Meituan သည် Agentic Coding အတွက် တည်ဆောက်ထားသော 1.6-Trillion-Parameter Multimodal Model LongCat-2.5 ကို မိတ်ဆက်ခဲ့သည်

Meituan သည် LongCat-2.5 ကို နို၀င်ဘာ 2 ရက်နေ့တွင် ထုတ်ပြန်ခဲ့ပြီး 1.6 ထရီလီယံ ပါရာမီတာ မူရင်း multimodal မော်ဒယ်ကို ၎င်း၏ LongCat စီးရီးတွင် ထည့်သွင်းကာ ၎င်း၏ အဓိက တာဝန်အဖြစ် chat မဟုတ်ဘဲ long-horizon agentic coding ကို ဒီဇိုင်းထုတ်ခြင်း ဖြစ်သည်။ TechNode ၏ အဆိုအရ IT Home မှတစ်ဆင့် လွှင့်တင်ခြင်းအပေါ် အစီရင်ခံခြင်းအရ၊ မော်ဒယ်သည် တောင်းဆိုချက်တိုင်းအတွက် စုစုပေါင်း parameter အရေအတွက်ကို အပြည့်အဝ မပေးရဘဲ နယ်ခြားစကေးစွမ်းရည်ကို ပေးဆောင်ရန် ဒီဇိုင်းထုတ်ထားသည့် တိုကင်တစ်ခုစီအတွက် ခန့်မှန်းခြေ 48 ဘီလီယံ ဘောင်များကို အသက်သွင်းပေးပါသည်။

မိတ်ဆက်မှုသည် LongCat-2.5-Preview ၏ထုတ်လုပ်မှုနောက်ဆက်တွဲဖြစ်ပြီး၊ ထိုအချိန်က Pandaily ၏ဖော်ပြမှုအရ 1.6T ပေါင်းစပ်ကျွမ်းကျင်သူအေးဂျင့်မော်ဒယ်အဖြစ် စက်တင်ဘာလနှောင်းပိုင်းတွင် တင်ပို့ခဲ့သည့် LongCat-2.5-Preview ၏ထုတ်လုပ်မှုနောက်ဆက်တွဲဖြစ်သည်။ ဤဇာတ်လမ်းနှင့် ပိုမိုကျယ်ပြန့်သော မော်ဒယ်ပြိုင်ပွဲအတွက် ကျွန်ုပ်တို့၏ AI မော်ဒယ်များ လွှမ်းခြုံမှု ကို ကြည့်ပါ။

နာရီများ၊ စက္ကန့်ပိုင်းမဟုတ်သော အေးဂျင့်များအတွက် တည်ဆောက်ထားသည်။

LongCat-2.5 ၏ အဓိပ္ပါယ်ဖွင့်ဆိုချက်မှာ နယ်နိမိတ်သည် မေးခွန်းများဖြေဆိုခြင်းမှ အလုပ်များကို ပြီးမြောက်ခြင်းသို့ ပြောင်းရွှေ့သွားခြင်းဖြစ်သည်။ ရှုပ်ထွေးသောကုဒ်ဘေ့စ်များနှင့် ဆော့ဖ်ဝဲလ်ပရောဂျက်များအတွက် မော်ဒယ်၏လုပ်ငန်းကို တိုးတက်စေရန် ရှည်လျားသောလုပ်ငန်းစဥ်များဆိုင်ရာ လေ့ကျင့်မှုကို တိုးချဲ့ပြီး ကြီးမားသောအားဖြည့်သင်ကြားမှုကို အသုံးချခဲ့ကြောင်း၊ အေးဂျင့်စနစ်များ ရပ်တန့်ခြင်း၊ ရပ်တန့်ခြင်း သို့မဟုတ် တိတ်တဆိတ် ကျရှုံးလေ့ရှိသည့် တိုးချဲ့၊ အဆင့်ပေါင်းများစွာ အလုပ်များဖြစ်သည်ဟု Meituan မှ ပြောကြားခဲ့သည်။

