AnswersPublished18 sources
LongCat-2.5 skal ta AI-agenter fra kodebiter til komplette prosjekter
LongCat 2.5 ble lansert 2. november 2026 for lange agentoppgaver. Meituan fremhever visuell input, trening for lengre ingeniøroppgaver og støtte for visuell koding, design og 3D.
Publisert avRedigert med GPT-6 LunaBilder generert med GPT Image 2
Research answer
Key takeaways
- LongCat 2.5 ble lansert 2. november 2026 for lange agentoppgaver.
- Meituan fremhever visuell input, trening for lengre ingeniøroppgaver og støtte for visuell koding, design og 3D.
- Selskapet oppgir 88,4 på Terminal Bench v2.1, mot 70,8 for LongCat 2.0. Testresultatet alene viser ikke at modellen er bedre enn konkurrentene generelt.
AI Prompt
openai.comCreate 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 lanserte LongCat-2.5 2. november 2026. Modellen er laget for lange, sammensatte agentoppgaver og bygger videre på LongCat-2.0 og forhåndsversjonen LongCat-2.5-Preview fra 25. september. Ambisjonen er at en AI-agent skal kunne følge en krevende utviklingsoppgave gjennom flere trinn, ikke bare skrive en enkelt kodebit.6
32
Fra kodeforslag til lengre arbeidsløp
Meituan oppgir at LongCat-2.5 har 1,6 billioner parametere totalt, med rundt 48 milliarder aktive per token. Tallene er rapporterte modellopplysninger, og de er ikke helt samstemte på tvers av kildene: én kilde oppgir 480 milliarder aktive parametere.8
32
1
Ifølge Meituan er hovedmålet å styrke modellens evne til å arbeide i store kodebaser og bygge komplette prosjekter. Selskapet sier at treningen omfatter flere lange oppgaveforløp, og at omfattende forsterkningslæring skal forbedre agentisk koding. Treningsopplegget skal også bruke syntetiske data og oppbygde miljøer på tvers av agentrammeverk. Feil fra virkelige agenter gjøres om til oppgaver som kan gjenskapes og kontrolleres i treningen.32
Bilder og tekst i samme modell
LongCat-2.5 skal behandle visuelle signaler som diskrete token på flere nivåer, og håndtere visuelle data og tekst i samme modellryggrad. Ifølge lanseringsomtalen er poenget å koble visuell forståelse tettere til programmering, blant annet for visuell koding, kreativt design og 3D-oppgaver.32
35
Meituan sier også at de har optimalisert trening med lang kontekst og W4A4-inferens på kinesisk maskinvare. W4A4 viser til 4-bits vekter og aktiveringer. Kildene oppgir imidlertid ingen uavhengig målte effektivitetsgevinster, så dette beskriver selskapets tekniske tilnærming – ikke dokumentasjon på en bestemt ytelsesfordel.32
Benchmarkene viser framgang – med forbehold
Meituans modellside oppgir høyere resultater enn LongCat-2.0 på flere av testene i tabellen. Dette er selskapets rapporterte tall:38
| Test | 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 separat omtale presiserer at benchmarkresultatene er oppgitt av leverandøren og ikke uavhengig verifisert.6 Resultater fra noen få tester sier heller ikke at en modell er best på alle typer oppgaver eller i alle sammenligninger. Tallene gir først og fremst et bilde av hva Meituan retter innsatsen mot, og hvilken framgang selskapet hevder sammenlignet med LongCat-2.0.
Tilgjengelighet og verktøystøtte
Forhåndsversjonen kom 25. september, før den fullstendige lanseringen 2. november, ifølge sekundærkilder.6 LongCats endringslogg oppfører nå LongCat-2.5 som tilgjengelig og beskriver støtte for visuelle oppgaver og komplekse utviklingsløp.
35
LongCat API støtter formater som er kompatible med både OpenAI og Anthropic.18 Plattformen nevner Claude Code, Codex og Hermes som kompatible agentrammeverk. En egen veiledning forklarer hvordan LongCat settes opp som leverandør i OpenCode.
35
36
Kort oppsummert
LongCat-2.5 skiller seg først og fremst ut ved å kombinere trening for lange agentoppgaver med visuell input. Modellen er ment å håndtere flere deler av utviklingsarbeidet – og også kreative oppgaver som design og 3D. Modellstørrelsen og benchmarkresultatene gir relevant bakgrunn, men bør leses som rapporterte opplysninger, ikke som uavhengig dokumentasjon på at modellen leder an generelt.6
32
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "LongCat-2.5 skal ta AI-agenter fra kodebiter til komplette prosjekter"?
LongCat 2.5 ble lansert 2. november 2026 for lange agentoppgaver.
What are the key points to validate first?
LongCat 2.5 ble lansert 2. november 2026 for lange agentoppgaver. Meituan fremhever visuell input, trening for lengre ingeniøroppgaver og støtte for visuell koding, design og 3D.
What should I do next in practice?
Selskapet oppgir 88,4 på Terminal Bench v2.1, mot 70,8 for LongCat 2.0. Testresultatet alene viser ikke at modellen er bedre enn konkurrentene generelt.
Sources
dev.toMeituan's LongCat-2.5 Wants Your Agent to Finish the Whole Job — Terminals, Browsers, Spreadsheets and All
ithome.com美团龙猫发布LongCat-2.5 原生多模态AI 模型：1.6T 参数
technode.comMeituan launches LongCat-2.5 multimodal AI model for extended coding tasks · TechNode
ai-all.infoLongCat-2.5 – In-Depth Evaluation of Meituan's Native ...