LongCat 2.5 släpptes den 2 november 2026. Meituan beskriver modellen som multimodal och inriktad på AI agenter som ska kunna arbeta länge med komplexa uppgifter.
Publicerad avRedigerad med GPT-6 LunaBilder genererade 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 släppte LongCat-2.5 den 2 november 2026. Modellen bygger vidare på LongCat-2.0 och förhandsversionen LongCat-2.5-Preview, som kom den 25 september. Fokus ligger på AI-agenter som kan ta sig an ett större arbete i flera steg – till exempel utveckling i en komplex kodbas – snarare än att bara skriva enstaka kodsnuttar.6
32
Meituan beskriver LongCat-2.5 som en multimodal modell med totalt 1,6 biljoner parametrar. Enligt bolagets uppgifter aktiveras ungefär 48 miljarder parametrar per token. Uppgifterna bör ses som rapporterade modellmått: en annan källa anger 480 miljarder aktiva parametrar, så siffran är inte konsekvent i all rapportering.8
32
1
Enligt Meituan har träningen kompletterats med fler långa arbetsförlopp, eller uppgiftssekvenser, och storskalig förstärkningsinlärning. Målet är att förbättra agentens förmåga att driva tekniskt arbete från start till mål, exempelvis utveckling i stora kodbaser och byggande av kompletta projekt.32
Bolaget beskriver också en träningsprocess med syntetiska data och uppbyggda testmiljöer för olika agentramverk – verktygen och miljöerna som en AI-agent använder. Verkliga misstag från agenter ska omvandlas till uppgifter som går att återskapa och kontrollera.32
LongCat-2.5 ska kunna bearbeta visuella indata tillsammans med text. Enligt rapporteringen representeras bildinformation som diskreta token på flera nivåer och hanteras i samma modellstomme som texten.32 Meituan lyfter fram visuell kodning, kreativ design och 3D-uppgifter som användningsområden.
32
35
Meituan uppger även att bolaget har optimerat träning med lång kontext och W4A4-inferens på inhemsk beräkningsinfrastruktur.32 Den tillgängliga rapporteringen redovisar dock inga oberoende mätningar av effektivitetsvinster. Uppgifterna beskriver därför bolagets tekniska inriktning, inte ett bevis på en viss prestandafördel.
Meituans modellöversikt listar högre resultat för LongCat-2.5 än för LongCat-2.0 i flera test. Här är ett urval: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 |
Siffrorna är rapporterade av leverantören och har inte verifierats oberoende, enligt en separat genomgång.6 Resultat i enskilda test säger inte i sig att en modell är bäst för alla uppgifter eller i alla jämförelser. De ger främst en bild av vilka områden Meituan satsar på och vilka förbättringar bolaget rapporterar jämfört med sin tidigare modell.
Förhandsversionen LongCat-2.5-Preview kom den 25 september, före den fullständiga lanseringen den 2 november.6 LongCats ändringslogg anger nu att LongCat-2.5 är tillgänglig och beskriver stöd för visuella uppgifter och komplexa tekniska arbetsflöden.
35
LongCat API stöder format som är kompatibla med både OpenAI och Anthropic.18 Plattformen nämner Claude Code, Codex och Hermes som kompatibla agentramverk. Det finns också en guide för att ansluta modellen till OpenCode.
35
36
Den tydligaste nyheten med LongCat-2.5 är kombinationen av träning för långa agentuppgifter och inbyggd hantering av visuella indata. Meituan vill att modellen ska kunna följa ett kodnings- eller designarbete genom fler steg än en vanlig fråga och ett kort svar. Modellens uppgivna storlek och testresultat ger relevant bakgrund, men ska läsas som rapporterade uppgifter – inte som oberoende bevis på att modellen leder generellt.6
32
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
LongCat 2.5 släpptes den 2 november 2026. Meituan beskriver modellen som multimodal och inriktad på AI agenter som ska kunna arbeta länge med komplexa uppgifter.
LongCat 2.5 släpptes den 2 november 2026. Meituan beskriver modellen som multimodal och inriktad på AI agenter som ska kunna arbeta länge med komplexa uppgifter. Modellens uppgivna storlek är 1,6 biljoner parametrar, varav omkring 48 miljarder aktiveras per token.
Meituan rapporterar bland annat 88,4 poäng i Terminal Bench v2.1, jämfört med 70,8 för LongCat 2.0.
