LongCat 官方博客上线 LongCat-2.5，标题明确提出两个关键词：Native AI 词典：Multimodality">Multimodality（原生多模态）与 Agentic Tasks（智能体任务）。从命名与定位看，这是一次面向“能动手做事”的场景所做的模型迭代，而非单纯的语言能力升级。
“原生多模态”在当下的模型语境中，通常指模型从预训练阶段就对文本、图像等模态进行联合建模，而不是在语言模型之上外挂视觉编码器、再通过后训练做对齐拼接。两者的差别在简单问答中不明显，但在需要连续读屏、理解图表与文档版面、定位界面元素并据此决定下一步动作的智能体任务里，会被显著放大：拼接式方案容易出现模态间的信息损失与对齐偏差，原生方案则更有可能把“看见的”和“要做的”放在同一个表征空间里推理。
这也解释了为什么“原生多模态”与“智能体”被放在同一个标题里。智能体的核心循环是感知—决策—执行，感知环节天然是多模态的：网页截图、PDF 版面、表格、弹窗提示，都很难被纯文本完整表达。如果模型的多模态能力是后期补上的，工具调用与操作序列的稳定性往往会受制于感知层的短板。
对 AI 从业者而言，LongCat-2.5 值得关注的点在于：多模态是否真正参与决策链路，而不只是作为输入附件存在。具体的模型架构、上下文长度、工具调用形式与评测结果，仍需以官方博客原文为准。
原文链接：https://longcat.ai/blog/longcat-2.5/