JOURNAL / 2026.11.03

LongCat-2.5 une visión y agentes de desarrollo: qué cambia tras la preview

Meituan lanza LongCat-2.5 con entrenamiento para trabajos largos y acceso por API. Su interés está en conectar imágenes, código y comprobaciones; la preview ya veía imágenes y la fiabilidad del ciclo completo sigue necesitando pruebas.

Una captura de pantalla puede describir un problema que un informe de errores deja escapar: un menú tapa el botón de guardar, aunque el formulario funcione. Un agente que recibe esa imagen, encuentra el componente responsable y comprueba después la reparación podría cerrar una parte importante del trabajo de desarrollo. Ése es el uso que me interesa al leer el lanzamiento de LongCat-2.5 de Meituan. Es un ejemplo hipotético, no una prueba realizada con el modelo.

El registro oficial de cambios fecha la disponibilidad de LongCat-2.5 el 2 de noviembre. También conserva un antecedente decisivo: LongCat-2.5-Preview ya ofrecía comprensión de imágenes el 25 de septiembre. Por tanto, el cambio de esta semana no debe contarse como la primera vez que esta versión ve. Se publica una nueva etapa del modelo y una explicación más amplia de cómo se entrena para mantener tareas de ingeniería con múltiples pasos.

El anuncio técnico describe una representación de imágenes mediante tokens discretos que el modelo procesa junto al texto. Para los agentes, explica entrenamiento por refuerzo con entornos, herramientas y pruebas verificables, además de convertir fallos reales en nuevas tareas de entrenamiento. La idea valiosa es aprovechar los puntos donde el agente pierde el hilo, interpreta mal un resultado o da el trabajo por terminado demasiado pronto.

La publicación del equipo de Meituan sitúa esa mejora sobre LongCat-2.0 y la dirige a repositorios complejos, proyectos completos y programación visual. Son objetivos declarados por el desarrollador. Que el entrenamiento incluya más trayectorias largas es una explicación plausible de progreso, pero no establece por sí solo cuánto mejorará un proyecto ajeno. Tampoco la etiqueta «multimodal nativo» garantiza que el sistema detecte el detalle visual que importa a una persona.

El acceso sí tiene consecuencias comprobables. Vercel anunció su incorporación a AI Gateway el 2 de noviembre, con entrada de texto e imágenes. Esto ofrece otra ruta documentada para integrarlo. Confirma una oferta de servicio, sin constituir una evaluación independiente de capacidad. La documentación directa de LongCat admite además imágenes y vídeos; estos últimos se envían mediante URL. Las modalidades y los límites deben comprobarse en la ruta concreta que vaya a utilizar el equipo.

Hay dos detalles que afectan a esa integración. La referencia de parámetros define el millón aproximado de tokens de contexto como la suma de entrada y salida. No es un millón reservado a documentos al que añadir después toda la generación. También fija la temperatura según esté activado o desactivado el razonamiento y sustituye otros valores enviados. Una configuración aparentemente idéntica entre proveedores puede acabar produciendo experimentos distintos.

Volvamos al menú que oculta el botón. Yo pediría tres resultados separados: localizar el defecto en la captura, corregir el código y demostrar que la interacción vuelve a funcionar en el tamaño de pantalla afectado. Una imagen final bonita no demuestra que se pueda guardar; una prueba funcional tampoco demuestra que el botón sea visible. El valor del agente estaría en mantener ambas condiciones durante la reparación.

Añadiría una variante con una captura desactualizada y otra con datos insuficientes para reproducir el error. Me interesa saber si solicita contexto o si modifica un componente inocente para satisfacer una descripción equivocada. En trabajos largos, continuar sin una buena razón puede resultar más caro que detenerse a preguntar. El criterio sería cuántas reparaciones acepta un revisor, con qué regresiones y cuánto trabajo adicional requieren.

Mi lectura es favorable a esta dirección: acercar percepción y ejecución puede ampliar el trabajo que delegamos a un agente. La exigencia también aumenta. Cada paso añade una oportunidad de confundir una representación convincente con un resultado correcto. LongCat-2.5 merece una prueba donde imagen, código y comportamiento formen una sola tarea con condiciones de aceptación explícitas. El lanzamiento y su documentación permiten plantearla; todavía necesitamos el resultado.

Fuentes primarias consultadas el 3 de noviembre de 2026. No hemos ejecutado LongCat-2.5 ni reproducido sus evaluaciones. El caso de la interfaz y sus variantes son propuestas propias.

← Volver al diario