Η Meituan κυκλοφόρησε το LongCat-2.5 στις 2 Νοεμβρίου, προσθέτοντας ένα εγγενές πολυτροπικό μοντέλο 1,6 τρισεκατομμυρίων παραμέτρων στη σειρά LongCat — και ορίζοντας ως κύρια αποστολή την κωδικοποίηση πρακτόρων μακρού ορίζοντα, όχι τη συνομιλία. Σύμφωνα με το TechNode, που αναφέρει την κυκλοφορία μέσω IT Home, το μοντέλο ενεργοποιεί περίπου 48 δισεκατομμύρια παραμέτρους για κάθε διακριτικό, μια αρχιτεκτονική σχεδιασμένη να παρέχει χωρητικότητα οριακής κλίμακας χωρίς να πληρώνει το πλήρες κόστος συμπερασμάτων του συνολικού αριθμού παραμέτρων σε κάθε αίτημα.
Το λανσάρισμα είναι η συνέχεια της παραγωγής του LongCat-2.5-Preview, το οποίο η Meituan απέστειλε στα τέλη Σεπτεμβρίου ως μοντέλο αντιπροσώπου 1.6T μείγματος ειδικών με παράθυρο περιβάλλοντος 1 εκατομμυρίου, ανά κάλυψη του Pandaily εκείνη την εποχή. Για περισσότερα σχετικά με αυτήν την ιστορία και τον ευρύτερο αγώνα μοντέλων, ανατρέξτε στην κάλυψη μοντέλων AI.
Κατασκευάστηκε για πράκτορες που λειτουργούν για ώρες, όχι για δευτερόλεπτα
Το καθοριστικό στοίχημα του LongCat-2.5 είναι ότι το όριο έχει περάσει από την απάντηση σε ερωτήσεις στην ολοκλήρωση εργασιών. Η Meituan είπε ότι επέκτεινε την εκπαίδευση σε μεγάλες ακολουθίες εργασιών και εφάρμοσε μεγάλης κλίμακας ενισχυτική εκμάθηση για να βελτιώσει τη δουλειά του μοντέλου σε πολύπλοκες βάσεις κώδικα και ολοκληρωμένα έργα λογισμικού - τις εκτεταμένες εργασίες πολλαπλών βημάτων όπου τα συστήματα πρακτόρων τείνουν να παρασύρονται, να σταματούν ή να αποτυγχάνουν αθόρυβα.
Μια τεχνική προπόνησης ξεχωρίζει. Η εταιρεία είπε ότι μετατρέπει τις αποτυχίες που αντιμετωπίζουν οι πραγματικοί πράκτορες σε αναπαραγώγιμες εργασίες εκπαίδευσης, κλείνοντας τον κύκλο μεταξύ του τι κάνουν λάθος οι αντιπρόσωποι παραγωγής και του τι μαθαίνει το μοντέλο στη συνέχεια. Είναι μια προσέγγιση που αντιμετωπίζει τις αποτυχίες πρακτόρων όχι ως ανέκδοτα αλλά ως πρόγραμμα σπουδών - και σηματοδοτεί ότι η Meituan συγκεντρώνει δεδομένα σκληρής εκπαίδευσης από αναπτυγμένα συστήματα σε κλίμακα που τα περισσότερα εργαστήρια δεν μπορούν να ταιριάξουν, δεδομένου ότι οι λειτουργίες παράδοσης φαγητού και logistics της εταιρείας δημιουργούν τεράστιους όγκους κίνησης εργασιών στον πραγματικό κόσμο.
Εγγενής πολυτροπικότητα σε ένα ενοποιημένο πλαίσιο διακριτικών
Το LongCat-2.5 επεξεργάζεται οπτικές εισαγωγές και εισαγωγές κειμένου μέσα σε ένα ενιαίο πλαίσιο διακριτικών, σύμφωνα με την κάλυψη εκκίνησης — που σημαίνει ότι οι εικόνες και το κείμενο μετατρέπονται στην ίδια υποκείμενη αναπαράσταση αντί να επιδιορθώνονται μαζί μέσω ξεχωριστών κωδικοποιητών. Η Meituan λέει ότι αυτό επιτρέπει οπτική κωδικοποίηση, δημιουργικό σχεδιασμό και εργασίες 3D παράλληλα με τις συμβατικές εργασίες μηχανικής λογισμικού.
Η πολυτροπική έμφαση είναι ένας παράγοντας διαφοροποίησης στη θέση της κωδικοποίησης πράκτορα, όπου οι περισσότεροι ανταγωνιστές παραμένουν πρώτοι στο κείμενο. Ένας πράκτορας που μπορεί να διαβάσει μια μακέτα σχεδίασης, να αιτιολογήσει μια τρισδιάστατη σκηνή ή να ερμηνεύσει ένα στιγμιότυπο οθόνης μιας αναφοράς σφάλματος μπορεί να αναλάβει μεγαλύτερο μερίδιο πραγματικής εργασίας ανάπτυξης προϊόντος από ό,τι κάποιος που βλέπει μόνο κώδικα.
