Zum Inhalt springen
ReviewRamble

Der wöchentliche Brief

KI im Test, in deinem Postfach.

  • Neue Tests von Tools, Modellen, MCP-Servern und Repos, mit dem Urteil vorneweg
  • Neu geprüfte Preise und Bewertungen, wenn sich etwas ändert
  • Neue Analysen, sobald sie erscheinen

Modelle, Agenten, MCP-Server und die Tools, die deine Zeit wirklich wert sind.

Eine E-Mail pro Woche. Abmelden kannst du dich über den Link in jedem Brief. Wie wir deine E-Mail-Adresse nutzen

LongCat-2.5

Meituans offenes multimodales Modell mit 1,6 Billionen Parametern für lange agentische Coding- und Rechercheaufgaben, unter MIT-Lizenz.

Getestet von ReviewRamble editors · Aktualisiert

LongCat-2.5 besuchen Open Source

Diese Seite teilen:XLinkedInFacebookRedditWhatsAppE-Mail

Unsere Bewertung

4.1/5

LongCat-2.5 gehört auf dem Papier zu den stärksten offenen Agentenmodellen, unter einer Lizenz fast ohne Auflagen, ist mit 1,6 Billionen Parametern aber ein Modell für Cluster, nicht für Firmen mit einem GPU-Server.

Was ist LongCat-2.5?

LongCat-2.5 ist ein Mixture-of-Experts-Modell von Meituan mit insgesamt 1,6 Billionen Parametern und etwa 48 Milliarden aktiven pro Token. Es liest Bilder und Video nativ, indem es visuelle Merkmale in Tokens im selben Raum wie Text umwandelt, und ist für lange Agentenarbeit trainiert: komplette Programmierprojekte, Browsen, Recherche und 3D-Aufgaben.

Meituan veröffentlicht Ergebnisse in über 30 Benchmarks gegen Modelle von GPT, Claude, GLM, Kimi und DeepSeek, darunter 64,6 bei DeepSWE v1.1, 91,9 bei BrowseComp und 83,1 bei MCP Atlas. Die Gewichte stehen unter MIT-Lizenz, und Meituan dokumentiert die Bereitstellung auf NPU-Beschleunigern über seinen SGLang-Fork.

Lohnt sich LongCat-2.5?

LongCat-2.5 ist Meituans Griff nach der Spitze der Tabelle offener Modelle für Agentenarbeit. Es ist ein Mixture-of-Experts-Modell mit 1,6 Billionen Parametern und etwa 48 Milliarden aktiven pro Token, trainiert mit großskaligem Reinforcement Learning an echten Engineering-Aufgaben und destilliert aus spezialisierten Lehrermodellen für Agenten, Reasoning und Gespräch.

Die gemeldeten Werte stellen es in die Nähe der Spitzenmodelle. Meituan nennt 64,6 bei DeepSWE v1.1, 91,9 bei BrowseComp, 83,1 bei MCP Atlas und 63,1 bei Humanity's Last Exam mit Werkzeugen, in der eigenen Tabelle nahe oder über mehreren geschlossenen Modellen. Es liest auch Bilder und Video nativ, mit 85,2 bei VideoMME, und bewältigt visuelle Coding-Aufgaben wie Text zu 3D. Die MIT-Lizenz ist die freizügigste unter den großen offenen Modellen.

Die Grenzen sind praktisch und belegbezogen. 1,6 Billionen Parameter zu betreiben braucht einen großen Beschleuniger-Cluster; die veröffentlichte Anleitung zielt auf NPUs, und GPU-Details sind auf der Modellkarte dünn. Die meisten Vergleichswerte sind als aus anderen Berichten übernommen markiert, mehrere Benchmarks stammen von Meituan selbst, und Agentenergebnisse hängen von Einstellungen ab wie Claude Code mit 512K-Token-Sequenzen. Unabhängige Nachprüfung zählt hier mehr als sonst.

