Meituan released LongCat-2.5 on November 2, adding a 1.6-trillion-parameter native multimodal model to its LongCat lineup — and designating long-horizon agentic coding, not chat, as its primary mission. จากข้อมูลของ TechNode ซึ่งรายงานเกี่ยวกับการเปิดตัวผ่านทาง IT Home โมเดลดังกล่าวจะเปิดใช้งานพารามิเตอร์ประมาณ 48 พันล้านพารามิเตอร์สำหรับแต่ละโทเค็น ซึ่งเป็นสถาปัตยกรรมที่ออกแบบมาเพื่อมอบความจุระดับแนวหน้าโดยไม่ต้องจ่ายต้นทุนการอนุมานเต็มจำนวนของพารามิเตอร์ทั้งหมดในทุกคำขอ

The launch is the production follow-up to LongCat-2.5-Preview, which Meituan shipped in late September as a 1.6T mixture-of-experts agent model with a 1 million-token context window, per Pandaily's coverage at the time. หากต้องการข้อมูลเพิ่มเติมเกี่ยวกับเรื่องราวนี้และการแข่งขันโมเดลที่กว้างขึ้น โปรดดู การครอบคลุมโมเดล AI

สร้างขึ้นสำหรับตัวแทนที่ทำงานเป็นเวลาหลายชั่วโมง ไม่ใช่วินาที

การเดิมพันที่กำหนดของ LongCat-2.5 คือขอบเขตได้ย้ายจากการตอบคำถามไปสู่การทำงานให้เสร็จสิ้น Meituan said it expanded training on long task sequences and applied large-scale reinforcement learning to improve the model's work on complex codebases and complete software projects — the extended, multi-step jobs where agent systems tend to drift, stall or quietly fail.

เทคนิคการฝึกอบรมอย่างหนึ่งโดดเด่น บริษัทกล่าวว่าจะแปลงความล้มเหลวที่ตัวแทนจริงพบเป็นงานการฝึกอบรมที่ทำซ้ำได้ โดยปิดวงจรระหว่างสิ่งที่ตัวแทนฝ่ายผลิตทำผิดกับสิ่งที่โมเดลเรียนรู้ต่อไป It is an approach that treats agent failures not as anecdotes but as curriculum — and it signals that Meituan is harvesting hard training data from deployed systems at a scale most labs cannot match, given the company's food-delivery and logistics operations generate enormous volumes of real-world task traffic.

ความหลากหลายดั้งเดิมใน Unified Token Framework

LongCat-2.5 processes visual and text inputs within a unified token framework, according to the launch coverage — meaning images and text are converted into the same underlying representation rather than patched together through separate encoders. Meituan กล่าวว่าสิ่งนี้ช่วยให้สามารถเขียนโค้ดด้วยภาพ การออกแบบที่สร้างสรรค์ และงาน 3D ควบคู่ไปกับงานวิศวกรรมซอฟต์แวร์ทั่วไป

การเน้นต่อเนื่องหลายรูปแบบเป็นตัวสร้างความแตกต่างในช่องการเข้ารหัสเอเจนต์ โดยที่คู่แข่งส่วนใหญ่ยังคงให้ความสำคัญกับข้อความเป็นอันดับแรก เจ้าหน้าที่ที่สามารถอ่านแบบจำลองการออกแบบ เหตุผลเกี่ยวกับฉาก 3 มิติ หรือตีความภาพหน้าจอของรายงานข้อบกพร่องสามารถมีส่วนร่วมในงานพัฒนาผลิตภัณฑ์จริงในวงกว้างมากกว่างานที่เห็นเฉพาะโค้ดเท่านั้น