LongCat 2.5 släpptes den 2 november 2026. Meituan beskriver modellen som multimodal och inriktad på AI agenter som ska kunna arbeta länge med komplexa uppgifter.
Publicerad avRedigerad med GPT-6 LunaBilder genererade 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 släppte LongCat-2.5 den 2 november 2026. Modellen bygger vidare på LongCat-2.0 och förhandsversionen LongCat-2.5-Preview, som kom den 25 september. Fokus ligger på AI-agenter som kan ta sig an ett större arbete i flera steg – till exempel utveckling i en komplex kodbas – snarare än att bara skriva enstaka kodsnuttar.6
32
Meituan beskriver LongCat-2.5 som en multimodal modell med totalt 1,6 biljoner parametrar. Enligt bolagets uppgifter aktiveras ungefär 48 miljarder parametrar per token. Uppgifterna bör ses som rapporterade modellmått: en annan källa anger 480 miljarder aktiva parametrar, så siffran är inte konsekvent i all rapportering.8
32
1
Enligt Meituan har träningen kompletterats med fler långa arbetsförlopp, eller uppgiftssekvenser, och storskalig förstärkningsinlärning. Målet är att förbättra agentens förmåga att driva tekniskt arbete från start till mål, exempelvis utveckling i stora kodbaser och byggande av kompletta projekt.32
Bolaget beskriver också en träningsprocess med syntetiska data och uppbyggda testmiljöer för olika agentramverk – verktygen och miljöerna som en AI-agent använder. Verkliga misstag från agenter ska omvandlas till uppgifter som går att återskapa och kontrollera.32
LongCat-2.5 ska kunna bearbeta visuella indata tillsammans med text. Enligt rapporteringen representeras bildinformation som diskreta token på flera nivåer och hanteras i samma modellstomme som texten.32 Meituan lyfter fram visuell kodning, kreativ design och 3D-uppgifter som användningsområden.
32
35
Meituan uppger även att bolaget har optimerat träning med lång kontext och W4A4-inferens på inhemsk beräkningsinfrastruktur.32 Den tillgängliga rapporteringen redovisar dock inga oberoende mätningar av effektivitetsvinster. Uppgifterna beskriver därför bolagets tekniska inriktning, inte ett bevis på en viss prestandafördel.
Meituans modellöversikt listar högre resultat för LongCat-2.5 än för LongCat-2.0 i flera test. Här är ett urval: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 |
Siffrorna är rapporterade av leverantören och har inte verifierats oberoende, enligt en separat genomgång.6 Resultat i enskilda test säger inte i sig att en modell är bäst för alla uppgifter eller i alla jämförelser. De ger främst en bild av vilka områden Meituan satsar på och vilka förbättringar bolaget rapporterar jämfört med sin tidigare modell.
Förhandsversionen LongCat-2.5-Preview kom den 25 september, före den fullständiga lanseringen den 2 november.6 LongCats ändringslogg anger nu att LongCat-2.5 är tillgänglig och beskriver stöd för visuella uppgifter och komplexa tekniska arbetsflöden.
35
LongCat API stöder format som är kompatibla med både OpenAI och Anthropic.18 Plattformen nämner Claude Code, Codex och Hermes som kompatibla agentramverk. Det finns också en guide för att ansluta modellen till OpenCode.
35
36
Den tydligaste nyheten med LongCat-2.5 är kombinationen av träning för långa agentuppgifter och inbyggd hantering av visuella indata. Meituan vill att modellen ska kunna följa ett kodnings- eller designarbete genom fler steg än en vanlig fråga och ett kort svar. Modellens uppgivna storlek och testresultat ger relevant bakgrund, men ska läsas som rapporterade uppgifter – inte som oberoende bevis på att modellen leder generellt.6
32
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
LongCat 2.5 släpptes den 2 november 2026. Meituan beskriver modellen som multimodal och inriktad på AI agenter som ska kunna arbeta länge med komplexa uppgifter.
LongCat 2.5 släpptes den 2 november 2026. Meituan beskriver modellen som multimodal och inriktad på AI agenter som ska kunna arbeta länge med komplexa uppgifter. Modellens uppgivna storlek är 1,6 biljoner parametrar, varav omkring 48 miljarder aktiveras per token.
Meituan rapporterar bland annat 88,4 poäng i Terminal Bench v2.1, jämfört med 70,8 för LongCat 2.0.