AI 行业动态：美团发布原生多模态模型 LongCat-2.5，Pika 以开放权重形式发布基于 MiniMax H3 的音视频生成模型 Pika H3 Flex

Two Sheep株式会社根据各公司的发布和媒体报道等公开信息，整理介绍 AI 行业的主要动向。本文介绍美团（Meituan）的原生多模态模型 LongCat-2.5、MiniMax 的音视频生成模型 MiniMax H3，以及 Pika 在其基础上后训练的 Pika H3 Flex。除特别注明外，性能等数据均为各公司发布的数据（截至2026年11月3日）。

要点

• 美团于11月1日至2日发布原生多模态模型 LongCat-2.5，并开始通过 API 提供。总参数1.6万亿，与 LongCat-2.0 规模相同；权重尚未公开
• 据美团介绍，长上下文训练在每颗内存不足80GB 的国产 AI 加速器上进行；4比特（W4A4）推理的吞吐量比 INT8 方案提高约43%（美团发布）
• 在美团发布的基准测试中，LongCat-2.5 在 BrowseComp 上高于对比模型，但在 DeepSWE v1.1 等项目上也有低于对比模型的情况
• Pika 于10月29日发布了基于 MiniMax 的开放权重音视频生成模型 MiniMax H3 后训练而成的 Pika H3 Flex，并公开了适配器和推理代码
• Pika H3 Flex 公开版最高支持768p，以单块 NVIDIA H100（80GB）完成验证。MiniMax H3 的许可协议对适用地区和商业使用等设有条件

1. 美团的 LongCat-2.5

发布内容

美团在11月1日的官方博客中发布了 LongCat-2.5，API 平台的更新日志则在11月2日的条目中记载了开始提供（「LongCat-2.5 Now Available」）。博客将其定位为「面向长程智能体任务的原生多模态模型」。

• 规模：总参数为1.6万亿，每个 token 激活约480亿参数。博客称，该模型在 LongCat-2.0 的基础上加强了视觉理解和智能体编程能力。LongCat-2.0 的模型卡也写有相同的数字，规模与上一代相同
• 用途：更新日志列举了视觉编程、创意设计、3D 任务以及完成整个项目构建等用途，并称可与 Claude Code、Codex、Hermes 等智能体工具配合使用
• API：据 API 文档（11月3日确认），上下文窗口为1M token，最大输出为128K token。9月25日，API 平台已开始提供 LongCat-2.5-Preview，并新增了图像理解能力
• 权重公开情况：截至11月3日，权重尚未公开。官方博客上的 GitHub 和 Hugging Face 按钮显示为「Coming soon」，美团的 Hugging Face 页面上也没有，许可证也尚未公布。上一代 LongCat-2.0 于6月30日开始通过 API 提供，其权重已在 Hugging Face 以 MIT 许可证公开

「原生多模态」的实现方式

据博客介绍，LongCat-2.5 把图像等视觉信息表示为多层级的离散 token。具体做法是对原始分辨率的图像特征进行残差向量量化（RVQ），将其转换为 token，方式与 LongCat-Next 相同。视觉 token 的嵌入与模型主干一起训练；由于 token 的 ID 可以预先离线计算，博客称可以把视觉编码器从训练计算图中移除。

在国产 AI 加速器上的训练与推理

博客介绍了在中国国产 AI 加速器上进行训练和推理的做法。博客没有写明厂商或产品名称，但页面简介称训练全程由国产芯片完成。

• 长上下文训练：由于每颗加速器的内存不足80GB，训练系统优先考虑内存效率，并使并行配置与由多颗加速器组成的「超节点」架构对齐
• 4比特推理（W4A4）：把 MoE 专家的权重和激活值都量化为4比特，在加速器的 INT4 计算单元上运算。博客称，在所有评估的下游任务上，性能与未量化的模型相当
• 推理性能：在线压力测试中，与 W8A8（INT8）基线相比，预填充（处理输入）吞吐量提高43.3%，解码（生成输出）吞吐量提高42.77%，首个 token 的生成时间（TTFT）缩短15.91%，每个输出 token 的时间（TPOT）缩短19.72%

基准测试（美团发布）

在评测表中，LongCat-2.5 有的项目高于对比模型，也有的项目低于对比模型。表中还列有 GPT-5.6-Sol、Claude Opus 4.8、GLM-5.3、kimi-k3 等模型，这里只摘录其中一部分（括号内为对比模型的分数）。括号内的分数均注明引自公开的技术报告等；未加注的分数为美团自测，仅供参考。

