omdannet til opgaver, der kan genskabes og kontrolleres.32
LongCat-2.5 repræsenterer visuelle signaler som diskrete tokens på flere niveauer og behandler ifølge lanceringen billeder og tekst i den samme modelkerne. Målet er blandt andet at koble visuel forståelse med kodning og understøtte visuel kodning samt opgaver inden for kreativt design og 3D.32
35
Meituan oplyser også, at virksomheden har optimeret træning med lang kontekst og W4A4-inferens på kinesisk computerinfrastruktur. De tilgængelige kilder giver ikke uafhængigt målte effektivitetsgevinster, så det bør læses som en beskrivelse af virksomhedens tilgang – ikke som dokumentation for en bestemt ydelsesfordel.32
De tilgængelige tal viser forbedringer på flere af de nævnte tests sammenlignet med LongCat-2.0. Resultaterne er opgivet på Meituans modelside:38
| Benchmark | LongCat-2.5 | LongCat-2.0 |
|---|---|---|
| Terminal Bench v2.1 | 88,4 | 70,8 |
| AutomationBench | 51,8 | 15,8 |
| BrowseComp | 91,9 | 79,9 |
| PaperBench | 82,1 | 45,2 |
| Program Bench (Almost Resolved) | 25,5 | 2,5 |
En særskilt gennemgang understreger, at benchmarkresultaterne kommer fra leverandøren og ikke er uafhængigt verificeret.6 Resultater på enkelte tests afgør heller ikke, hvilken model der samlet set er bedst. De giver først og fremmest et indtryk af, hvilke områder Meituan prioriterer, og hvilke forbedringer virksomheden selv rapporterer i forhold til LongCat-2.0.
Preview-versionen fra 25. september kom før den fulde lancering 2. november, ifølge sekundær dækning.6 LongCats platformens ændringslog angiver nu, at LongCat-2.5 er tilgængelig, og fremhæver støtte til visuelle opgaver og komplekse udviklingsforløb.
35
LongCat API understøtter formater, der er kompatible med OpenAI og Anthropic.18 Platformen nævner også Claude Code, Codex og Hermes blandt de agentværktøjer, modellen kan bruges sammen med. En vejledning beskriver, hvordan man logger ind og vælger LongCat som udbyder i OpenCode.
35
36
LongCat-2.5’s tydeligste særpræg er kombinationen af træning til lange agentforløb og visuel inputbehandling. Meituan retter modellen mod opgaver, hvor kodning og beslægtet kreativt arbejde skal føres gennem flere trin. De rapporterede parametertal og benchmarkresultater er nyttig baggrund, men bør ses som virksomhedens egne oplysninger – ikke som uafhængig dokumentation for, at modellen er bedst til alle formål.6
32
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
LongCat 2.5 blev lanceret 2. november 2026 som en multimodal model til længerevarende agentopgaver.
LongCat 2.5 blev lanceret 2. november 2026 som en multimodal model til længerevarende agentopgaver. Meituan fremhæver visuel inputbehandling, træning til længere udviklingsopgaver og funktioner til visuel kodning, design og 3D.
Meituan opgiver 88,4 på Terminal Bench v2.1 mod LongCat 2.0’s 70,8. Resultaterne er ikke uafhængigt verificeret og dokumenterer ikke i sig selv en bred fordel over andre modeller.