Meituan hat mit LongCat-2.5 ein neues großes Sprachmodell vorgestellt, das gezielt für lange Agenten-Aufgaben gebaut ist. Das Modell hat nach Angaben des chinesischen Konzerns 1,6 Billionen Parameter, verarbeitet Bilder nativ und wurde vollständig auf chinesischen KI-Beschleunigern trainiert. Entwickler können es ab sofort über eine OpenAI-kompatible API nutzen, zu einem befristeten Einführungspreis von 0,30 US-Dollar pro Million Input-Tokens.
In den von Meituan veröffentlichten Benchmarks liegt LongCat-2.5 meist zwischen Claude Opus 4.8 und Claude Opus 5, in einigen Tests auch darüber. Offene Gewichte gibt es diesmal nicht, anders als beim Vorgänger LongCat-2.0. Was hinter dem Modell steckt und was es für Entwickler bedeutet, im Überblick.
LongCat-2.5: die wichtigsten Eckdaten
Laut dem technischen Blogbeitrag des LongCat-Teams vom 1. November ist LongCat-2.5 ein Mixture-of-Experts-Modell (MoE) mit 1,6 Billionen Parametern insgesamt. Pro Token sind etwa 48 Milliarden davon aktiv. Das Modell baut auf LongCat-2.0 auf und soll vor allem zwei Dinge besser können: Bilder verstehen und über lange Strecken selbstständig programmieren.
In der Mitteilung von Meituan vom 2. November heißt es, das Training sei vollständig auf chinesischer Rechenhardware gelaufen. Schon LongCat-2.0 hatte Meituan nach eigener Darstellung als erstes Modell mit einer Billion Parametern komplett auf heimischen Chips trainiert und betrieben. Der Konzern nennt diesen Ansatz „heimisches Modell auf heimischen Chips“. Welche Beschleuniger konkret zum Einsatz kamen, sagt Meituan nicht. Der Blog spricht nur von Karten mit weniger als 80 GB Speicher und von sogenannten Supernodes, also eng vernetzten Rechnergruppen.
Beim sogenannten Mid-Training nutzte das Team Sequenzen mit bis zu einer Million Tokens. Die API-Dokumentation nennt in ihrer Beispielantwort eine Kontextlänge von 1.048.576 Tokens.
Wie LongCat-2.5 Bilder verarbeitet
Technisch interessant ist der Umgang mit Bildern. LongCat-2.5 setzt visuelle Signale in mehrstufige diskrete Tokens um, ähnlich wie Wörter in Text-Tokens zerlegt werden. Dafür nutzt das Team eine Residual Vector Quantization auf Merkmalen in nativer Auflösung. Das Rückgrat des Modells verarbeitet Text und Bild damit im selben Token-Format.
Das hat praktische Folgen fürs Training: Weil der Bild-Tokenizer fest ist, lassen sich die Bild-Tokens vorab berechnen und zwischenspeichern. Der Vision-Encoder fällt aus dem Trainingsgraphen heraus, die Last auf den Rechenknoten wird gleichmäßiger. Laut Meituan profitieren davon vor allem Aufgaben, bei denen das Modell aus Bildern Code erzeugt, etwa interaktive Webseiten, 3D-Präsentationen oder Design-Entwürfe.
Training für lange Agenten-Aufgaben
Den größten Teil des Blogbeitrags widmet das Team dem Reinforcement Learning für lange Aufgaben. Die Trainingsaufgaben entstehen zum Teil automatisch: Eine Pipeline filtert Pull Requests und verknüpfte Issues auf GitHub, lässt Agenten daraus Aufgaben und Testumgebungen bauen und prüft diese mit Tests, die vor dem Fix scheitern und danach bestehen müssen. Dazu kommen interne Programmieraufgaben von Meituan. Fehlgeschlagene Agenten-Läufe aus der Praxis werden zu neuen, prüfbaren Trainingsaufgaben umgebaut.
Auch gegen Reward Hacking, also das Austricksen der Bewertung, hat das Team Vorkehrungen getroffen. In den Trainingsumgebungen ist der Netzzugang gesperrt, Git-Historie und Cache-Dateien werden entfernt. Ein weiteres Sprachmodell prüft die Läufe auf Tricksereien. Zusätzliche Abzüge gibt es für sich wiederholendes Nachdenken und doppelte Tool-Aufrufe.
Benchmarks: zwischen Opus 4.8 und Opus 5
Die Zahlen stammen von Meituan selbst. Werte anderer Modelle hat das Team teils aus öffentlichen Berichten übernommen, teils selbst gemessen und ausdrücklich als nur indikativ bezeichnet. Einige Beispiele aus der Tabelle:
- Terminal Bench v2.1: LongCat-2.5 erreicht 88,4. Claude Opus 5 liegt bei 89,1, GPT-5.6-Sol bei 88,8, DeepSeek-V4.1-Flash bei 90,6.
- Terminal Bench v4.0: 38,5 für LongCat-2.5. Opus 5 kommt auf 53,9, GLM-5.3 auf 41,8, GPT-5.6-Sol auf 37,3. Der Vorgänger LongCat-2.0 erreichte nur 3,0.
