AI Radar
Meituan выпустила мультимодальную модель LongCat-2.5 для длительных агентных задач
Meituan выпустила LongCat-2.5 с 1,6 трлн параметров для длительных задач программирования и работы с изображениями. При обработке токена модель активирует около 48 млрд параметров. Сейчас её можно использовать через чат и API.
LongCat-2.5 развивает представленную ранее LongCat-2.0 и ориентирована на длинные агентные задачи: модель должна выполнять последовательность шагов при работе с кодом, сохраняя контекст проекта. Всего у неё 1,6 трлн параметров, но для обработки отдельного токена активируется около 48 млрд. Такая схема позволяет использовать большую модель, не задействуя все её параметры при каждом шаге. До нынешнего релиза предварительная версия LongCat-2.5 уже была доступна на API-платформе команды с 25 сентября.
Для обучения длинным задачам Meituan добавила данные с протяжёнными траекториями действий агента и применила обучение с подкреплением на таких задачах. Команда описывает сценарии вроде разработки внутри сложной кодовой базы и сборки целого проекта. Ошибочные траектории реальных агентов она преобразует в воспроизводимые задания с проверяемым результатом: так можно снова предъявить модели сбойный случай и измерить, научилась ли она с ним справляться. Для инженера здесь существенна длительность работы: ошибка на раннем шаге способна испортить весь последующий результат.
Визуальная часть модели переводит изображение в дискретные токены разных уровней, которые основной блок обрабатывает в одном формате с текстом. Meituan связывает этот подход с задачами визуального программирования, дизайна и 3D. Для запуска компания также оптимизировала обучение с длинным контекстом и инференс W4A4 на китайских чипах. W4A4 означает четырёхбитное представление весов и активаций; оно снижает требования к вычислениям, но требует внимания к точности расчётов.
В таблице Meituan результат LongCat-2.5 на Terminal Bench v2.1 вырос с 70,8 у LongCat-2.0 до 88,4, а на AutomationBench – с 15,8 до 51,8. На Program Bench новая модель получила 25,5 против 37 у лидера таблицы. Эти цифры предоставлены самой компанией и пока не проверены независимо. Модель доступна через longcat.chat и LongCat API; команда заявляет совместимость с Claude Code, Codex и Hermes, а публикацию на GitHub и Hugging Face обещает позже.
Почему это важно
ML-команды могут попробовать модель через чат и API в сценариях, где агент долго работает с кодовой базой или изображениями. Поддержка существующих агентных инструментов упрощает такое сравнение со своим текущим решением.
Мнение редакции
Мнение редакцииСовместимость с привычными агентными инструментами может оказаться полезнее красивого места в таблице тестов: модель проще попробовать в существующем процессе. Открытая публикация весов расширила бы возможности проверки, но пока её только обещают.
Первоисточники и подтверждения
Подборку проверяет редакция DSML. AI помогает дедуплицировать сигналы и готовить текст, но опубликованный выпуск остаётся редакционным продуктом, а не лентой отдельных каналов.