Meituan, 2 Kasım'da LongCat-2.5'i piyasaya sürerek LongCat serisine 1,6 trilyon parametreli yerel çok modlu bir model ekledi ve ana görevi olarak sohbeti değil, uzun ufuklu ajansal kodlamayı belirledi. IT Home aracılığıyla lansman hakkında rapor veren TechNode'a göre model, her istekte toplam parametre sayısının tam çıkarım maliyetini ödemeden sınır ölçeğinde kapasite sağlamak üzere tasarlanmış bir mimari olan her token için yaklaşık 48 milyar parametreyi etkinleştiriyor.

Lansman, Pandaily'nin o dönemdeki haberine göre, Meituan'ın Eylül ayı sonlarında 1 milyon jetonluk bağlam penceresine sahip 1.6T uzman karışımı temsilci modeli olarak gönderdiği LongCat-2.5-Preview'in üretim takibidir. Bu hikaye ve daha geniş model yarışı hakkında daha fazla bilgi için AI modelleri kapsamımıza bakın.

Saniyeler Değil, Saatlerce Çalışan Temsilciler için Geliştirildi

LongCat-2.5'in belirleyici özelliği, sınırın soruları yanıtlamaktan görevleri tamamlamaya doğru ilerlemesidir. Meituan, modelin karmaşık kod tabanları ve komple yazılım projeleri (ajan sistemlerinin sürüklenme, durma veya sessizce başarısız olma eğiliminde olduğu genişletilmiş, çok adımlı işler) üzerindeki çalışmasını iyileştirmek için uzun görev dizileri hakkındaki eğitimi genişlettiğini ve büyük ölçekli takviyeli öğrenme uyguladığını söyledi.

Bir eğitim tekniği öne çıkıyor. Şirket, gerçek temsilcilerin karşılaştığı hataları tekrarlanabilir eğitim görevlerine dönüştürdüğünü, üretim temsilcilerinin yanlış yaptığı şeyler ile modelin daha sonra öğrenecekleri arasındaki döngüyü kapattığını söyledi. Bu, temsilci başarısızlıklarını anekdot olarak değil müfredat olarak ele alan bir yaklaşımdır ve şirketin gıda teslimatı ve lojistik operasyonlarının muazzam hacimlerde gerçek dünya görev trafiği oluşturduğu göz önüne alındığında, Meituan'ın konuşlandırılmış sistemlerden çoğu laboratuvarın eşleşemeyeceği bir ölçekte zorlu eğitim verileri topladığının sinyalini verir.

Birleşik Token Çerçevesinde Yerel Çok Yöntemlilik

LongCat-2.5, lansman kapsamına göre görsel ve metin girişlerini birleşik bir belirteç çerçevesi içinde işler; bu, görüntülerin ve metnin ayrı kodlayıcılar aracılığıyla birbirine eklenmesi yerine aynı temel temsile dönüştürüldüğü anlamına gelir. Meituan, bunun geleneksel yazılım mühendisliği çalışmalarının yanı sıra görsel kodlama, yaratıcı tasarım ve 3D görevleri mümkün kıldığını söylüyor.

Çok modlu vurgu, çoğu rakibin önce metin olarak kaldığı temsilci kodlama alanında bir farklılaştırıcıdır. Bir tasarım maketini okuyabilen, bir 3D sahne hakkında mantık yürütebilen veya bir hata raporunun ekran görüntüsünü yorumlayabilen bir aracı, yalnızca kodu gören bir aracıya göre gerçek ürün geliştirme işinde daha geniş bir paya sahip olabilir.

48 Milyar Etkinleştirilmiş Parametrenin Ekonomisi

Toplam 1,6T / ~48B-aktif ayrımı paketten çıkarılmaya değer çünkü bu modelin kimin için olduğunu açıklıyor. Uzmanlardan oluşan bir tasarımda, ağın yalnızca küçük bir kısmı belirli bir token üzerinde harekete geçer; bu da trilyon ölçekli bir modeli çalıştırmayı uygun maliyetli kılan şeydir: ihtiyaç duyan istekler için kapasite mevcuttur, token başına maliyet ise aktif parametre sayısını takip eder. Aracılı iş yükleri için matematik bileşikleri. Saatlerce çalışan bir aracı, planlama, araç çağrıları ve kod düzenlemeleri sırasında yüzbinlerce veya milyonlarca jeton üretir; dolayısıyla, 48 milyar aktif parametre için ödeme yapmak ile her adımda 1,6 trilyon ödeme yapmak arasındaki fark, uygulanabilir bir ürün ile bir araştırma demosu arasındaki farktır.

Pandaily'e göre sunulan önizleme modeli, 1 milyon jetonluk bağlam penceresiyle birleştirildiğinde, hedef iş yükü nettir: saatlerle ölçülen bir görev listesini yürütürken tüm kod tabanını, belgelerini ve hata geçmişini çalışma belleğinde tutan bir aracı.

Kullanılabilirlik: Şimdi Sohbet ve API, Takip Edilecek Ağırlıkları Açın

TechNode'a göre model, Meituan'ın çevrimiçi sohbet hizmeti ve API platformu aracılığıyla hemen kullanıma sunuluyor. Bunu GitHub ve Hugging Face sürümlerinin de takip etmesi planlanıyor; bu sıralama, diğer Çin laboratuvarlarının taktik kitabını tekrarlıyor; bu sıralama giderek daha fazla önce barındırılan erişimi gönderiyor ve ağırlıkları kısa süre sonra açıyor.

Aşamalı yayın iki izleyici için önemlidir. İşletmeler için API'nin bugün kullanılabilir olması, LongCat-2.5'in kodlama aracısı iş yükleri için hemen değerlendirilebileceği anlamına gelir. Açık kaynak ekosistemi için vaat edilen ağırlık sürümü, LongCat-2.5'in daha önce açık olarak piyasaya sürülen Çin modellerinde olduğu gibi ince ayarlı ajan sistemleri için bir temel haline gelip gelmeyeceğini belirleyecek.

Çin Model Çıkışları İçin Kalabalık Bir Hafta

Lansman, Çin'in yapay zeka sektöründeki faaliyetlerin arttığı bir dönemde gerçekleşti. Aynı gün TechNode, SenseTime'ın daha derin işleme için katmanları yeniden kullanan 9 milyar parametreli bir modeli açık kaynak olarak aldığını ve DeepSeek ekibinin proaktif bir kodlama aracısı araştırma prototipini açık kaynak olarak aldığını bildirdi. Dünya çapında bir gıda dağıtım devi olarak bilinen Meituan, ülkedeki en güvenilir yapay zeka araştırma programlarından birini sessizce oluşturdu ve LongCat-2.5, temelden çok modlu ajansal kodlamanın önemli olan iş yükü olduğu argümanını oluşturuyor.

Tam sürümün, ajansların ve geliştiricilerin önemsediği (uzun vadeli görev tamamlama, kod tabanı düzeyinde düzenlemeler, çok modlu temellendirme) ölçütlerde önizleme modelinden daha iyi performans gösterip göstermediği hemen test edilecek. Zaten açık olan şey, stratejik yöndür: Büyük modeller için bir sonraki tartışmalı alan, önemsiz cevaplar veya makale yazımı değil, gerçek yazılım üzerinde saatlerce süren özerk çalışmadır.

---

Yapay Zekanın Önünde Olun

En son yapay zeka haberlerini, analizlerini ve buluşlarını tek bir yerden alın.

Daha fazla AI haberini okuyun →