1.6 万亿参数、100 万上下文，API 输出价只有 GPT-6 Astra 的四十分之一。程序员小灰做了两个实测：一个翻车，一个真香。我把能省钱和还不能打的部分拆开讲。
11 月 2 日，美团发布 LongCat-2.5。
送外卖的做模型，很多人当玩票。但参数和价格摆在这：1.6 万亿参数，输出价只有 GPT-6 的四十分之一。
先说结论：能打，但还没到全面替代。
01 硬参数
总参数 1.6 万亿，MoE 架构，每 token 激活约 480 亿，上下文 100 万 token。身板和 2.0 一样，换的是训练目标。
两个目标：原生多模态和长程智能体。
前者把图像切成离散 token，和文字同一种形式进主干，官方叫 Visual Coding——看图，直接生成网页。后者用强化学习训练长流程任务，目标是一口气干完一个项目。
全程国产算力训练，推理用 W4A4，吞吐提升 40%。遗憾是 2.5 暂未开放权重。
02 价格
网页版免费，注册送千万 token。API 限时价：输入 2 元、缓存命中 0.04 元、输出 8 元，每百万 token。
GPT-6 Astra 输出是 50 美元 / 百万 token，换算后约是 LongCat 的 四十多倍。
DeepSeek Harness、WorkBuddy、Claude Code、Codex 都已适配。
能直接接进现有工作流，这才是最狠的。
03 跑分
亮眼的：BrowseComp 91.9，表内第一；Terminal Bench 38.5，高于 GPT-5.6-Sol 的 37.3；几项智能体任务也是第一。
泼冷水的：Terminal Bench 明显低于 Opus 5 的 53.9；DeepSWE 64.6，对比表最低，隔壁 DeepSeek V4.1 Flash 拿了 74.2。
对比自家 2.0 进步很大：Terminal 3.0→38.5，BrowseComp 79.9→91.9。
但三个口径要注意：上一代对比、自测分、框架不一。跑分看看就好，真章得亲手测。
04 实测一：看图做网页
小灰自制咖啡门店看板设计稿，同一张图、同一段提示词。
8–10 分钟，2.6 万字符，单文件交付。
第一眼很像，KPI 数值全对。细抠有偏差：Y 轴该 0–15k 做成 0–8k，日期对不上，Logo 和头像颜色也不对。
更硬的是：单文件，却引了 3 个 CDN，断网就裸奔。
3 分钟，近乎 1:1，零依赖离线可开。
这一轮 Astra 胜。
05 实测二：塔防游戏
一句话要一个完整塔防。
LongCat 最特别：交付前自己跑了 22 次代码，写脚本做语法检查、冒烟测试；音效被安全拦截，自己删掉重做。13 分钟，12 波、三种塔，小灰试玩到第 9 波防线告破。
Astra 还是 3 分钟，10 波、三种塔、新手引导，小灰一路通关，击杀 192。
过程 LongCat，速度 Astra。
06 算账
LongCat：网页版免费，两个案例一分没花；走 API 顶天几块钱。
Astra：Plus 20 美元/月，额度按 5 小时窗口限量；走 API 是 LongCat 的几十倍。
这个差价，不是一点半点。
07 结论
值得试：
- 批量 Agent 任务：长流程自动化，便宜就是底气
- 预算敏感：网页免费，API 按量也花不了几块
- 想试国产模型：不用折腾部署
再等等：
- 像素级还原前端：细节和离线可用还差口气
- 追求速度：8–13 分钟，得有耐心
- 要私有部署：权重还没开
价格能让你开始用，能不能留住你，还得看它把活干成什么样。 —— 程序圆
觉得有用？点个关注，后面继续拆 AI 工具的成本账。
参考：@XiaohuiAI666 的实测长文。