လေ့ကျင့်ရေးနည်းပညာတစ်ခု ထင်ရှားသည်။ ကုမ္ပဏီက အမှန်တကယ် အေးဂျင့်များ ကြုံတွေ့လာရသည့် ပျက်ကွက်မှုများကို ပြန်လည်ထုတ်လုပ်နိုင်သော လေ့ကျင့်ရေးလုပ်ငန်းများအဖြစ် ပြောင်းလဲကာ ထုတ်လုပ်ရေးအေးဂျင့်များ မှားယွင်းသွားသည့်အရာနှင့် မော်ဒယ်နောက်ထပ်သင်ယူရမည့်အရာများကြား ကွင်းဆက်ကို ပိတ်ပစ်လိုက်သည်ဟု ကုမ္ပဏီက ပြောကြားခဲ့သည်။ ၎င်းသည် အေးဂျင့်ကျရှုံးမှုများကို ပုံတိုပတ်စများအဖြစ်မဟုတ်ဘဲ သင်ရိုးညွှန်းတမ်းအဖြစ် ကုသပေးသည့် ချဉ်းကပ်မှုတစ်ခုဖြစ်သည် — နှင့် Meituan သည် ဓာတ်ခွဲခန်းအများစုတွင် တပ်ဆင်ထားသောစနစ်များမှ ပြင်းထန်သောလေ့ကျင့်ရေးဒေတာကို ရိတ်သိမ်းနေကြောင်း၊ ကုမ္ပဏီ၏အစားအစာပေးပို့ခြင်းနှင့် ထောက်ပံ့ပို့ဆောင်ရေးလုပ်ငန်းများသည် လက်တွေ့ကမ္ဘာ၏လုပ်ငန်းဆောင်တာပမာဏများစွာကို ဖန်တီးပေးသောကြောင့် ၎င်းသည် ပြင်းထန်သောလေ့ကျင့်ရေးဒေတာကို ရိတ်သိမ်းနေကြောင်း အချက်ပြနေသည်။

ပေါင်းစည်းထားသော တိုကင်ဘောင်တစ်ခုရှိ မူရင်း Multimodality

LongCat-2.5 သည် စတင်ခြင်းလွှမ်းခြုံမှုအရ ရုပ်မြင်သံကြားနှင့် စာသားထည့်သွင်းမှုများကို စုစည်းထားသည့် တိုကင်ဘောင်တစ်ခုအတွင်း လုပ်ဆောင်သည် — အဓိပ္ပာယ်မှာ ရုပ်ပုံများနှင့် စာသားများကို သီးခြားကုဒ်နံပါတ်များဖြင့် ဖာထေးခြင်းထက် တူညီသောအခြေခံကိုယ်စားပြုအဖြစ်သို့ ပြောင်းလဲသွားပါသည်။ ၎င်းသည် သမားရိုးကျဆော့ဖ်ဝဲလ်အင်ဂျင်နီယာအလုပ်များနှင့်အတူ အမြင်ဆိုင်ရာကုဒ်ဆွဲခြင်း၊ တီထွင်ဖန်တီးမှုဒီဇိုင်းနှင့် 3D လုပ်ဆောင်ချက်များကို လုပ်ဆောင်နိုင်သည်ဟု Meituan မှပြောကြားခဲ့သည်။

ဘက်စုံအလေးပေးမှုမှာ ပြိုင်ဘက်အများစုသည် စာသားကို ဦးစွာထားလေ့ရှိသည့် အေးဂျင့်-ကုဒ်ရေးနည်းတွင် ကွဲပြားမှုတစ်ခုဖြစ်သည်။ ဒီဇိုင်းပုံသဏ္ဍန်တစ်ခုကို ဖတ်ရှုနိုင်သည်၊ 3D မြင်ကွင်းအကြောင်း အကြောင်းပြချက် သို့မဟုတ် ချွတ်ယွင်းချက်အစီရင်ခံစာ၏ ဖန်သားပြင်ပုံတစ်ပုံကို အဓိပ္ပာယ်ပြန်ဆိုနိုင်သော အေးဂျင့်သည် ကုဒ်ကိုမြင်ရုံမျှသာမြင်ရသည်ထက် တကယ့်ထုတ်ကုန်-ဖွံ့ဖြိုးတိုးတက်မှုလုပ်ငန်း၏ ကျယ်ပြန့်သောဝေစုကို ရယူနိုင်သည်။

