Meituan udostępnia wagi modelu LongCat-2.5 z 1,6 biliona parametrów dla agentów sztucznej inteligencji
18 listopada 2026 · Czas czytania: 2 min
Firma Meituan udostępniła wagi modelu LongCat-2.5, który posiada 1,6 biliona parametrów i został zaprojektowany dla agentów sztucznej inteligencji.
Model ten został w pełni wytrenowany na chińskim sprzęcie. Jest to model typu Mixture-of-Experts, co oznacza, że dla każdego przetwarzanego tokena aktywuje jedynie część swoich wyspecjalizowanych podsieci, a konkretnie około 48 miliardów z całkowitej liczby 1,6 biliona parametrów. LongCat-2.5 potrafi rozumieć tekst, obrazy oraz wideo, odpowiadając w formie tekstowej, a funkcja rozumowania może być włączana lub wyłączana.
Przez interfejs API model przetwarza do jednego miliona tokenów jednocześnie i generuje odpowiedzi o długości do 128 000 tokenów. W przeciwieństwie do wielu modeli multimodalnych, LongCat-2.5 nie korzysta z zewnętrznego koder obrazu, lecz przekształca obrazy w tokeny, które są przetwarzane wspólnie z tekstem. Rozwiązanie to opiera się na modelu badawczym LongCat-Next i ma na celu poprawę zdolności w zakresie projektowania, zadań 3D oraz programowania wizualnego.
Proces uczenia ze wzmocnieniem wykorzystywał rzeczywiste zadania programistyczne z żądań pull w serwisie GitHub oraz odtworzone błędy agentów. Aby zapewnić rzetelność rozwiązań, programiści zablokowali dostęp do sieci, usunęli historię Git oraz pliki tymczasowe w środowiskach treningowych, a ścieżki rozwiązań były sprawdzane przez model językowy pod kątem sztuczek. Zastosowano również destylację wiedzy z kilku wyspecjalizowanych modeli nauczycieli w obszarach dialogu, rozumowania i pracy agentów.
Meituan udostępnił wersję modelu z wagami i wartościami pośrednimi w formacie 4 bitów, co pozwala na bezpośrednie przetwarzanie przez chińskie układy. Według testów obciążeniowych firmy, w porównaniu do wersji 8-bitowej, przepustowość podczas odczytu promptu wzrosła o 43,3 procent, a podczas generowania odpowiedzi o 42,77 procent, przy zachowaniu dokładności modelu niekompresowanego. Przykładowa konfiguracja operacyjna wymaga klastra 194 akceleratorów Huawei Ascend z serii Atlas-A2, z czego 2 obsługują obrazy, 64 odczyt danych, a 128 generowanie odpowiedzi. Brak jest instrukcji dla jednostek GPU Nvidia.
W testach wydajnościowych LongCat-2.5 uzyskał 88,4 punktu w Terminal Bench v2.1, co stawia go nieco poniżej modelu Claude Opus 5, który zdobył 89,1 punktu. W trudniejszym teście Terminal Bench v4.0 model osiągnął 38,5 punktu, wyprzedzając GPT-5.6 Sol z wynikiem 37,3, lecz ustępując modelowi Opus 5 z wynikiem 53,9. W teście DeepSWE, dotyczącym naprawy błędów w repozytoriach kodu, LongCat-2.5 zdobył 64,6 punktu, co jest wynikiem lepszym niż w przypadku Claude Opus 4.8, ale gorszym niż w przypadku Deepseek-V4.1-Flash i GPT-5.6 Sol. Najwyższy wynik, 91,9 punktu, model uzyskał w zadaniu wyszukiwania internetowego BrowseComp, przeprowadzonym we własnym środowisku testowym Meituan.
Wagi modelu są udostępnione na licencji MIT, co pozwala na modyfikacje, rozpowszechnianie i wykorzystanie komercyjne. Interfejs API jest kompatybilny z formatami OpenAI oraz Anthropic i może być integrowany z narzędziami takimi jak Claude Code, Codex oraz Hermes. Początkowa cena promocyjna wynosi około 0,27 euro za milion tokenów wejściowych i około 1,07 euro za milion tokenów wyjściowych.