智能体能不能真正“把一件事从头干到尾”，正在成为大模型竞争的新焦点。近日，美团发布LongCat-2.5大模型，这是一款面向长程智能体任务的原生多模态模型，总参数达1.6万亿，训练全程由国产算力完成。它通过大规模长程强化学习，提升复杂软件开发的端到端能力——目标不再是回答一个问题，而是独立跑完一整段长流程。

过去两年，大模型的能力叙事经历了一次明显的转向。早期比的是单轮问答、单项评测的分数；如今更受关注的，是模型能否作为智能体，在多步骤、多工具的环境中持续工作：读需求、写代码、跑测试、修错误，直到交付一个可用的结果。这类“长程任务”对模型的要求远高于聊天场景——它需要在漫长的执行链条中保持目标不走偏，在遇到错误时自我纠正，还要在多个工具之间协调。LongCat-2.5把目标直接对准这一场景，从定位上就区别于通用聊天模型。

“原生多模态”这个表述也值得展开。所谓原生，意味着模型在设计之初就把多种信息形态纳入统一架构，而不是事后把视觉、文字等模块简单拼接。对长程智能体任务来说，这一点很关键：真实工作流里，信息从来不只以文字形式出现，还包括界面截图、图表、文档、代码仓库结构等多种形态。能够原生地理解和处理这些信息，智能体才能像人类工作者一样，在真实工作环境中“看得懂、拿得起、干得成”。

1.6万亿的总参数规模，放在当前开源与自研模型的谱系里属于第一梯队。但比参数数字更值得注意的，是“训练全程由国产算力完成”这一信息。算力供给一直是中国大模型产业的关键变量，从芯片到集群再到训练框架，每一环都影响着模型研发的节奏与成本。LongCat-2.5全程使用国产算力完成训练，本身就是一次规模化的实证：国产算力体系已经能够支撑万亿级参数模型的完整训练流程。这对整个产业链的信心而言，其意义不亚于模型本身的性能。

大规模长程强化学习是LongCat-2.5的另一条技术主线。强化学习在智能体训练中的作用，类似于让模型在“做中学”：模型在模拟或真实的任务环境中不断尝试，根据任务完成情况获得反馈，再调整自己的策略。与传统的监督学习不同，长程强化学习更强调端到端的结果——不是某一步写得像不像标准答案，而是整条链路最终能不能跑通。美团把这一方法用于复杂软件开发场景，瞄准的正是软件工程中最耗人力的长流程环节：从需求理解到代码实现，再到测试与修复。

从美团自身的业务版图看，发布长程智能体模型并非无源之水。本地生活服务涉及大量复杂、琐碎、需要多系统协同的工作流程，对能独立执行长任务的智能体有着天然的需求场景。模型能力与业务场景的结合，往往是决定一个模型能否持续迭代的关键：如果模型只停留在评测榜单上，改进的方向容易失焦；如果它每天都在真实业务中被使用、被检验，短板会暴露得更快，改进也会更有针对性。

当然，万亿级参数与长程能力也带来现实的权衡。如此规模的模型如何高效部署、推理成本如何控制、在哪些任务上真正比中小模型划算，都是落地时必须回答的问题。智能体领域的竞争，正在从“能不能做”走向“做得划不划算”。LongCat-2.5的后续表现，将在很大程度上取决于它在真实软件开发任务中的端到端成功率，以及单位任务成本是否具备竞争力。这两个指标，比参数规模更能决定一个智能体模型能走多远。

文末来源：新浪财经