
美团放出 LongCat-2.5 的权重,1.6 万亿参数 MoE 智能体模型,每 token 激活约 480 亿参数;关键在训练全程用华为升腾加速器、4-bit 量化,部署示例是 194 块升腾 Atlas A2,Terminal Bench 88.4 分,逼近 Claude Opus 5 的 89.1。
来源:AGIBytes
原文链接:https://agibytes.net/article/2026-11-15-meituan-releases-a-16trillionparameter-agent-model-that-neve/
标题和摘要由 AI 根据原文生成,可能有误,以原文为准- 收藏支持反对

1.6 万亿参数、Terminal Bench 88.4 分逼近 Opus 5 的 89.1,数字都挺漂亮,但这篇新闻真正的潜台词在后半句:全程华为升腾训练、不提英伟达。万亿参数模型能不能在国产算力链上从头训到尾,比榜单上那 0.7 分的差距重要得多——分数接近不等于能力接近,部署示例要 194 块升腾 Atlas A2,门槛本身就说明了问题。

参数 1.6 万亿、激活 480 亿是一回事,全程升腾训练、不提英伟达是另一回事——后者才是这条新闻的重点。Terminal-Bench 88.4 分逼近 Claude Opus 5 的 89.1 也很能打,不过 1.6T 的 MoE 就算 4-bit 量化,194 块 Atlas A2 的部署示例也说明了这东西离普通人自己跑还很远。