เศรษฐศาสตร์ของพารามิเตอร์ที่เปิดใช้งาน 48 พันล้านรายการ

การแบ่งแยกที่ใช้งานอยู่ทั้งหมด 1.6T / ~48B นั้นคุ้มค่าที่จะแกะออก เพราะมันอธิบายว่าโมเดลนี้เหมาะสำหรับใคร ในการออกแบบที่ผสมผสานโดยผู้เชี่ยวชาญ มีเพียงส่วนเล็กๆ ของเครือข่ายที่เรียกใช้โทเค็นใดๆ ก็ตาม ซึ่งทำให้โมเดลขนาดล้านล้านมีราคาไม่แพงในการเรียกใช้: ความจุมีไว้สำหรับคำขอที่ต้องการ ในขณะที่ต้นทุนต่อโทเค็นจะติดตามจำนวนพารามิเตอร์ที่ใช้งานอยู่ สำหรับปริมาณงานเอเจนต์ ให้ใช้สารประกอบทางคณิตศาสตร์ An agent that works for hours generates hundreds of thousands or millions of tokens across planning, tool calls and code edits — so the gap between paying for 48 billion active parameters and paying for 1.6 trillion on every step is the difference between a viable product and a research demo.

Combined with the 1 million-token context window the preview model introduced, per Pandaily, the target workload is unambiguous: an agent holding an entire codebase, its documentation and its failure history in working memory while it executes a task list measured in hours.

พร้อมใช้งาน: แชทและ API ทันที เปิด Weights เพื่อติดตาม

โมเดลดังกล่าวพร้อมให้ใช้งานทันทีผ่านบริการแชทออนไลน์และแพลตฟอร์ม API ของ Meituan ตามข้อมูลของ TechNode GitHub and Hugging Face releases are planned to follow — a sequencing that echoes the playbook of other Chinese labs, which increasingly ship hosted access first and open weights shortly after.

การเปิดตัวแบบจัดฉากมีความสำคัญสำหรับผู้ชมสองคน สำหรับองค์กร ความพร้อมใช้งานของ API ในปัจจุบันหมายความว่า LongCat-2.5 สามารถประเมินได้ทันทีสำหรับปริมาณงานของตัวแทนการเขียนโค้ด For the open-source ecosystem, the promised weights release will determine whether LongCat-2.5 becomes a foundation for fine-tuned agentic systems the way previous openly released Chinese models have.

สัปดาห์ที่อัดแน่นไปด้วยการเผยแพร่โมเดลของจีน

การเปิดตัวเกิดขึ้นท่ามกลางกิจกรรมมากมายจากภาค AI ของจีน ในวันเดียวกันนั้น TechNode รายงานว่า SenseTime ได้โอเพ่นซอร์สโมเดล 9 พันล้านพารามิเตอร์ที่นำเลเยอร์กลับมาใช้ซ้ำเพื่อการประมวลผลที่ลึกยิ่งขึ้น และทีมงานของ DeepSeek ได้โอเพ่นซอร์สต้นแบบการวิจัยเอเจนต์การเขียนโค้ดเชิงรุก Meituan ซึ่งเป็นที่รู้จักทั่วโลกในฐานะบริษัทจัดส่งอาหารยักษ์ใหญ่ ได้สร้างโครงการวิจัย AI ที่น่าเชื่อถือที่สุดโครงการหนึ่งในประเทศอย่างเงียบ ๆ และ LongCat-2.5 ก็เป็นข้อโต้แย้งที่ว่าการเข้ารหัสแบบตัวแทนซึ่งมีหลายรูปแบบตั้งแต่ต้นจนจบเป็นภาระงานที่สำคัญ

การเปิดตัวเวอร์ชันเต็มจะมีประสิทธิภาพเหนือกว่าโมเดลตัวอย่างตามเกณฑ์มาตรฐานที่เอเจนซี่และนักพัฒนาให้ความสำคัญหรือไม่ ไม่ว่าจะเป็นการทำงานในขอบเขตที่ยาวนาน การแก้ไขระดับโค้ดเบส การต่อสายดินหลายรูปแบบ จะเป็นการทดสอบทันทีหรือไม่ สิ่งที่ชัดเจนอยู่แล้วคือทิศทางเชิงกลยุทธ์: ประเด็นโต้แย้งถัดไปสำหรับโมเดลขนาดใหญ่ไม่ใช่คำตอบง่ายๆ หรือการเขียนเรียงความ แต่เป็นการทำงานอิสระที่ใช้เวลานานหลายชั่วโมงบนซอฟต์แวร์จริง

---

ก้าวนำหน้า AI

รับข่าวสาร AI การวิเคราะห์ และความก้าวหน้าล่าสุด ทั้งหมดในที่เดียว

อ่านข่าว AI เพิ่มเติม →