48 Billion Activated Parameters ၏ စီးပွားရေး

1.6T-total / ~48B-active ခွဲခြမ်းသည် ဤမော်ဒယ်အတွက် မည်သူဖြစ်သည်ကို ရှင်းပြထားသောကြောင့် ထုပ်ပိုးရန် ထိုက်တန်ပါသည်။ ကျွမ်းကျင်သူများ၏ ပေါင်းစပ်ဒီဇိုင်းတွင်၊ ပေးထားသော တိုကင်တစ်ခုပေါ်တွင် ကွန်ရက်၏ အနည်းငယ်မျှသာ မီးလောင်နေသည်၊ ၎င်းသည် ထရီလျံစကေးမော်ဒယ်ကို လည်ပတ်ရန် တတ်နိုင်စေသည်- ၎င်းကို လိုအပ်သည့် တောင်းဆိုချက်များအတွက် စွမ်းရည်မှာ ရှိနေပြီး၊ တိုကင်တစ်ခုလျှင် ကုန်ကျစရိတ်သည် တက်ကြွသော ကန့်သတ်ချက်အရေအတွက်ကို ခြေရာခံသည်။ agentic workloads အတွက် သင်္ချာဒြပ်ပေါင်းများ။ နာရီပေါင်းများစွာ အလုပ်လုပ်သော အေးဂျင့်တစ်ခုသည် အစီအစဉ်ဆွဲခြင်း၊ ကိရိယာခေါ်ဆိုမှုများနှင့် ကုဒ်တည်းဖြတ်ခြင်းများတစ်လျှောက် ရာနှင့်ချီသော တိုကင်များကို ထုတ်ပေးသည် — ထို့ကြောင့် အသက်ဝင်သောကန့်သတ်ဘောင်များကို 48 ဘီလီယံပေးချေခြင်းနှင့် အဆင့်တိုင်းတွင် 1.6 ထရီလီယံအတွက် ပေးချေခြင်းကြားကွာဟမှုသည် အလားအလာရှိသောထုတ်ကုန်နှင့် သုတေသနသရုပ်ပြတစ်ခုကြား ကွာဟချက်ဖြစ်သည်။

1 million-token context window နှင့် ပေါင်းစပ်ထားသော Pandaily အရ၊ ပစ်မှတ်အလုပ်load သည် ရှင်းရှင်းလင်းလင်းမရှိပါ- နာရီများနှင့်တိုင်းတာသည့်လုပ်ဆောင်စရာစာရင်းကိုလုပ်ဆောင်နေစဉ်အတွင်း လုပ်ဆောင်နေသောမှတ်ဉာဏ်တွင် ၎င်း၏စာရွက်စာတမ်းများနှင့် ၎င်း၏ပျက်ကွက်မှုမှတ်တမ်းကို အေးဂျင့်က ကိုင်ဆောင်ထားသည်။

ရရှိနိုင်မှု- Chat နှင့် API ယခု၊ Follow လုပ်ရန် Weights ကိုဖွင့်ပါ။

TechNode ၏အဆိုအရ Meituan ၏အွန်လိုင်းချက်တင်ဝန်ဆောင်မှုနှင့် API ပလပ်ဖောင်းမှမော်ဒယ်ကိုချက်ချင်းရရှိနိုင်သည်။ GitHub နှင့် Hugging Face ဖြန့်ချိမှုများကို လိုက်နာရန် စီစဉ်ထားသည် — သည် အခြားတရုတ်ဓာတ်ခွဲခန်းများ၏ ပြခန်းစာအုပ်ကို ပဲ့တင်ထပ်စေသည့် ဆင့်ခေါ်ခြင်းဖြစ်ပြီး၊ ပထမဆုံးဝင်ရောက်ခွင့်နှင့် မကြာမီအချိန်အတွင်း အလေးချိန်များကို ပိုမိုလက်ခံနိုင်စေရန် ပို့ဆောင်ပေးပါသည်။

