Meituan ha rilasciato LongCat-2.5 il 2 novembre, aggiungendo un modello multimodale nativo da 1,6 trilioni di parametri alla sua gamma LongCat e designando la codifica di agenti a lungo orizzonte, e non la chat, come missione principale. Secondo TechNode, riferendo sul lancio tramite IT Home, il modello attiva circa 48 miliardi di parametri per ciascun token, un'architettura progettata per fornire capacità su scala di frontiera senza pagare l'intero costo di inferenza del conteggio totale dei parametri su ogni richiesta.
Il lancio è il seguito della produzione di LongCat-2.5-Preview, che Meituan ha spedito a fine settembre come modello di agente misto di esperti da 1,6 T con una finestra di contesto da 1 milione di token, secondo la copertura di Pandaily dell'epoca. Per ulteriori informazioni su questa storia e sulla più ampia corsa ai modelli, consulta la nostra Copertura sui modelli AI.
Progettato per agenti che lavorano per ore, non per secondi
La scommessa decisiva di LongCat-2.5 è che la frontiera si è spostata dalla risposta alle domande al completamento delle attività. Meituan ha affermato di aver ampliato la formazione su lunghe sequenze di attività e di aver applicato l'apprendimento di rinforzo su larga scala per migliorare il lavoro del modello su basi di codice complesse e progetti software completi: i lavori estesi in più fasi in cui i sistemi di agenti tendono ad andare alla deriva, a bloccarsi o a fallire silenziosamente.
Spicca una tecnica di allenamento. La società ha affermato di convertire i fallimenti riscontrati dagli agenti reali in attività di formazione riproducibili, chiudendo il cerchio tra ciò che gli agenti di produzione sbagliano e ciò che il modello apprende successivamente. Si tratta di un approccio che tratta i fallimenti degli agenti non come aneddoti ma come curriculum – e segnala che Meituan sta raccogliendo dati di duro addestramento dai sistemi implementati su una scala che la maggior parte dei laboratori non può eguagliare, dato che le operazioni di consegna di cibo e logistica dell’azienda generano enormi volumi di traffico di attività nel mondo reale.
Multimodalità nativa in un framework di token unificato
LongCat-2.5 elabora input visivi e di testo all'interno di un framework di token unificato, in base alla copertura del lancio, il che significa che immagini e testo vengono convertiti nella stessa rappresentazione sottostante anziché messi insieme tramite codificatori separati. Meituan afferma che ciò consente la codifica visiva, la progettazione creativa e le attività 3D insieme al lavoro di ingegneria del software convenzionale.
L’enfasi multimodale è un elemento di differenziazione nella nicchia della codifica ad agenti, dove la maggior parte dei concorrenti rimane incentrata sul testo. Un agente in grado di leggere un modello di progettazione, ragionare su una scena 3D o interpretare uno screenshot di una segnalazione di bug può assumere una quota più ampia di lavoro di sviluppo del prodotto reale rispetto a uno che vede solo il codice.
L'economia di 48 miliardi di parametri attivati
Vale la pena disimballare la suddivisione di 1,6 T totali / ~ 48 B attivi, perché spiega a chi è rivolto questo modello. In un progetto misto di esperti, solo una piccola frazione della rete si attiva su un dato token, il che è ciò che rende accessibile l’esecuzione di un modello su scala trilioni: la capacità è lì per le richieste che ne hanno bisogno, mentre il costo per token tiene traccia del conteggio dei parametri attivi. Per i carichi di lavoro agentici i composti matematici. Un agente che lavora per ore genera centinaia di migliaia o milioni di token tra pianificazione, chiamate a strumenti e modifiche al codice, quindi il divario tra il pagamento di 48 miliardi di parametri attivi e il pagamento di 1,6 trilioni ad ogni passaggio è la differenza tra un prodotto fattibile e una demo di ricerca.
In combinazione con la finestra di contesto da 1 milione di token introdotta dal modello di anteprima, secondo Pandaily, il carico di lavoro target è inequivocabile: un agente che mantiene un'intera base di codice, la sua documentazione e la cronologia dei guasti nella memoria di lavoro mentre esegue un elenco di attività misurato in ore.
Disponibilità: chat e API adesso, pesi aperti da seguire
Secondo TechNode, il modello è immediatamente disponibile tramite il servizio di chat online e la piattaforma API di Meituan. Seguiranno i rilasci di GitHub e Hugging Face, una sequenza che riecheggia il playbook di altri laboratori cinesi, che sempre più spesso spediscono prima l'accesso ospitato e i pesi aperti poco dopo.
La versione graduale è importante per due tipi di pubblico. Per le aziende, la disponibilità delle API oggi significa che LongCat-2.5 può essere valutato immediatamente per i carichi di lavoro degli agenti di codifica. Per l’ecosistema open source, il rilascio dei pesi promesso determinerà se LongCat-2.5 diventerà una base per sistemi ad agenti perfezionati come hanno fatto i precedenti modelli cinesi rilasciati apertamente.
Una settimana affollata per le uscite dei modelli cinesi
Il lancio avviene nel mezzo di un’esplosione di attività nel settore dell’intelligenza artificiale cinese. Lo stesso giorno, TechNode ha riferito che SenseTime ha reso open source un modello da 9 miliardi di parametri che riutilizza i livelli per un'elaborazione più approfondita e che il team di DeepSeek ha reso open source un prototipo di ricerca proattiva sull'agente di codifica. Meituan, meglio conosciuto a livello globale come gigante della consegna di cibo, ha tranquillamente costruito uno dei programmi di ricerca sull’intelligenza artificiale più credibili nel paese – e LongCat-2.5 è la sua tesi secondo cui la codifica ad agenti, multimodale da zero, è il carico di lavoro che conta.
Se la versione completa supererà il modello di anteprima sui parametri di riferimento a cui tengono le agenzie e gli sviluppatori (completamento di attività a lungo orizzonte, modifiche a livello di base di codice, messa a terra multimodale) sarà il test immediato. Ciò che è già chiaro è la direzione strategica: il prossimo terreno controverso per i modelli di grandi dimensioni non sono le risposte banali o la scrittura di saggi, ma il lavoro autonomo di ore su software reale.
---
Stai al passo con l'intelligenza artificialeRicevi le ultime notizie, analisi e scoperte sull'intelligenza artificiale, tutto in un unico posto.
Leggi altre notizie sull'AI →
