Uscito il 2 novembre 2026, LongCat 2.5 è un modello multimodale pensato per attività prolungate svolte da agenti AI; secondo le informazioni diffuse, ha 1.600 miliardi di parametri complessivi e circa 48 miliardi atti... Le novità dichiarate includono input visivi elaborati insieme al testo, addestramento su compiti...
Pubblicato daModificato con GPT-6 LunaImmagini generate con 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 ha presentato LongCat-2.5 il 2 novembre 2026, dopo la versione LongCat-2.5-Preview del 25 settembre. È un modello multimodale progettato per attività prolungate svolte da agenti AI: l’obiettivo dichiarato è seguire un lavoro articolato in più fasi, come intervenire su una base di codice complessa o costruire un progetto completo, anziché limitarsi a generare singoli frammenti di codice.6
32
Secondo Meituan, LongCat-2.5 conta 1.600 miliardi di parametri complessivi e ne attiva circa 48 miliardi per token. Sono valori riportati nelle fonti di lancio, ma non del tutto concordi: un’altra fonte indica 480 miliardi di parametri attivi. È quindi opportuno considerare questo dato come dichiarato, non come una misura accertata in modo indipendente.8
32
1
Rispetto a LongCat-2.0, l’azienda mette in evidenza soprattutto il lavoro su compiti di lunga durata. Meituan afferma di aver inserito più traiettorie di attività estese nell’addestramento su sequenze lunghe e di aver usato il reinforcement learning su larga scala per potenziare la programmazione tramite agenti. La pipeline comprende inoltre la sintesi di dati e la costruzione di ambienti di lavoro per diversi strumenti per agenti; i fallimenti reali degli agenti vengono trasformati in compiti riproducibili e verificabili da usare nell’addestramento.32
LongCat-2.5 rappresenta le informazioni visive con token discreti organizzati su più livelli e, secondo le informazioni sul lancio, le elabora insieme al testo attraverso la stessa architettura di base. Meituan punta così a integrare comprensione visiva e programmazione, con applicazioni dichiarate nel visual coding, nel design creativo e in attività legate al 3D.32
35
L’azienda segnala anche interventi per ottimizzare l’addestramento su contesti lunghi e l’inferenza W4A4 su infrastrutture di calcolo nazionali. Le fonti disponibili, tuttavia, non riportano misurazioni indipendenti dei guadagni di efficienza: sono quindi descrizioni dell’approccio adottato, non la prova di un vantaggio prestazionale quantificato.32
La tabella pubblicata sulla pagina del modello riporta risultati superiori a quelli di LongCat-2.0 in tutti i test qui elencati. Sono punteggi diffusi da Meituan, non verifiche indipendenti.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 |
Una seconda fonte sottolinea che i risultati sono dichiarati dall’azienda e non verificati in modo indipendente.6 Inoltre, un buon punteggio su singoli test non basta a stabilire che un modello sia il migliore in assoluto o in ogni tipo di attività. Questi dati sono più utili per capire su quali ambiti Meituan concentra lo sviluppo e quali miglioramenti sostiene di aver ottenuto rispetto alla versione precedente.
La Preview del 25 settembre ha preceduto il rilascio completo del 2 novembre, secondo una ricostruzione di una fonte secondaria.6 Il registro delle modifiche della piattaforma LongCat indica che LongCat-2.5 è disponibile e ne descrive il supporto per attività visive e flussi di lavoro ingegneristici complessi.
35
Le API LongCat sono compatibili con i formati di OpenAI e Anthropic.18 La piattaforma elenca inoltre Claude Code, Codex e Hermes tra gli strumenti per agenti compatibili; la guida di OpenCode spiega come autenticarsi e selezionare LongCat come provider.
35
36
La caratteristica distintiva dichiarata di LongCat-2.5 è l’unione tra addestramento per compiti di lunga durata e input visivi nativi, con l’ambizione di seguire attività di programmazione e altri lavori creativi lungo più passaggi. Dimensioni e benchmark aiutano a inquadrare il modello, ma restano dati riportati dalle fonti e non confermano, da soli, una superiorità generale.6
32
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Uscito il 2 novembre 2026, LongCat 2.5 è un modello multimodale pensato per attività prolungate svolte da agenti AI; secondo le informazioni diffuse, ha 1.600 miliardi di parametri complessivi e circa 48 miliardi atti...
Uscito il 2 novembre 2026, LongCat 2.5 è un modello multimodale pensato per attività prolungate svolte da agenti AI; secondo le informazioni diffuse, ha 1.600 miliardi di parametri complessivi e circa 48 miliardi atti... Le novità dichiarate includono input visivi elaborati insieme al testo, addestramento su compiti ingegneristici più lunghi e supporto a visual coding, design creativo e attività legate al 3D.
Meituan riporta 88,4 punti su Terminal Bench v2.1, contro 70,8 di LongCat 2.0. Il dato è un risultato dichiarato dall’azienda e, da solo, non dimostra una superiorità generale sugli altri modelli.
