Meituan wypuścił LongCat-2.5 2 listopada, dodając do swojej oferty LongCat natywny model multimodalny o 1,6 bilionach parametrów i wyznaczając długoterminowe kodowanie agentowe, a nie czat, jako swoją główną misję. Według TechNode, który raportuje o uruchomieniu za pośrednictwem IT Home, model aktywuje około 48 miliardów parametrów dla każdego tokena, co stanowi architekturę zaprojektowaną w celu zapewnienia wydajności na niespotykaną skalę bez płacenia pełnego kosztu wnioskowania na temat całkowitej liczby parametrów przy każdym żądaniu.
Premiera jest kontynuacją wersji LongCat-2.5-Preview, którą Meituan dostarczył pod koniec września jako model agenta złożonego z ekspertów o pojemności 1,6 T z oknem kontekstowym mieszczącym 1 milion tokenów, zgodnie z ówczesnym zasięgiem Pandaily. Więcej informacji na temat tej historii i szerszego wyścigu modelowego znajdziesz w naszym opisie modeli AI.
Stworzony dla agentów, którzy pracują godzinami, a nie sekundami
Najważniejszym założeniem LongCat-2.5 jest to, że granica przesunęła się od odpowiadania na pytania do wykonywania zadań. Meituan powiedział, że rozszerzył szkolenie na długich sekwencjach zadań i zastosował uczenie się przez wzmacnianie na dużą skalę, aby usprawnić pracę modelu na złożonych bazach kodu i kompletnych projektach oprogramowania — rozszerzonych, wieloetapowych zadaniach, w których systemy agentów mają tendencję do dryfowania, zatrzymywania się lub cichych awarii.
Wyróżnia się jedna technika treningowa. Firma twierdzi, że przekształca niepowodzenia napotykane przez prawdziwych agentów w powtarzalne zadania szkoleniowe, zamykając pętlę między tym, co popełniają błędy agenci produkcyjni, a tym, czego uczy się model. Jest to podejście, które traktuje niepowodzenia agentów nie jako anegdoty, ale jako program nauczania i sygnalizuje, że Meituan zbiera dane szkoleniowe z wdrożonych systemów na skalę, której większość laboratoriów nie może dorównać, biorąc pod uwagę, że działalność firmy w zakresie dostaw żywności i logistyki generuje ogromne ilości ruchu związanego z zadaniami w świecie rzeczywistym.
Natywna multimodalność w ujednoliconej strukturze tokenów
LongCat-2.5 przetwarza dane wejściowe wizualne i tekstowe w ramach ujednoliconej struktury tokenów, zgodnie z zasięgiem uruchomienia — co oznacza, że obrazy i tekst są konwertowane do tej samej podstawowej reprezentacji, a nie łączone razem za pomocą oddzielnych koderów. Meituan twierdzi, że umożliwia to kodowanie wizualne, kreatywne projektowanie i zadania 3D, obok konwencjonalnych prac związanych z inżynierią oprogramowania.
Nacisk na multimodalność jest wyróżnikiem w niszy kodowania agentowego, gdzie większość konkurentów koncentruje się przede wszystkim na tekście. Agent, który potrafi odczytać makietę projektu, uzasadnić scenę 3D lub zinterpretować zrzut ekranu raportu o błędzie, może wziąć na siebie większy udział w rzeczywistej pracy związanej z rozwojem produktu niż agent, który widzi tylko kod.
Ekonomia 48 miliardów aktywowanych parametrów
Warto rozpakować podział 1,6T-całkowity/~48B-aktywny, bo wyjaśnia dla kogo jest ten model. W projekcie złożonym z wielu ekspertów tylko niewielka część sieci uruchamia się na danym tokenie, co sprawia, że uruchomienie modelu w skali bilionów jest niedrogie: pojemność jest dostępna dla żądań, które jej potrzebują, a koszt tokenu śledzi liczbę aktywnych parametrów. W przypadku obciążeń agentycznych związki matematyczne. Agent pracujący godzinami generuje setki tysięcy lub miliony tokenów podczas planowania, wywołań narzędzi i edycji kodu — zatem różnica między płaceniem za 48 miliardów aktywnych parametrów a płaceniem za 1,6 biliona na każdym kroku stanowi różnicę między realnym produktem a wersją demonstracyjną badawczą.
W połączeniu z oknem kontekstowym zawierającym 1 milion tokenów wprowadzony model podglądu według Pandaily docelowe obciążenie pracą jest jednoznaczne: agent przechowujący całą bazę kodu, jego dokumentację i historię błędów w pamięci roboczej podczas wykonywania listy zadań mierzonej w godzinach.
Dostępność: Czat i API teraz, otwarte wagi do naśladowania
Według TechNode model jest dostępny natychmiast za pośrednictwem usługi czatu online Meituan i platformy API. Planowane są kolejne wydania GitHub i Hugging Face — kolejność nawiązująca do podręcznika innych chińskich laboratoriów, które coraz częściej dostarczają najpierw dostęp hostowany, a wkrótce potem otwarte wagi.
Inscenizacja ma znaczenie dla dwóch odbiorców. Dla przedsiębiorstw dzisiejsza dostępność API oznacza, że LongCat-2.5 można natychmiast przetestować pod kątem obciążeń agenta kodującego. W przypadku ekosystemu open source obiecana publikacja wag zadecyduje, czy LongCat-2.5 stanie się podstawą dostrojonych systemów agentowych, tak jak miało to miejsce w przypadku poprzednich, publicznie udostępnionych modeli chińskich.
Zatłoczony tydzień premier chińskich modeli
Premiera następuje w związku z gwałtownym wzrostem aktywności w chińskim sektorze sztucznej inteligencji. Tego samego dnia TechNode poinformował, że SenseTime udostępnił na zasadach open source model zawierający 9 miliardów parametrów, który ponownie wykorzystuje warstwy do głębszego przetwarzania, oraz że zespół DeepSeek udostępnił na zasadach open source prototyp badawczy proaktywnego agenta kodowania. Firma Meituan, najbardziej znana na całym świecie jako gigant w branży dostaw żywności, po cichu zbudowała jeden z bardziej wiarygodnych programów badawczych w zakresie sztucznej inteligencji w kraju, a LongCat-2.5 stanowi jej argument, że kodowanie agentowe, multimodalne od podstaw, to obciążenie pracą, które ma znaczenie.
Natychmiastowym testem będzie to, czy pełna wersja będzie lepsza od wersji zapoznawczej w testach porównawczych, na których zależy agencjom i programistom – realizacji zadań długoterminowych, edytowaniu na poziomie bazy kodu, uziemieniu multimodalnym. Jasny jest już kierunek strategiczny: kolejnym polem spornym dla dużych modeli nie są odpowiedzi na ciekawostki czy pisanie esejów, ale wielogodzinna, samodzielna praca nad prawdziwym oprogramowaniem.
---
Wyprzedź sztuczną inteligencjęOtrzymuj najnowsze wiadomości, analizy i przełomowe informacje dotyczące sztucznej inteligencji — wszystko w jednym miejscu.
Przeczytaj więcej aktualności o sztucznej inteligencji →