• BrowseComp：91.9（Claude Opus 5 为90.8，GPT-5.5 为84.4）
• Terminal Bench v2.1：88.4（Claude Opus 5 为89.1，DeepSeek-V4.1-Flash 为90.6）
• HLE（使用工具）：63.1（Claude Opus 5 为64.7）
• DeepSWE v1.1：64.6（GPT-5.5 为67.0，Claude Opus 5 为68.8，DeepSeek-V4.1-Flash 为74.2）

2. MiniMax 的 MiniMax H3

模型概要

MiniMax 在7月31日的官方博客中发布了 MiniMax H3。博客称，该模型可统一理解文本、图像、视频和音频，并生成带立体声的视频，最长15秒，分辨率可达2K（2K 通过 MiniMax 托管的工作流提供）。权重于8月上旬在 Hugging Face 公开（仓库的首次提交为日本时间8月4日，许可证日期为8月2日）。

• 结构：据模型卡介绍，主体是330亿参数的稠密（dense）单流 Transformer，其中约130亿参数在仅做推理时无需加载。输入理解部分搭配使用 Qwen3-VL-32B 权重的编码器
• 输出：时长4至15秒，24fps，附带32kHz 立体声音频，短边默认为768像素。MiniMax 称支持包括日语在内的11种语言的对话
• 未公开的内容：生成2K 输出的模块「H3-Regenerate-2K」尚未开源，负责预处理的「H3-Context-IR」仅通过 API 提供。稀疏注意力推理也计划今后公开。因此，仅凭公开的权重可生成的视频为768p 级别

许可协议的主要条件

权重依据「MiniMax H3 Community License Agreement」公开，使用时设有条件。主要内容如下（11月3日确认）。

• 适用地区：全球范围内除欧盟、英国、韩国和美国以外的地区。上述地区如需使用，须向 MiniMax 咨询许可；MiniMax 称将以符合这些地区法规等要求的严格管控和防护措施为前提授予许可。日本不在被排除之列。禁止在适用地区以外使用模型或其输出
• 商业使用：年收入超过2000万美元（或其他货币的等值金额）的商业产品或服务，需要另行获得事先的书面授权。商业产品或服务的界面上须醒目地标示「MiniMax H3」
• 其他：禁止使用输出来改进其他 AI 模型，也禁止用于军事目的。适用法律为香港特别行政区法律

如考虑使用，请务必自行确认许可协议原文。本文内容并非法律意见。

3. Pika 的 Pika H3 Flex

基于 MiniMax H3 后训练的衍生模型

Pika 在10月29日的官方博客中发布了 Pika H3 Flex，称其为「我们经过后训练的 MiniMax H3 模型」。Pika 称，通过后训练把生成所需的步数从50步减少到6步；生成一段768p、15秒、带同步音频的视频，仅 Transformer（DiT）计算最快只需7秒。但 Pika 在注释中说明，这是受控基准测试中的计算时间，并非 API 的端到端总延迟。

公开的内容与仅在 Pika 服务中提供的功能

公开的内容如下（11月3日确认）。

• 适配器与推理代码：在 Hugging Face 公开了两种 LoRA 适配器（FP32、rank 128，合计约5.5GB）：以文本和起止帧为条件生成的「FL2VA」，以及根据多种参考素材生成的「Ref2VA」。适配器作为 MiniMax H3 的衍生作品（Model Derivatives）依据 MiniMax H3 Community License 分发。在 GitHub 公开的推理代码采用 Apache-2.0 许可证
• 运行所需条件：需要约210GB 的 MiniMax H3 基础文件（自动下载）和适配器，每次生成以单块 NVIDIA H100（80GB）完成测试。但在默认设置下，768p、15秒的生成会超出 H100 的显存，需要启用 CPU 卸载（offload），此时观测到的主机内存占用约为94GiB（含页面缓存）。尚未实现用多块 GPU 分担单次生成
• 公开版规格：分辨率为480p 和768p，24fps，32kHz 立体声音频，时长5至15秒，最多可使用12个参考文件
• 仅在 Pika 服务中提供的功能：1080p、2K、4K 的放大，把音频分为5条音轨（Dialogue、Score、SFX、Foley、Ambience）的功能，提示词增强，以及加速的推理服务架构，仅在 Pika 托管的服务中提供