Uscito il 2 novembre 2026, LongCat 2.5 è un modello multimodale pensato per attività prolungate svolte da agenti AI; secondo le informazioni diffuse, ha 1.600 miliardi di parametri complessivi e circa 48 miliardi atti... Le novità dichiarate includono input visivi elaborati insieme al testo, addestramento su compiti...
Pubblicato daModificato con GPT-6 LunaImmagini generate con 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 ha presentato LongCat-2.5 il 2 novembre 2026, dopo la versione LongCat-2.5-Preview del 25 settembre. È un modello multimodale progettato per attività prolungate svolte da agenti AI: l’obiettivo dichiarato è seguire un lavoro articolato in più fasi, come intervenire su una base di codice complessa o costruire un progetto completo, anziché limitarsi a generare singoli frammenti di codice.6
32
Secondo Meituan, LongCat-2.5 conta 1.600 miliardi di parametri complessivi e ne attiva circa 48 miliardi per token. Sono valori riportati nelle fonti di lancio, ma non del tutto concordi: un’altra fonte indica 480 miliardi di parametri attivi. È quindi opportuno considerare questo dato come dichiarato, non come una misura accertata in modo indipendente.8
32
1
Rispetto a LongCat-2.0, l’azienda mette in evidenza soprattutto il lavoro su compiti di lunga durata. Meituan afferma di aver inserito più traiettorie di attività estese nell’addestramento su sequenze lunghe e di aver usato il reinforcement learning su larga scala per potenziare la programmazione tramite agenti. La pipeline comprende inoltre la sintesi di dati e la costruzione di ambienti di lavoro per diversi strumenti per agenti; i fallimenti reali degli agenti vengono trasformati in compiti riproducibili e verificabili da usare nell’addestramento.32
LongCat-2.5 rappresenta le informazioni visive con token discreti organizzati su più livelli e, secondo le informazioni sul lancio, le elabora insieme al testo attraverso la stessa architettura di base. Meituan punta così a integrare comprensione visiva e programmazione, con applicazioni dichiarate nel visual coding, nel design creativo e in attività legate al 3D.32
35
L’azienda segnala anche interventi per ottimizzare l’addestramento su contesti lunghi e l’inferenza W4A4 su infrastrutture di calcolo nazionali. Le fonti disponibili, tuttavia, non riportano misurazioni indipendenti dei guadagni di efficienza: sono quindi descrizioni dell’approccio adottato, non la prova di un vantaggio prestazionale quantificato.32
La tabella pubblicata sulla pagina del modello riporta risultati superiori a quelli di LongCat-2.0 in tutti i test qui elencati. Sono punteggi diffusi da Meituan, non verifiche indipendenti.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 |
Una seconda fonte sottolinea che i risultati sono dichiarati dall’azienda e non verificati in modo indipendente.6 Inoltre, un buon punteggio su singoli test non basta a stabilire che un modello sia il migliore in assoluto o in ogni tipo di attività. Questi dati sono più utili per capire su quali ambiti Meituan concentra lo sviluppo e quali miglioramenti sostiene di aver ottenuto rispetto alla versione precedente.
La Preview del 25 settembre ha preceduto il rilascio completo del 2 novembre, secondo una ricostruzione di una fonte secondaria.6 Il registro delle modifiche della piattaforma LongCat indica che LongCat-2.5 è disponibile e ne descrive il supporto per attività visive e flussi di lavoro ingegneristici complessi.
35
Le API LongCat sono compatibili con i formati di OpenAI e Anthropic.18 La piattaforma elenca inoltre Claude Code, Codex e Hermes tra gli strumenti per agenti compatibili; la guida di OpenCode spiega come autenticarsi e selezionare LongCat come provider.
35
36
La caratteristica distintiva dichiarata di LongCat-2.5 è l’unione tra addestramento per compiti di lunga durata e input visivi nativi, con l’ambizione di seguire attività di programmazione e altri lavori creativi lungo più passaggi. Dimensioni e benchmark aiutano a inquadrare il modello, ma restano dati riportati dalle fonti e non confermano, da soli, una superiorità generale.6
32
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Uscito il 2 novembre 2026, LongCat 2.5 è un modello multimodale pensato per attività prolungate svolte da agenti AI; secondo le informazioni diffuse, ha 1.600 miliardi di parametri complessivi e circa 48 miliardi atti...
Uscito il 2 novembre 2026, LongCat 2.5 è un modello multimodale pensato per attività prolungate svolte da agenti AI; secondo le informazioni diffuse, ha 1.600 miliardi di parametri complessivi e circa 48 miliardi atti... Le novità dichiarate includono input visivi elaborati insieme al testo, addestramento su compiti ingegneristici più lunghi e supporto a visual coding, design creativo e attività legate al 3D.
Meituan riporta 88,4 punti su Terminal Bench v2.1, contro 70,8 di LongCat 2.0. Il dato è un risultato dichiarato dall’azienda e, da solo, non dimostra una superiorità generale sugli altri modelli.