Meituan a lansat LongCat-2.5 pe 2 noiembrie, adăugând un model multimodal nativ cu 1,6 trilioane de parametri la gama sa LongCat – și desemnând codificarea agentică pe orizont lung, nu chat, ca misiune principală. Potrivit TechNode, raportând despre lansarea prin IT Home, modelul activează aproximativ 48 de miliarde de parametri pentru fiecare token, o arhitectură concepută pentru a oferi capacitate la scară de frontieră fără a plăti costul total de inferență al numărului total de parametri pentru fiecare cerere.
Lansarea este o continuare de producție a LongCat-2.5-Preview, pe care Meituan l-a livrat la sfârșitul lunii septembrie ca un model de agent de amestec de experți 1.6T cu o fereastră de context de 1 milion de jetoane, conform acoperirii Pandaily la acea vreme. Pentru mai multe despre această poveste și despre cursa mai largă de modele, consultați Acoperirea modelelor AI.
Creat pentru agenții care lucrează ore, nu secunde
Pariul definitoriu al LongCat-2.5 este că frontiera s-a mutat de la răspunsul la întrebări la îndeplinirea sarcinilor. Meituan a spus că a extins instruirea pe secvențe lungi de sarcini și a aplicat învățare de consolidare la scară largă pentru a îmbunătăți munca modelului pe baze de cod complexe și proiecte software complete - joburile extinse, în mai mulți pași, în care sistemele de agenți tind să se deplaseze, să se blocheze sau să eșueze liniștit.
O tehnică de antrenament iese în evidență. Compania a spus că transformă eșecurile întâlnite de agenți reali în sarcini de instruire reproductibile, închizând bucla dintre ceea ce agenții de producție greșesc și ceea ce modelul învață în continuare. Este o abordare care tratează eșecurile agenților nu ca anecdote, ci ca curriculum - și semnalează că Meituan colectează date de antrenament din sistemele implementate la o scară pe care majoritatea laboratoarelor nu pot egala, având în vedere că operațiunile de livrare a alimentelor și logistică ale companiei generează volume enorme de trafic de sarcini în lumea reală.
Multimodalitate nativă într-un cadru Unified Token
LongCat-2.5 procesează intrările vizuale și de text într-un cadru de simbol unificat, în conformitate cu acoperirea lansării - ceea ce înseamnă că imaginile și textul sunt convertite în aceeași reprezentare de bază, mai degrabă decât corelate împreună prin codificatoare separate. Meituan spune că acest lucru permite codificarea vizuală, designul creativ și sarcinile 3D, alături de munca convențională de inginerie software.
Accentul multimodal este un factor de diferențiere în nișa de codificare agentică, unde majoritatea concurenților rămân pe primul loc pe text. Un agent care poate citi o machetă de design, poate argumenta despre o scenă 3D sau poate interpreta o captură de ecran a unui raport de eroare poate prelua o parte mai mare din munca reală de dezvoltare a unui produs decât unul care vede doar cod.
Economia a 48 de miliarde de parametri activați
Diviziunea 1.6T-total / ~48B-active merită despachetat, deoarece explică cui este acest model. Într-un design combinat de experți, doar o mică parte din rețea se declanșează pe orice token dat, ceea ce face ca un model la scară de un trilion să fie accesibil de rulat: capacitatea este disponibilă pentru cererile care au nevoie de ea, în timp ce costul pe token urmărește numărul de parametri activi. Pentru sarcinile de lucru agentice compușii matematici. Un agent care lucrează ore în șir generează sute de mii sau milioane de jetoane prin planificare, apeluri de instrumente și editări de coduri - așa că diferența dintre plata a 48 de miliarde de parametri activi și plata a 1,6 trilioane la fiecare pas este diferența dintre un produs viabil și un demo de cercetare.
Combinat cu fereastra de context de 1 milion de jetoane, modelul de previzualizare a introdus, pentru Pandaily, volumul de lucru țintă este clar: un agent care deține o bază de cod întreagă, documentația și istoricul erorilor sale în memoria de lucru în timp ce execută o listă de activități măsurată în ore.
Disponibilitate: Chat și API acum, deschideți ponderi de urmărit
Modelul este disponibil imediat prin intermediul serviciului de chat online Meituan și al platformei API, potrivit TechNode. Sunt planificate să urmeze lansările GitHub și Hugging Face – o secvențiere care face ecou cu manualul altor laboratoare chinezești, care oferă din ce în ce mai mult acces găzduit mai întâi și greutăți deschise la scurt timp după.
Lansarea în scenă contează pentru două audiențe. Pentru întreprinderi, disponibilitatea API-ului de astăzi înseamnă că LongCat-2.5 poate fi evaluat imediat pentru sarcinile de lucru ale agentului de codare. Pentru ecosistemul open-source, lansarea de ponderi promisă va determina dacă LongCat-2.5 devine o bază pentru sistemele agentice reglate, așa cum au făcut-o modelele chineze lansate anterior.
O săptămână aglomerată pentru lansările de modele chinezești
Lansarea aterizează pe fondul unei explozii de activitate din sectorul AI al Chinei. În aceeași zi, TechNode a raportat că SenseTime a creat în sursă deschisă un model cu 9 miliarde de parametri care reutiliza straturi pentru o procesare mai profundă și că echipa DeepSeek a creat un prototip proactiv de cercetare a agentului de codare. Meituan, cel mai bine cunoscut la nivel global ca un gigant al livrării de alimente, a construit în liniște unul dintre cele mai credibile programe de cercetare AI din țară – iar LongCat-2.5 este argumentul său că codificarea agentică, multimodală de la zero, este volumul de muncă care contează.
Dacă versiunea completă depășește modelul de previzualizare în ceea ce privește criteriile de referință la care țin agențiile și dezvoltatorii — finalizarea sarcinilor pe orizont lung, editări la nivel de bază de cod, stabilire multimodală — va fi testul imediat. Ceea ce este deja clar este direcția strategică: următorul teren contestat pentru modelele mari nu este răspunsurile triviale sau scrierea de eseuri, ci munca autonomă de ore de durată pe software real.
---
Rămâneți înaintea AIObțineți cele mai recente știri, analize și descoperiri AI - toate într-un singur loc.
Citește mai multe știri AI →
