Meituan släpper vikterna för LongCat-2.5, en modell med 1,6 biljoner parametrar för AI-agenter
18 november 2026 · 2 min läsning
Meituan har publicerat vikterna för LongCat-2.5, en modell med 1,6 biljoner parametrar som är utformad för AI-agenter. Modellen är byggd för att självständigt utföra långa uppgifter i flera steg, till exempel vid programmering, och har tränats helt på kinesisk hårdvara.
LongCat-2.5 är en Mixture-of-Experts-modell där endast en del av de specialiserade delnätverken aktiveras per token, vilket innebär att ungefär 48 miljarder av de totalt 1,6 biljoner parametrarna används per token. Modellen kan bearbeta upp till en miljon token samtidigt via ett gränssnitt och generera svar med upp till 128 000 token. Den kan förstå text, bilder och videor, men svarar endast i textform. Funktioner för resonemang kan aktiveras eller inaktiveras.
Till skillnad från många multimodala modeller som använder en separat bildkodare, omvandlar LongCat-2.5 bilder till token som bearbetas tillsammans med text. Denna metod bygger på forskningsmodellen LongCat-Next och syftar till att förbättra förmågor inom visuell programmering, design och 3D-uppgifter.
För förstärkningsinlärning använde teamet verkliga mjukvaruuppgifter från GitHub-pull-förfrågningar och simulerade agentfel. Utvecklarna blockerade nätverksåtkomst, Git-historik och cachade filer i träningsmiljöerna för att säkerställa att modellen faktiskt löste uppgifterna. Kunskap från flera specialiserade läraremodeller för agentarbete, resonemang och dialog överfördes till LongCat-2.5 genom destillation.
Modellen är optimerad för kinesiska chip som kan bearbeta värden i 4 bit direkt. Enligt Meituans belastningstester ökade genomströmningen vid inläsning av instruktioner med 43,3 procent och vid generering av svar med 42,77 procent jämfört med en 8-bitarsversion, utan att noggrannheten påverkades. En exempelkonfiguration kräver ett kluster med 194 Huawei-Ascend-acceleratorer av Atlas-A2-serien, där två sköter bildbehandling, 64 sköter inläsning och 128 sköter generering. Det finns inga anvisningar för Nvidia-grafikkort.
I prestandatester för terminaluppgifter, Terminal Bench v2.1, fick LongCat-2.5 88,4 poäng, vilket är strax under Claude Opus 5 som fick 89,1 poäng. I Terminal Bench v4.0 nådde modellen 38,5 poäng, vilket är mer än GPT-5.6 Sol med 37,3 men betydligt mindre än Opus 5 med 53,9. I testet BrowseComp för webbsökning uppnådde modellen det högsta värdet i tabellen med 91,9 poäng, men detta test utfördes i en egen testmiljö.
Vikterna tillhandahålls under MIT-licensen, vilket tillåter kommersiell användning, modifiering och distribution. Modellen kan integreras i agentramverk som Claude Code, Codex och Hermes. Som ett tidsbegränsat erbjudande kostar tjänsten cirka 0,27 euro per miljon inmatningstoken och 1,07 euro per miljon utmatningstoken.