A Meituan 1,6 billió paraméteres LongCat-2.5 modellt adott ki, kínai chipeken tanítva
A kínai ételkiszállító Meituan LongCat csapata egy héttel a hivatalos bemutató után közzétette a LongCat-2.5 súlyait: 1,6 billió paraméteres, ügynökfeladatokra – különösen kódolásra – tervezett kevert szakértői modell, amelyet teljes egészében kínai hardveren tanítottak. Tokenenként nagyjából 48 milliárd paraméter aktiválódik. Az API egymillió tokenes kontextust és akár 128 ezer tokenes választ kezel; szöveg, kép és videó értése mellett a gondolkodás ki-be kapcsolható. A LongCat-2.0-hoz képest a képeket tokenekké alakítva dolgozza fel, a LongCat-Next kutatásra támaszkodva.
A megerősítéses tanuláshoz GitHub-pull requestekből és újrateremtett ügynökhibákból vett feladatokat használtak zárt környezetben. A szakértők 4 bites kvantálása a terhelési teszteken 43,3, illetve 42,77 százalékkal növelte az átvitelt az 8 bites változathoz képest. Az önálló futtatás 194 Huawei Ascend Atlas A2 gyorsítót ír le (2 kép, 64 prompt, 128 válaszgenerálás), Nvidia-útmutató nélkül.
A Terminal Bench v2.1-en 88,4 pontot ért el (Claude Opus 5: 89,1; GPT-5.6 Sol: 88,8; Deepseek-V4.1-Flash: 90,6). A DeepSWE-n 9,7-ről 64,6 pontra ugrott. A nehezebb Terminal Bench v4.0-n 38,5 pontot kapott, a BrowseComp webes keresési teszten 91,9-et, utóbbit saját környezetben. MIT-licenc, próba a longcat.ai oldalon; az API OpenAI- és Anthropic-formátumot is támogat. Bevezető ár körülbelül 0,27 euró / millió bemeneti és 1,07 euró / millió kimeneti token. Az előd LongCat-2.0-t június végén több mint 50 ezer kínai chipen tanították; korábban Owl Alpha néven futott az OpenRouteren.
Folytasd az appban — szavazz és szólj hozzá ➔