Meituan a publié LongCat-2.5 le 2 novembre, ajoutant un modèle multimodal natif de 1,6 billion de paramètres à sa gamme LongCat – et désignant le codage agent à long terme, et non le chat, comme sa mission principale. Selon TechNode, rapportant le lancement via IT Home, le modèle active environ 48 milliards de paramètres pour chaque jeton, une architecture conçue pour fournir une capacité à l'échelle de la frontière sans payer le coût total d'inférence du nombre total de paramètres pour chaque requête.
Le lancement est le suivi de production de LongCat-2.5-Preview, que Meituan a expédié fin septembre en tant que modèle d'agent mélange d'experts de 1,6 T avec une fenêtre contextuelle d'un million de jetons, selon la couverture de Pandaily à l'époque. Pour en savoir plus sur cette histoire et sur la course aux modèles au sens large, consultez notre Couverture des modèles IA.
Conçu pour les agents qui travaillent pendant des heures, pas quelques secondes
Le pari déterminant de LongCat-2.5 est que la frontière est passée de la réponse aux questions à l'accomplissement des tâches. Meituan a déclaré avoir élargi la formation sur les longues séquences de tâches et appliqué l'apprentissage par renforcement à grande échelle pour améliorer le travail du modèle sur des bases de code complexes et des projets logiciels complets - les tâches étendues et en plusieurs étapes où les systèmes d'agents ont tendance à dériver, à stagner ou à échouer silencieusement.
Une technique d’entraînement se démarque. La société a déclaré qu'elle convertit les échecs rencontrés par les agents réels en tâches de formation reproductibles, bouclant ainsi la boucle entre les erreurs des agents de production et ce que le modèle apprend ensuite. Il s'agit d'une approche qui traite les échecs des agents non pas comme des anecdotes mais comme un programme d'études - et elle indique que Meituan collecte des données de formation approfondies à partir de systèmes déployés à une échelle que la plupart des laboratoires ne peuvent égaler, étant donné que les opérations de livraison de nourriture et de logistique de l'entreprise génèrent d'énormes volumes de trafic de tâches dans le monde réel.
Multimodalité native dans un cadre de jetons unifié
LongCat-2.5 traite les entrées visuelles et textuelles dans un cadre de jetons unifié, en fonction de la couverture du lancement, ce qui signifie que les images et le texte sont convertis en la même représentation sous-jacente plutôt que d'être assemblés via des encodeurs séparés. Meituan affirme que cela permet le codage visuel, la conception créative et les tâches 3D parallèlement au travail d'ingénierie logicielle conventionnel.
L’accent multimodal constitue un différenciateur dans le créneau du codage agent, où la plupart des concurrents privilégient le texte. Un agent capable de lire une maquette de conception, de raisonner sur une scène 3D ou d'interpréter une capture d'écran d'un rapport de bogue peut assumer une plus grande part du travail de développement de produits réel qu'un agent qui ne voit que du code.
L'économie de 48 milliards de paramètres activés
La répartition 1,6T au total / ~48B-actif mérite d’être déballée, car elle explique à qui s’adresse ce modèle. Dans une conception mixte d'experts, seule une petite fraction du réseau se déclenche sur un jeton donné, ce qui rend l'exécution d'un modèle à l'échelle d'un billion de dollars abordable : la capacité est là pour les demandes qui en ont besoin, tandis que le coût par jeton suit le nombre de paramètres actifs. Pour les charges de travail agents, les mathématiques se composent. Un agent qui travaille pendant des heures génère des centaines de milliers, voire des millions de jetons lors de la planification, des appels d'outils et des modifications de code. Ainsi, l'écart entre le paiement pour 48 milliards de paramètres actifs et le paiement de 1,6 billion à chaque étape fait la différence entre un produit viable et une démonstration de recherche.
Combinée à la fenêtre contextuelle d'un million de jetons introduite par le modèle d'aperçu, selon Pandaily, la charge de travail cible est sans ambiguïté : un agent détenant une base de code entière, sa documentation et son historique d'échecs dans la mémoire de travail pendant qu'il exécute une liste de tâches mesurée en heures.
Disponibilité : chat et API maintenant, poids ouverts à suivre
Le modèle est disponible immédiatement via le service de chat en ligne et la plateforme API de Meituan, selon TechNode. Les versions de GitHub et Hugging Face devraient suivre – un séquençage qui fait écho au manuel d'autres laboratoires chinois, qui proposent de plus en plus d'accès hébergé en premier et d'ouverture de poids peu de temps après.
La sortie mise en scène compte pour deux publics. Pour les entreprises, la disponibilité actuelle des API signifie que LongCat-2.5 peut être évalué immédiatement pour les charges de travail des agents de codage. Pour l'écosystème open source, la publication des pondérations promise déterminera si LongCat-2.5 deviendra une base pour des systèmes agentiques affinés, comme l'ont fait les précédents modèles chinois ouvertement publiés.
Une semaine chargée pour les sorties de modèles chinois
Le lancement a lieu au milieu d’une explosion d’activité dans le secteur chinois de l’IA. Le même jour, TechNode a rapporté que SenseTime avait mis à disposition un modèle de 9 milliards de paramètres qui réutilisait les couches pour un traitement plus approfondi, et que l'équipe de DeepSeek avait mis à disposition un prototype de recherche proactif sur les agents de codage. Meituan, mieux connu mondialement comme un géant de la livraison de nourriture, a discrètement construit l'un des programmes de recherche sur l'IA les plus crédibles du pays – et LongCat-2.5 est son argument selon lequel le codage agent, multimodal à partir de la base, est la charge de travail qui compte.
La question de savoir si la version complète surpasse le modèle d'aperçu sur les critères qui intéressent les agences et les développeurs (achèvement des tâches à long terme, modifications au niveau de la base de code, mise à la terre multimodale) sera le test immédiat. Ce qui est déjà clair, c'est l'orientation stratégique : le prochain terrain de contestation pour les grands modèles ne concerne pas les réponses triviales ou la rédaction d'essais, mais le travail autonome de plusieurs heures sur de vrais logiciels.
---
Gardez une longueur d'avance sur l'IARecevez les dernières actualités, analyses et avancées en matière d'IA, le tout en un seul endroit.
Lire plus d'actualités sur l'IA →
