11 月 9 日，两家公司几乎同时出手。美团把 LongCat-2.5 的模型权重放上 HuggingFace 和 ModelScope，字节跳动发布豆包图像模型 Seedream 5.5。一个在开源社区，一个在价格表上。

先说美团这只。LongCat-2.5 总参数 1.6 万亿，每个 token 激活约 480 亿，支持 100 万上下文，是原生多模态的 MoE 架构。这个规模在开源阵营里属于头一档：Mistral Large 4 是 1.05 万亿总参数、520 亿激活，DeepSeek-V3 是 6710 亿总参数、370 亿激活。稀疏度大约 33 比 1，每个 token 只走 3% 的权重，参数堆出知识容量，激活量把推理成本压住。
更值得记的是许可证。MIT，没有附加条款。模型卡里还有一句少见的话：“本模型卡中的任何内容都不得解释为修改或限制 MIT 许可条款。”这句话的作用，是防止后面的使用说明被当成额外限制。翻成大白话，商用推理部署、二次训练都不用再去谈授权。11 月 2 日发布时只能走网页和 API，这次补上了把模型搬回自己机房这条路，原版和 W4A4 量化版两个 checkpoint 都放了出来。
W4A4 是这只模型最不一样的地方。专家权重和激活同时压到 4bit，用国产加速卡的原生 INT4 矩阵乘单元算。官方口径是，相比 W8A8 基线，prefill 吞吐提升 43.3%，decode 提升 42.77%，首 token 时间缩短 15.91%，相邻 token 间隔缩短 19.72%；配合 KV cache 量化后，decode 吞吐比 W8A8KV16 高 92%。部署侧在单卡显存不足 80GB 的环境里做分片，把压力分散到超节点内的多卡，长序列 SFT 的单卡吞吐比 DDP 基线高 86%，还给了 NPU 的推理路径。
把这些数字和另一条路线摆在一起看，方向是反的。Mistral Large 4 若跑 BF16 全精度，显存要 2.1TB，最现实的单机方案是一台八卡 B200。LongCat-2.5 参数更多，做的事情是往下压：4bit、INT4、NPU 适配。一条路线假设你有最先进的卡，一条假设你没有。对国内做私有化部署的团队，后者才是能落地的那条。
视觉这块，官方给的机制不是外挂一个视觉模块，而是把视觉信号表示成多层级离散 token，对原生分辨率特征做残差向量量化逐级补细节，视觉码本和主干联合训练，图文共享同一套参数。外挂的做法是先编码成一个向量再塞给语言模型，这套做法是从一开始就用同一本字典。区别在于模型能不能拿看图的结论去写代码。
跑分要分两半读。据官方公布的对比图，LongCat-2.5 在 BrowseComp 上是 91.9，高于 Claude Opus 5 的 90.8；3DCodeBench 上是 55.4，高于 54.3。落后也明显：Terminal Bench 4.0 是 38.5，Claude Opus 5 是 53.9；ProgramBench 25.5 对 37.0；NL2Repo 60.5 对 75.3。长程探索、联网检索、3D 生成这几项它强，把一个多文件仓库从零搭到能跑，它还差一截。这些是各家自评、测试框架也不统一，横向比较要打折看。

图片来源：LongCat-2.5 官方技术博客，经新浪科技转载
跟自己上一代比，涨幅更值得注意。Terminal Bench 4.0 从 3.0 到 38.5，DeepSWE 从 9.7 到 64.6，AutomationBench 从 15.8 到 51.8。参数没翻倍，涨的是后训练和强化学习。团队把真实世界里的智能体失败轨迹转成可复现、可验证的训练任务，强化学习用 partial rollout 异步训练，没跑完的长任务存下来接着跑，训练环境断网、清掉 git 历史，再由模型裁判监督轨迹。
字节那边是另一种打法。Seedream 5.5 相比上一代 5.0 Pro，生成速度大幅提升，多轮编辑稳定性增强，对非编辑区域做到像素级保持，实测连续上百轮修改后，指定区域外的主体特征、构图比例、光影风格仍然一致。原生支持 RGBA 透明素材的生成和拆分，能直接输出带 Alpha 通道的图并分层。写实场景里减少了过度油亮和过曝，小字号中文里笔画复杂的字仍能辨认。豆包、豆包工作、即梦已经接入，API 即将上线火山方舟。
价格是这只模型最直接的信号：以 2K 方图编辑为例，单张成本约 0.28 元，不到 5.0 Pro 的一半。文本 token 不计费，延续“输入图＋输出图”两段计费。
一个是把 1.6 万亿参数的权重免费放出来，一个是把单张图的价格砍到三毛以下。开源那边解决的是能不能自己部署，这边解决的是用起来贵不贵。两家公司同一天做这两件事，指向的判断是同一个：模型本身正在变成基础设施，能收钱的地方往后移。
要不要动手试，判断标准很具体。想在国产算力上做私有化部署的，先算清楚手里那套卡的显存和带宽，1.6 万亿的总参数摆在那儿，压到 4bit 也还是个大数。想要一键生成整个项目、重构复杂仓库的，先别抱太高期待，ProgramBench 和 NL2Repo 上的差距是实打实的。做视觉创意、3D、看板的，3DCodeBench 那一项可以拿几个真需求去试。
#上头条 聊热点#