- DeepSWE v1.1: 64,6, gegenüber 68,8 bei Opus 5 und 72,7 bei GPT-5.6-Sol.
- BrowseComp: 91,9 und damit knapp vor Opus 5 mit 90,8.
- MCP Atlas: 83,1, gegenüber 85,8 bei Opus 5.
Die Coding-Tests liefen laut Fußnoten überwiegend im Harness von Claude Code. Der Sprung gegenüber LongCat-2.0 ist in den Agenten-Tests deutlich. An der Spitze steht das Modell aber nicht. In den schwierigeren Coding-Benchmarks liegt Claude Opus 5 klar vorn. Neuere Modelle wie GPT-6.1 tauchen in der Vergleichstabelle nicht auf. Unabhängige Messungen gibt es noch nicht.
Effizientere Inferenz mit 4-Bit
Für den Betrieb setzt Meituan auf W4A4-Quantisierung: Gewichte und Aktivierungen der Experten werden auf 4 Bit reduziert und auf INT4-Einheiten gerechnet. Auf allen geprüften Aufgaben soll das Modell dabei so gut abschneiden wie ohne Quantisierung. Im Vergleich zu einer W8A8-INT8-Basis stieg der Durchsatz in Lasttests laut Blog beim Prefill um 43,3 Prozent und beim Decoding um 42,77 Prozent. Die Zeit bis zum ersten Token sank um 15,91 Prozent, die Zeit pro Token um 19,72 Prozent.
Auch beim Training meldet das Team Fortschritte. Eine angepasste FSDP-Konfiguration erreichte bei langen Sequenzen 86 Prozent mehr Durchsatz pro Karte als eine DDP-Basis. Das ist vor allem für Leser interessant, die verfolgen, wie chinesische Labore mit den Exportbeschränkungen für US-Chips umgehen.
Zugang und Preise für Entwickler
LongCat-2.5 lässt sich auf longcat.ai im Chat testen und über die API ansprechen. Die API-Dokumentation beschreibt einen OpenAI-kompatiblen Endpunkt für Chat Completions mit Streaming und einem Parameter, der das Reasoning ein- oder ausschaltet. Daneben gibt es einen Anthropic-kompatiblen Endpunkt. Bestehende Tools lassen sich damit oft ohne großen Umbau anbinden. Mit aktiviertem Thinking ist die Temperatur fest auf 1,0 gesetzt.
Die Preisseite nennt befristete Rabattpreise pro Million Tokens:
- Input ohne Cache: 0,30 US-Dollar (2 Yuan)
- Input aus dem Cache: 0,006 US-Dollar (0,04 Yuan)
- Output: 1,20 US-Dollar (8 Yuan)
Wie lange die Rabattpreise gelten und was danach kommt, steht nicht auf der Seite. Zum Vergleich: Auch Kimi K3.1 Pro und DeepSeek V4.1-Flash setzen auf aggressive Preise. Der Wettbewerb chinesischer Anbieter drückt die Kosten für agentische Arbeit spürbar.
Eine Einschränkung für Entwickler in Europa: Die Beispielantwort der Modell-Schnittstelle führt als Eingabe derzeit nur Text auf. Ob Bilder schon über die API verarbeitet werden, geht aus der Dokumentation nicht eindeutig hervor. Wer personenbezogene oder vertrauliche Daten verarbeitet, sollte außerdem die Datenschutzbedingungen des Anbieters prüfen, bevor er die API produktiv einsetzt.
Keine offenen Gewichte
Anders als LongCat-2.0, dessen Gewichte auf Hugging Face liegen, hat Meituan für LongCat-2.5 bislang keine Gewichte veröffentlicht. Auf dem Hugging-Face-Konto des Teams war am 2. November kein entsprechendes Modell zu finden. Ob eine offene Version folgt, ist offen. Auch die im Blog angekündigten Demo-Videos sind noch nicht online.
Einordnung
Für Meituan ist LongCat kein Selbstzweck. CEO Wang Xing hatte im August gesagt, man wolle keine „Token-Fabrik“ werden. Die Modelle sollen das Kerngeschäft stützen. Auf LongCat basiert etwa die KI-Arbeitsumgebung „Miaoshou“, die Händlern bei Geschäftsanalysen und Filialverwaltung hilft. Die API ist damit eher ein Nebenprodukt, wenn auch ein günstiges.
Für Entwickler ist LongCat-2.5 vor allem ein weiteres Signal, wie schnell chinesische Labore bei Agenten-Modellen aufholen, und das auf eigener Hardware. Wer günstige Modelle für lange Coding- oder Recherche-Aufgaben sucht, kann LongCat-2.5 über die kompatible API mit wenig Aufwand testen. Die Benchmarks sollte man dabei als Herstellerangaben lesen und mit eigenen Aufgaben gegenprüfen. Wie stark offene und günstige Modelle inzwischen sind, zeigte zuletzt auch der Bericht über GLM 5.3 und den Patch Gap.
