本本分分LongCat

我对美团龙猫的认知始终如一，用一句话来概括就是：「本本分分训模型。」

龙猫一不说自己 AA 榜刷到了多少分，二不说自己是国模之光。这有什么好说的？国产卡龙猫不拿来训模型，谁拿来训模型？

要我说，真想着去优化国产卡的模型才是国模之光。

像这次 LongCat-2.5 也一样，「针对国产算力单卡显存不足 80 GB 的限制，训练系统重点优化显存开销，并围绕超节点架构设计并行策略。」

还在为国产卡着想😭

LongCat-2.5 也很诚实，他发的技术报告也不藏着掖着，比较对象是 GPT-5.5 和 GPT-5.6 sol。

至少说明它对自己的认知没有错配。

导致我现在喷龙猫都有点不好意思，但不用 LongCat-2.5的话，美团不也白训了。

所以为了致敬最不炒作、最本分的 LongCat-2.5，我和朋友@小蓝对 LongCat-2.5 进行了一番大实测。

ta 对 LongCat-2.5 的整体评价是，大致和 Opus 4.8 在一个区间，可以支持 70% 普通人的办公需求，做前端和局部开发也不会有大问题。

但现实任务中的能力上限叠加长程偏差，导致多步效果不如边做边和用户交流修改。

同样，LongCat-2.5也有过度思考的问题，导致上下文窗口过长，一些题目无法输出结果。

以下是我和@小蓝更详细的实测，本次实测使用的Harness为 Claude code：

01

前端任务

先拿几个复杂前端任务练练手。

首先我们拿龙猫召唤一个美团单车来送外卖，要求这个骑手能骑车、能打灯、能打开外卖盒。

以下Prompt都太长我就不复制了，直接看结果：

这电单车挺传神，能前进，跑起来也不费电。以后大学老师要调研也不用自己送了，整个电车在线上飙车吧。

甚至你还可以让电动车边跑边分解，这你扯不扯。

龙猫的胆子真是肥嘟嘟，做出来的中国外卖电动车都能飞。

再试试让龙猫带我去外太空，给我一个可以交互的星球：

给我搓了一个螺旋丸出来，《光遇》即视感，陈星汉看到要麻了，再逮两飘荡的小孩直接原地合影了。

不得不说龙猫对星球这种天外来物的审美还是可以的，可能因为龙猫自己就不是地球人吧。

最后一个案例是让LongCat-2.5做一个日本风格的微型神社岛屿立体模型。模型要置于一个 10×10 的透明水块中，水块边缘呈圆角。底座为一块薄薄的沙色底板，置于温暖的和纸风格背景上。配备柔和的地面阴影，阴影随着距离增加而逐渐淡化。

可以看出，龙猫复刻的还是蛮好的，这鸟居还有春秋和冬夏，水的粒子感也还不错。

可以说只要提示词给的够精确，前端任务已经没啥难度了。

02

长程Coding任务

相对完整的coding任务，我选择的是一个完整网页应用的开发。

输入Prompt：

做一个完整的网页版音乐播放器，可以用自己 mock 的音频来测试，要求整体风格可以切换深色/浅色，模拟黑胶唱片旋转效果，中间艺术化地展示音乐的波形，歌词随音乐进度条滚动。除去播放区外还有自由创作曲，支持手绘作曲功能，可以在网页上手绘波形曲线，代码生成对应音频。

深浅色切换、黑胶旋转、波形艺术化展示、歌词同步滚动、手绘曲线生成对应音频，题目里的功能全部一次性完成。

为了实现自由创作功能，它真的写了基于曲线的音乐合成器，歌词和时间轴也是真的对应。

稍微可以挑的瑕疵是功能布局还可以加强，在手绘作曲区域会有播放器的功能块出现，影响美观**。**

另外 LongCat-2.5 一直宣传自己的长程执行能力。

所以我还测试了基于自制小游戏的编译文件，外加一些图，逆向出可读、可维护的 TypeScript 工程。

这个任务确实有一些难度且需要一定的长程执行能力，模型持续执行了 5h左右。

LongCat-2.5 把小游戏的前几关逆向得很好——包括场景、元素、敌人的运动、受击、死亡全部复现。

主要的失分是由于后期关卡场景更加复杂，而模型的测试方式有限，导致有一个场景从未被触发导致复刻存在较大缺口。

从任务执行的过程来看，LongCat-2.5 确实可以持续执行 5、6 甚至 10 小时以上，具备端到端完成项目的潜力。不过在长程任务后期，模型也有概率陷入思考死循环而无法正向推进任务。

03

Cowork任务

Cowork 任务通常涉及的能力主要就是检索以及 Office 文件生成与处理相关能力。

这次我主要测试了Excel相关的金融 DCF 估值题。

可以观察到 LongCat-2.5 已经可以满足 80% 普通打工人的需求，让它搜的几家银行年报都搜集全了，在 DCF 这类复杂 Excel 建模题上也仅有小的瑕疵，套模版制作的 PPT 结构和图表都没什么整版大问题，可以支持普通打工人调整后交差了。

综上说明在输入干净、指令明确的任务中，LongCat-2.5 已经可以很好地完成绝大多数打工人的工作任务，只是还不足以解决现实世界的复杂信息。

最后我想说，我还是很尊重龙猫和美团的。

假如所有模型厂都有Anthropic那样的数据和算力，那训不出来SOTA模型是一个很过分的事情。

比如有国内资源最充足的模型团队，但模型实力不匹配公司的资源，这是一个值得反复讲的事情。

这一年来的模型发布反复证明了，大模型是残酷的制造业，主要是一个工程问题，最关键的要素是算力和数据。

既然是制造业，那大模型就不是一两年的事情，而是在十年周期内不断进步。所谓长期有耐心，比一时半会搞跑分大跃进重要得多。

美团LongCat，一不乱搞跑分大跃进，不恶心同行；二真用国产卡训模型，帮友商积累国产卡经验；三还喜欢送Token，造福广大开发者。

我没开玩笑，如果大家缺 Token的话，可以给龙猫发个邮件，它大概率是愿意给你的。中国模型就爱支持中国开发者，纯普惠来的。

（本文封面由ChatGPT生成，纯人工写作）

欢迎订阅我们的Substack funeralai.substack.com