အစီအစဥ်ထွက်ရှိမှုသည် ပရိသတ်နှစ်ဦးအတွက် အရေးကြီးသည်။ လုပ်ငန်းများအတွက်၊ ယနေ့ API ရရှိနိုင်မှုကို ဆိုလိုသည်မှာ LongCat-2.5 သည် coding-agent workloads အတွက် ချက်ချင်းအကဲဖြတ်နိုင်ပါသည်။ open-source ဂေဟစနစ်အတွက်၊ LongCat-2.5 သည် ယခင်ထုတ်ထားသော တရုတ်မော်ဒယ်များကဲ့သို့ ပွင့်ပွင့်လင်းလင်း ချိန်ညှိထားသော အေးဂျင့်စနစ်များအတွက် အခြေခံအုတ်မြစ်ဖြစ်လာခြင်း ရှိ၊

တရုတ်မော်ဒယ်များ ဖြန့်ချိမှုအတွက် လူစည်ကားသော ရက်သတ္တပတ်

တရုတ်နိုင်ငံ၏ AI ကဏ္ဍမှ လှုပ်ရှားမှုများ ဆက်တိုက်ဖြစ်ပေါ်နေချိန်တွင် အဆိုပါ ပစ်လွှတ်မှု ထွက်ပေါ်လာခြင်းဖြစ်သည်။ ထိုနေ့တွင်ပင် TechNode မှ SenseTime သည် 9-billion-parameter model အား နက်နဲသောလုပ်ဆောင်မှုအတွက် အလွှာများကိုပြန်လည်အသုံးပြုသည့် open-source မှတင်ပြခဲ့ကြောင်းနှင့် DeepSeek ၏အဖွဲ့သည် open-source မှ proactive coding အေးဂျင့်သုတေသနရှေ့ပြေးပုံစံကိုပြုလုပ်ခဲ့သည်။ ကမ္ဘာတစ်ဝှမ်းတွင် အစားအသောက်ပေးပို့သည့်ကုမ္ပဏီကြီးတစ်ခုအဖြစ် လူသိများသော Meituan သည် နိုင်ငံအတွင်း ပိုမိုယုံကြည်ရလောက်သော AI သုတေသနပရိုဂရမ်များထဲမှ တစ်ခုကို တိတ်တဆိတ်တည်ဆောက်ခဲ့ပြီး LongCat-2.5 သည် ၎င်း၏ အကြောင်းပြချက်မှာ အခြေခံမှစပြီး ဘက်စုံသုံးကုဒ်နံပါတ်သည် အရေးကြီးသည့် အလုပ်တာဝန်ဖြစ်သည်ဟူသော အချက်ဖြစ်သည်။

ထုတ်ဝေမှု အပြည့်အစုံသည် အေဂျင်စီများနှင့် ဆော့ဖ်ဝဲရေးသားသူများ အလေးထားသည့် စံနှုန်းများပေါ်ရှိ အစမ်းကြည့်ရှုမှုပုံစံကို ကျော်လွန်ခြင်းရှိမရှိ — long-horizon task ပြီးစီးမှု၊ codebase-level တည်းဖြတ်မှုများ၊ multimodal grounding — သည် ချက်ချင်းစမ်းသပ်မှုဖြစ်လိမ့်မည်။ ရှင်းရှင်းလင်းလင်းရှိပြီးသားအချက်မှာ ဗျူဟာမြောက်ဦးတည်ချက်ဖြစ်သည်- မော်ဒယ်ကြီးများအတွက် နောက်ထပ်ပြိုင်ဆိုင်ရမည့်အချက်မှာ အသေးအဖွဲအဖြေများ သို့မဟုတ် စာစီစာကုံးရေးသားခြင်းမဟုတ်သော်လည်း စစ်မှန်သောဆော့ဖ်ဝဲလ်ပေါ်တွင် နာရီပေါင်းများစွာ အလိုအလျောက်လုပ်ဆောင်နိုင်မည်ဖြစ်သည်။

---

AI ၏ရှေ့တွင်နေရန်

နောက်ဆုံးပေါ် AI သတင်းများ၊ ခွဲခြမ်းစိတ်ဖြာမှုနှင့် အောင်မြင်မှုများ—အားလုံးကို တစ်နေရာတည်းတွင် ရယူပါ။

AI သတင်းအပြည့်အစုံကို ဖတ်ရှုရန် →