排行榜与提供情况

• 排行榜：Pika 称，发布时 Pika H3 Flex 在 DesignArena 的文生视频排行榜上位列开放权重模型第1、总榜第7（Pika 公布的发布时排名）。11月3日确认的 DesignArena 视频排行榜显示，Pika H3 Flex 排名第8（Elo 1288），作为基础的 MiniMax H3 排名第11（Elo 1276）。该排行榜没有区分是否为开放权重，因此无法确认其在开放权重模型中的排名
• 提供情况：Pika 在发布时称可通过「Pika API Club」使用，并表示 Flex 将于11月2日在 Pika 的创作产品中上线。我们尚未确认是否已实际上线

4. 从数据中心与算力基础设施看

• GPU 显存与存储：Pika H3 Flex 公开版以每次生成使用单块 NVIDIA H100（80GB）的配置完成测试，但在默认设置下，768p、15秒的生成会超出显存，需要借助 CPU 卸载，并占用约94GiB 的主机内存（含页面缓存）；仅基础文件就需要约210GB
• 高分辨率以托管方式提供：MiniMax H3 的2K 模块尚未公开，Pika H3 Flex 的1080p 及以上输出也仅在 Pika 的服务中提供。LongCat-2.5 同样在权重公开之前就开始通过 API 提供
• 在有限算力下的优化：LongCat-2.5 介绍了在每颗内存不足80GB 的国产加速器上的训练以及4比特推理，美团称吞吐量比 INT8 方案提高约43%

我们认为，在有限算力下高效运行大模型的优化不断推进的同时，随着处理视频和长上下文的模型推理增多，包括 GPU 显存、存储以及支撑它们的电力和冷却在内的算力基础设施的稳定运行，仍将十分重要。

5. 关于 Two Sheep株式会社

Two Sheep株式会社总部位于东京都江东区青海的 Telecom Center 大厦，提供数据中心现场作业以及 IT 设备运输和导入服务。

• 24小时365天远程代维：在东京、大阪的数据中心（Equinix 的 TY・OS 各据点、アット東京 CC1・CC2、NTT 等）承接服务器上架、布线、部件更换（RMA）、运行状态确认等
• IT设备的国际运输和进出口清关：统一安排从海外到数据中心内部的运输和清关
• 迁移、线路与光模块：提供数据中心之间的迁移、IP Transit 和专线的安排，以及光模块销售（ModuleSheep）
• 日语、英语、中文沟通：负责海外客户与日本数据中心之间的协调

主要出处

• 美团 LongCat：LongCat-2.5 官方博客（2026年11月1日，英文、中文）
• 美团 LongCat：API 平台更新日志（2026年11月2日，英文）
• 美团 LongCat：API 平台文档（2026年11月3日确认，英文）
• 美团 LongCat：LongCat-2.0 模型卡（Hugging Face，英文）
• 美团 LongCat：Hugging Face 公开模型列表（2026年11月3日确认，英文）
• MiniMax：发布 MiniMax H3（2026年7月31日，英文）
• MiniMax：MiniMax H3 模型卡（Hugging Face，英文）
• MiniMax：MiniMax H3 Community License Agreement（2026年8月2日，英文）
• Pika：发布 Pika H3 Flex（2026年10月29日，英文）
• Pika：Pika H3 Flex 模型卡（Hugging Face，英文）
• Pika：Pika H3 Flex 推理代码（GitHub，英文）
• Pika：Pika H3 Flex 硬件与已测试配置（GitHub，英文）
• DesignArena：视频生成排行榜（2026年11月3日确认，英文）

关于本文

• 本文根据各公司的发布、模型卡和许可协议等文件以及媒体报道等公开信息（截至2026年11月3日），由我们独立整理。仅基于媒体报道的内容已在文中注明。基准测试和处理性能的数据均为各公司发布，未经我们验证。各公司的计划和数据今后可能变更。
• 本文仅供参考，并非推荐任何特定企业、证券或投资。有关许可协议的内容并非法律意见。
• 文中提到的企业名称仅用于说明行业动向，不代表与我们存在交易关系。文中的公司名称、产品名称和服务名称均为各公司的商标或注册商标。
• 联系方式：Japan@2sheep.jp，或通过本网站的联系表单与我们联系。