Modeller

Meituan frigir vektene til LongCat-2.5, en modell med 1,6 billioner parametere for kunstig intelligens-agenter

18. november 2026 · 2 min lesing

a bunch of wires that are connected to a server
Lightsaber Collection / Unsplash

Meituan har frigitt vektene til LongCat-2.5, som er en modell med 1,6 billioner parametere utviklet for kunstig intelligens-agenter.

Modellen er bygget for agenter som skal utføre lange oppgaver selvstendig over mange trinn, som for eksempel ved programmering. LongCat-2.5 er en Mixture-of-Experts-modell som aktiverer en del av sine spesialiserte delnettverk for hvert token som behandles, noe som betyr at omtrent 48 milliarder av de totale 1,6 billionene parametere er i arbeid per token. Via et programmeringsgrensesnitt kan modellen behandle opptil én million token samtidig og generere svar med opptil 128.000 token. Den kan forstå tekst, bilder og videoer, men svarer kun i tekstform, og funksjonalitet for resonnering kan slås av og på.

Utviklingen bygger på forgjengeren LongCat-2.0 og forskningsmodellen LongCat-Next. I motsetning til mange multimodale modeller som bruker en ekstern bildekoder, konverterer LongCat-2.5 bilder direkte til token som behandles sammen med tekst. Dette skal forbedre evnene innen visuell programmering, design og 3D-oppgaver. For forsterkningslæring brukte teamet ekte programvareoppgaver fra GitHub-pull-forespørsler og gjenskapte feil fra agenter. Under treningen ble nettilgang, Git-historikk og mellomlagrede filer fjernet for å sikre at modellen faktisk løste oppgavene, mens et språkmodell-system kontrollerte løsningene for triks. Teamet overførte også kunnskap fra flere spesialiserte lærer-modeller for dialog, resonnering og agentarbeid gjennom destillasjon.

Modellen ble trent fullstendig på kinesisk maskinvare. Meituan opplyser at vektene og mellomverdier beregnes i 4 bit, noe som støttes direkte av kinesiske chiper. I belastningstester økte gjennomstrømmingen med 43,3 prosent ved lesing av ledetekster og med 42,77 prosent ved generering av svar sammenlignet med en 8-bit-versjon, uten at nøyaktigheten sank. En eksempelkonfigurasjon krever en klynge med 194 Huawei-Ascend-akseleratorer fra Atlas-A2-serien, hvor 64 chiper håndterer inndata, 128 genererer svar og to tar seg av bildebehandling. Det finnes ingen instruksjoner for Nvidia-grafikkprosessorer.

I ytelsestester for terminaloppgaver, Terminal Bench v2.1, oppnådde LongCat-2.5 88,4 poeng, noe som er rett bak Claude Opus 5 med 89,1 poeng. I Terminal Bench v4.0 fikk modellen 38,5 poeng, noe som er mer enn GPT-5.6 Sol med 37,3, men betydelig mindre enn Opus 5 med 53,9. På DeepSWE-testen, som handler om å rette feil i kode, økte verdien fra 9,7 til 64,6 poeng, noe som plasserer den bak de fleste sammenligningsmodellene bortsett fra Claude Opus 4.8. Modellen oppnådde imidlertid den høyeste verdien i tabellen med 91,9 poeng på BrowseComp-oppgaven for nettsøk, selv om denne testen ble utført i Meituans eget miljø.

Vektene er tilgjengelige under MIT-lisensen, som tillater endring, videresending og kommersiell bruk. Programmeringsgrensesnittet støtter formatene til OpenAI og Anthropic, og kan integreres i rammeverk for agenter som Claude Code, Codex og Hermes. Meituan tilbyr en tidsbegrenset kampanjepris på omtrent 0,27 euro per million inndata-token og 1,07 euro per million utdata-token.