Wo es sich lohnt

  • Ein KI-Plattformteam eines Konzerns mit Beschleuniger-Cluster

    Ein offenes agentisches Coding-Modell ohne Lizenzeinschränkungen hosten

    Stelle LongCat-2.5 über SGLang-FluentLLM bereit und setze es hinter deine Coding-Agenten; die MIT-Lizenz erlaubt interne und kommerzielle Nutzung ohne Gebietsbeschränkung.

  • Eine Forschungsgruppe, die Agententraining untersucht

    Gegen eine starke offene Basis vergleichen

    Nutze die veröffentlichten Benchmark-Einstellungen und Harnesses, um die Werte nachzustellen, bevor du darauf aufbaust.

Bevor du dich festlegst

Einrichtung
Gewichte von Hugging Face laden und mit Meituans SGLang-FluentLLM bereitstellen; der dokumentierte Weg ist für NPU-Plattformen.
Integrationen
SGLang-FluentLLM; bewertet in den Harnesses Claude Code und mini-swe-agent.
Daten und Datenschutz
Selbst gehostet; MIT-Lizenz.
Kosten im großen Maßstab
Keine Lizenzgebühr; die Kosten sind ein Multi-Node-Cluster für 1,6 Billionen Parameter.
Grenzen
Hardwareanforderungen werden nicht als eine Zahl veröffentlicht; mehrere Ergebnisse hängen von langen Kontexten von 256K bis 1M Tokens ab.

Was gut ist

  • Starke gemeldete Werte bei agentischem Coding und Browsen
  • Natives Bild- und Videoverständnis
  • MIT-Lizenz
  • Etwa 48B aktive Parameter pro Token für seine Größe

Was nicht

  • 1,6 Billionen Parameter brauchen einen großen Cluster
  • Anleitung zielt auf NPUs; wenige GPU-Details
  • Mehrere Benchmarks von Meituan selbst
  • Vergleichswerte teils aus anderen Berichten übernommen

Am besten für

Labore und große Unternehmen mit ernsthafter Inferenz-Hardware, die ein offenes, freizügig lizenziertes Agentenmodell selbst hosten wollen.

Alternativen zu LongCat-2.5

LongCat-2.5: häufige Fragen

Lohnt sich LongCat-2.5?
LongCat-2.5 gehört auf dem Papier zu den stärksten offenen Agentenmodellen, unter einer Lizenz fast ohne Auflagen, ist mit 1,6 Billionen Parametern aber ein Modell für Cluster, nicht für Firmen mit einem GPU-Server. Wir bewerten es mit 4.1 von 5.
Was kostet LongCat-2.5?
Kostenlose offene Gewichte unter MIT-Lizenz; der Betrieb erfordert einen großen Beschleuniger-Cluster.
Welche Nachteile hat LongCat-2.5?
1,6 Billionen Parameter brauchen einen großen Cluster; Anleitung zielt auf NPUs; wenige GPU-Details; Mehrere Benchmarks von Meituan selbst; Vergleichswerte teils aus anderen Berichten übernommen.
Für wen eignet sich LongCat-2.5?
Labore und große Unternehmen mit ernsthafter Inferenz-Hardware, die ein offenes, freizügig lizenziertes Agentenmodell selbst hosten wollen.
Was kostet LongCat-2.5 für ein Team oder im Produktivbetrieb?
Keine Lizenzgebühr; die Kosten sind ein Multi-Node-Cluster für 1,6 Billionen Parameter.
Ist LongCat-2.5 sicher für Firmendaten?
Selbst gehostet; MIT-Lizenz.
Was sind die besten Alternativen zu LongCat-2.5?
Die nächsten Alternativen, die wir getestet haben, sind LongCat-2.0.

Antworten geprüft am 15. Nov. 2026.

Du entwickelst LongCat-2.5? Zeig diese Bewertung auf deiner WebsiteLongCat-2.5 mit 4.1 von 5 bewertet auf ReviewRamble