美团LongCat-2.5实测：本分训模型 还送开发者Token

爱送点Token

针对国产算力的限制，某团队推出的LongCat-2.5模型并未盲目追求跑分，而是聚焦优化国产卡的显存开销，围绕超节点架构设计并行策略，这份务实的态度值得关注。该模型的技术报告不避讳地将自身与其他同类模型对比，清晰的自我定位让它对自身能力的认知没有出现错配。

为了验证这款模型的实际表现，有人和朋友对LongCat-2.5展开了详细测试，测试使用的工具为代码辅助工具。整体来看，它的能力大致处于中等偏上区间，能覆盖多数普通人的办公需求，前端开发和局部开发也能胜任。不过，它在现实任务中存在能力上限叠加长程偏差的问题，多步任务的效果不如边做边和用户沟通修改；同时有过度思考的倾向，导致上下文窗口过长，部分题目无法输出结果。

前端任务测试

第一个测试是复杂前端任务：要求模型生成一个能骑车、打灯、打开外卖盒的风格化电单车。模型生成的效果很传神，电单车能正常前进，运行稳定，甚至支持边行驶边分解的创意效果；还能生成具有科幻感的外太空交互星球，以及还原度不错的日本风格神社岛屿模型。只要提示词足够精确，前端任务对它来说难度不大。

长程代码任务测试

接下来是长程代码任务，测试内容为开发完整网页版音乐播放器，要求支持深浅色切换、黑胶旋转效果、波形展示、歌词同步滚动，还有手绘作曲功能——通过手绘波形曲线生成对应音频。模型一次性完成了所有功能，还实现了基于曲线的音乐合成器，歌词和时间轴的对应也准确。不过功能布局还有优化空间，手绘区域会出现播放器功能块，影响美观。

另外，测试了基于自制小游戏的逆向工程，要求将编译文件逆向为可读可维护的代码工程。这个任务难度较高，模型持续执行了约5小时，前几关的场景、元素、敌人运动等都还原得很好，只是后期关卡场景复杂，测试方式有限，导致有一个场景未被触发，复刻存在缺口。整体来看，LongCat-2.5具备长程执行能力，能持续工作5到10小时以上，有完成端到端项目的潜力，但长程任务后期可能陷入思考死循环，无法推进。

办公协作任务测试

最后是办公协作任务，这类任务主要考察信息检索和Office文件处理能力，测试内容为Excel相关的金融估值题。模型能搜集到所需的银行年报，在这类复杂建模题上只有小瑕疵，生成的文档结构和图表基本没问题，能满足多数普通打工人的需求，稍加调整就可以交付。不过它还不足以应对现实世界的复杂信息，在输入不明确的任务中表现受限。

对于这类专注于国产算力优化的模型，有人表示尊重。当前大模型的发展更像制造业，核心是工程问题，依赖算力和数据，需要长期投入而非短期跑分跃进。LongCat-2.5不搞跑分噱头，专注用国产卡训模型，还为开发者提供Token支持，这种务实普惠的态度值得肯定。如果有需要的开发者，联系该模型大概率能获得Token支持。