美团AI开始看图写代码,长任务能力有了新进展

以下内容整理自公开资料，供交流参考

美团的 LongCat-2.5 把看图和编程放到同一个模型里，也把更长的任务作为重点。对于需要把设计稿变成网页的人，这意味着AI可以同时参考视觉信息和代码，但成品仍需要人检查。

变化在哪里

LongCat 团队11月1日公布技术介绍：新模型在2.0的基础上强化视觉理解和智能体编程，面向需要多步完成的任务。9月已有2.5预览版，这次公开的是新版技术细节。

它可以接收图片、视频和文字。官方把视觉信号转成模型能够处理的离散符号，与文字一起进入模型；这不等于它看到的每个细节都一定正确。

从看图到做事

想象你给它一张网页草图，再让它协助编写页面。模型需要理解布局、生成代码，并在工具支持下反复检查结果。开发者仍要提供运行环境、任务说明和必要权限。

团队称，训练中加入更多长任务轨迹，并将真实失败过程转化为可验证的训练任务。这是官方描述的训练方法，不代表任何项目都能一次完成。

在官方公布的 Terminal Bench v2.1 测试中，2.5得到88.4分，2.0为70.8分。这个对比受测试环境、工具和任务集影响，不能直接换算成个人工作效率。

普通人怎么用

美团公开信息称，用户可在官网体验，开发者可通过API调用。文档列出约100万 token 的上下文窗口和128K最大输出；具体额度、价格和可用范围应以使用时的平台页面为准。

独立评测者用它配合工具完成3D、SVG等15项创作任务，部分画图任务需要重试。公开案例说明它有探索价值，也提醒我们不要把漂亮演示当作稳定交付的保证。

更实际的用法，是先从小范围任务开始：给清楚的参考图、说明目标，再逐项检查布局、代码和运行结果。复杂项目可以拆成可验证的小步骤。

这次值得关注的不是某个模型突然包办全部工作，而是视觉理解开始与较长的编程流程更紧密地结合。能否省下时间，最终仍取决于任务和复核成本。

如果AI能看懂你的草图，你最想让它先做什么？

来源资料

LongCat团队：《Introducing LongCat-2.5》，2026-11-01https://longcat.ai/blog/longcat-2.5

LongCat API Docs：《Visual Understanding》，发布日期未知https://longcat.ai/platform/docs/image-video-understanding

LongCat API Docs：《Quick Start》，发布日期未知https://longcat.ai/platform/docs/

百模竞速 TOKRACE：《LongCat 2.5 评测：3D、SVG 与知识视频》，2026-11-02https://www.tokrace.com/zh-CN/guides/longcat-2-5-release

配文截图版权归原作者所有，仅作引用说明。

— AI 深度解读 —