一、发生了什么
9 月 25 日，美团旗下 LongCat API 开放平台上线新一代模型 LongCat-2.5-Preview，API 与网页端体验入口同步开放（来源：IT之家，经凤凰网科技转述；网易科技）。官方更新日志列出的核心特性：
- MoE 路线：总参数量约 1.6 万亿，每次推理激活约 480 亿；
- 原生 100 万 token 上下文，官方点名的场景是超长文档、代码库、日志与多轮复杂任务；
- 新增图片理解：跨模态问答、内容摘要、复杂视觉推理；
- Coding 能力单列一项，并明确写出「深度适配 Claude Code 等主流开发环境」，点名 Claude Code、Hermes、OpenClaw、OpenCode、Kilo Code 五个工具。
截至发稿，暂无第三方基准跑分，官方也未公布价格表。这两个空缺，后面会再提。
二、技术拆解：参数是老故事，工具层是新信号
1. 两本账还是那两本账
MoE 模型的总参数和激活参数要分开看：激活参数大致决定单次推理的算力开销，总参数决定能力上限和部署显存门槛。这套算法我上周写阶跃 Step 5 Preview 时拆过一次（600B 只激活 27B、成本 1/8：阶跃这步棋），这次直接套公式：
| 模型 | 总参数 | 激活参数 | 激活比 | 上下文 | 官方主打 |
|---|---|---|---|---|---|
| 美团 LongCat-2.5-Preview | ~1.6 万亿 | ~480 亿 | ~3% | 100 万 token | 长程任务 + 多模态 |
| 阶跃 Step 5 Preview | 600B | 27B | 4.5% | 100 万 token | 原生图文输入 |
（两家数字均为官方口径，来源分别为 IT之家转述的官方更新日志与上证报等对 Step 5 发布的报道；激活比为本表计算值。LongCat-2.5-Preview 缺第三方复现，表中「缺点」栏先欠着：无独立评测、无价格表、未公布权重开放计划——这三件事任何一件落地，对比才有意义。）
激活比从 4.5% 压到 3%，方向没变：同样的能力分数，把单 token 成本再往下压。这条效率线国内厂商已经卷了小一年，单看参数意义在递减。
2. 真正的新信号：harness 进了官方更新日志
过去两年，模型厂商的兼容锚点是 OpenAI 的 chat completions 接口——兼容它的 URL 和报文格式，就等于接入了所有现成客户端，这是当年的事实标准。
现在锚点在挪。这次官方把「深度适配 Claude Code 等主流开发环境」写成核心特性，与多模态、Coding 并列，点名五个工具。翻译一下：Agent 工具层（编辑器、CLI harness）正在成为新的接口标准。模型厂商公开宣布适配某个 harness，本质上是承认两件事：
- 开发者的日常工作入口在 harness 手里，不在模型 API 手里；
- 谁控制 harness，谁就决定默认模型、提示词模板和工具调用协议——模型只是这个插槽里可替换的组件。
这和当年浏览器大战、后来 Kubernetes 的「一致性认证」是同一个剧本：平台层定型之后，下层组件的标准适配就成了入场券。区别只在于这次卷的是模型。
3. 100 万上下文与成本的真账
原生 100 万上下文对「长程任务」是硬件基础，但它不是免费的：上下文越长，缓存命中与否对账单的影响越大。价格表没公布之前，先把缓存这一行怎么读弄明白比猜价格有用（GPT-6 Sol/Luna 与 Opus 5.5 同日降价：价格表里最该看的，是缓存那一行）。
三、我的判断
**第一，模型竞争的裁判权正在往工具层移，而且没人喊停。**半年前「适配 OpenAI 接口格式」是厂商文档里的一行小字；现在「适配 Claude Code」能进官方更新日志的核心特性列表。这个位置变化说明 harness 的网络效应已经强到模型厂商必须主动贴上去。对开发者是好事：换模型会越来越像换电池。对模型厂商则是坏消息：差异化被压缩到「插槽之外」的部分——价格、长任务稳定性、垂直能力。
**第二，选型重心该换了。**模型可替换性变强之后，「哪个模型跑分高」的决策价值在下降，「工具调用成功率、长任务不崩、缓存单价」这些工程指标的决策价值在上升。跑分是静态快照，Agent 任务是几百步的长链路，两者经常对不上——三元压缩那次的能力边界分析（98.2% 是真的，但先看它把 1.8% 藏在哪）已经演示过：套件内平均分很好看，长程 agent 一项掉 25 分。
**第三，Preview 两个字要当真。**没有第三方跑分、没有价格表，「内部任务表现不错」就无法独立验证（头条「千机阁」的分析也指出外部基准暂时少见）。另外 1.6 万亿总参对想自部署的团队意味着实打实的显存门槛，API 用户倒是无感。等第三方复现和价格落地，再决定要不要切流量不迟。
四、对开发者的启示
- 把模型当可替换组件：接入任何 Agent 工具时，顺手收敛一套固定的回归用例，换模型先跑一遍再切。
- 监控加一行：除了回答质量，把「工具调用成功率」单独立项——长链路任务里它比对话质量先崩。
- 长上下文先算账再喂满：100 万 token 的窗口是能力，不是默认用法，缓存策略决定它是福利还是账单。
一个最小可用的换模型回归集，20 行够用：
# golden_set.py — 换模型前的最小回归：固定输入，比对工具调用行为CASES=[# (任务描述, 期望调用的工具, 期望产物特征)("读仓库根目录的 pyproject.toml 并总结依赖","read_file","包含依赖名列表"),("把 utils.py 里的时间戳打印改成 ISO 格式","edit_file","diff 只动 1 处"),("跑单测并报告失败用例","run_command","退出码 + 失败清单"),]defrun(model_endpoint:str,cases=CASES)->dict:results={}fortask,tool,_incases:# 伪代码：向 model_endpoint 发任务，记录实际工具调用序列called=call_agent(model_endpoint,task)# 返回实际工具调用列表results[task]="PASS"iftoolincalledelse"FAIL"returnresults# 通过率低于基线模型 → 不切流量，先查是提示词适配问题还是能力问题结尾多说三句。
如果想看「大总参 + 低激活」这步棋的另一面，上一篇阶跃 Step 5 的两本账是同一主题的另一半；模型选型该看哪些工程指标，98.2% 藏起来的那 1.8% 里有一份现成的踩坑清单；而 Anthropic 用仪表盘量自家 Agent 参与研发的那篇（26%、3 万 Agent、四万七分之一），恰好是「工具层接管研发流程」的另一个视角。
这个专栏每天一篇 AI 解读，关注不迷路。
你们的团队现在换一次模型的成本是多少——改一行配置，还是重写一遍提示词？评论区一句话说说。
专注 AI 工程化实践与出海外贸技术