Τα οικονομικά των 48 δισεκατομμυρίων ενεργοποιημένων παραμέτρων
Ο διαχωρισμός 1,6T-total /~48B-active αξίζει να αποσυσκευαστεί, γιατί εξηγεί σε ποιον απευθύνεται αυτό το μοντέλο. Σε ένα σχέδιο συνδυασμού ειδικών, μόνο ένα μικρό κλάσμα του δικτύου ενεργοποιείται σε οποιοδήποτε δεδομένο διακριτικό, κάτι που κάνει ένα μοντέλο κλίμακας τρισεκατομμυρίων προσιτό στην εκτέλεση: υπάρχει χωρητικότητα για τα αιτήματα που το χρειάζονται, ενώ το κόστος ανά διακριτικό παρακολουθεί τον αριθμό των ενεργών παραμέτρων. Για πρακτικούς φόρτους εργασίας οι μαθηματικές ενώσεις. Ένας πράκτορας που εργάζεται για ώρες δημιουργεί εκατοντάδες χιλιάδες ή εκατομμύρια διακριτικά σε όλο το σχεδιασμό, τις κλήσεις εργαλείων και τις επεξεργασίες κώδικα — έτσι το χάσμα μεταξύ της πληρωμής για 48 δισεκατομμύρια ενεργών παραμέτρων και της πληρωμής για 1,6 τρισεκατομμύρια σε κάθε βήμα είναι η διαφορά μεταξύ ενός βιώσιμου προϊόντος και μιας δοκιμαστικής επίδειξης έρευνας.
Σε συνδυασμό με το παράθυρο περιβάλλοντος 1 εκατομμυρίου διακριτικών, το μοντέλο προεπισκόπησης που εισήχθη, ανά Pandaily, ο φόρτος εργασίας στόχος είναι ξεκάθαρος: ένας πράκτορας που κρατά μια ολόκληρη βάση κώδικα, την τεκμηρίωσή του και το ιστορικό αποτυχίας του στη μνήμη εργασίας ενώ εκτελεί μια λίστα εργασιών μετρημένη σε ώρες.
Διαθεσιμότητα: Chat και API Now, Open Weights to Follow
Το μοντέλο είναι διαθέσιμο άμεσα μέσω της διαδικτυακής υπηρεσίας συνομιλίας και της πλατφόρμας API της Meituan, σύμφωνα με το TechNode. Σχεδιάζεται να ακολουθήσουν οι εκδόσεις GitHub και Hugging Face — μια ακολουθία που απηχεί το playbook άλλων κινεζικών εργαστηρίων, τα οποία ολοένα και περισσότερο αποστέλλουν πρόσβαση σε φιλοξενία πρώτα και ανοιχτά βάρη λίγο μετά.
Η σκηνοθετημένη κυκλοφορία έχει σημασία για δύο ακροατήρια. Για τις επιχειρήσεις, η διαθεσιμότητα του API σήμερα σημαίνει ότι το LongCat-2.5 μπορεί να αξιολογηθεί αμέσως για φόρτους εργασίας παράγοντα κωδικοποίησης. Για το οικοσύστημα ανοιχτού κώδικα, η υποσχεμένη έκδοση βαρών θα καθορίσει εάν το LongCat-2.5 θα γίνει το θεμέλιο για βελτιωμένα συστήματα αντιπροσώπων, όπως έκαναν τα προηγούμενα κινεζικά μοντέλα ανοιχτά που κυκλοφόρησαν.
Μια πολυσύχναστη εβδομάδα για κινεζικές εκδόσεις μοντέλων
Η εκτόξευση προσγειώνεται εν μέσω μιας έκρηξης δραστηριότητας από τον κλάδο τεχνητής νοημοσύνης της Κίνας. Την ίδια μέρα, το TechNode ανέφερε ότι το SenseTime δημιούργησε ένα μοντέλο ανοιχτού κώδικα 9 δισεκατομμυρίων παραμέτρων που επαναχρησιμοποιεί επίπεδα για βαθύτερη επεξεργασία και ότι η ομάδα του DeepSeek δημιούργησε ένα πρωτότυπο έρευνας προληπτικού παράγοντα κωδικοποίησης. Η Meituan, πιο γνωστή παγκοσμίως ως γίγαντας παράδοσης τροφίμων, έχει δημιουργήσει αθόρυβα ένα από τα πιο αξιόπιστα ερευνητικά προγράμματα τεχνητής νοημοσύνης στη χώρα — και το LongCat-2.5 είναι το επιχείρημά της ότι η πρακτορική κωδικοποίηση, πολυτροπική από την αρχή, είναι ο φόρτος εργασίας που έχει σημασία.
Το αν η πλήρης έκδοση ξεπερνά τις επιδόσεις του μοντέλου προεπισκόπησης στα σημεία αναφοράς για τα οποία ενδιαφέρονται οι εταιρείες και οι προγραμματιστές — ολοκλήρωση εργασιών μεγάλου ορίζοντα, επεξεργασίες σε επίπεδο βάσης κώδικα, πολυτροπική γείωση — θα είναι η άμεση δοκιμή. Αυτό που είναι ήδη ξεκάθαρο είναι η στρατηγική κατεύθυνση: το επόμενο αμφισβητούμενο έδαφος για τα μεγάλα μοντέλα δεν είναι οι απαντήσεις σε trivia ή η συγγραφή δοκιμίων, αλλά η πολύωρη αυτόνομη εργασία σε πραγματικό λογισμικό.
---
Μείνετε μπροστά από την τεχνητή νοημοσύνηΛάβετε τα τελευταία νέα, αναλύσεις και ανακαλύψεις AI — όλα σε ένα μέρος.
Διαβάστε περισσότερα νέα AI →
