Ugrás a tartalomra
Neural Daily

ModellekHír

LongCat-2.5: 1,6T-s nyílt agentmodell MIT licenccel

🇬🇧 Read this article in English →

A Meituan Hugging Face-re tette a LongCat-2.5 súlyait. A natívan multimodális MoE modell 1,6 billió paraméteres, tokenenként kb. 48 milliárd aktív, MIT licenccel. A gyártói mérések szerint agent feladatokon a zárt csúcsmodellek közelében van, de nem mindenhol.

· 2 perc olvasás

A Meituan LongCat modellcsalád logója
Kép: Meituan LongCat · Sajtókép · Forrás

Mit adott ki a Meituan?

A LongCat-2.5 a Meituan LongCat csapatának új modellje, a LongCat-2.0 utódja. Hosszú, többlépéses agent feladatokra készült: nagy kódbázisok fejlesztése, teljes projektek felépítése, vizuális tervezés és 3D feladatok. A súlyok MIT licenccel érhetők el Hugging Face-en (Hugging Face).

  • Méret: 1,6 billió paraméter összesen, tokenenként kb. 48 milliárd aktív (MoE).
  • Natívan multimodális: a képet diszkrét tokenekké alakítja, közös térben a szöveggel.
  • Hibrid mód: thinking be- és kikapcsolható, az utóbbi tokenhatékonyabb.
  • OpenAI-kompatibilis hívás tool calling támogatással, a modellkártyán példakóddal.

Mit mutatnak a számok?

A modellkártya táblázata a LongCat-2.5-öt a Claude Opus 5, a GPT-5.6-Sol, a GLM-5.3, a Kimi K3 és a DeepSeek-V4.1-Flash mellé teszi:

  • Terminal Bench v2.1: 88,4. Claude Opus 5: 89,1, GPT-5.6-Sol: 88,8, DeepSeek-V4.1-Flash: 90,6.
  • BrowseComp: 91,9, a táblázat legjobbja (Opus 5: 90,8).
  • AutomationBench: 51,8. Opus 5: 50,3, DeepSeek-V4.1-Flash: 54,8.
  • Terminal Bench v4.0: 38,5, itt az Opus 5 53,9 ponttal jóval előrébb jár.
  • NL2Repo: 60,5, az Opus 5 75,3.
A LongCat-2.5 benchmarkeredményei kódolási, általános agent és vizuális feladatokon a Claude és GPT modellekkel összevetve
Meituan LongCat · Képernyőkép · Forrás

Forrás: Meituan LongCat, Hugging Face modellkártya

Két dolgot érdemes észben tartani. A csillag nélküli eredmények a Meituan saját mérései, a kártya szerint csak tájékoztató jellegűek. Független értékelés még nincs. A másik: a táblázat az Opus 5-tel és a GPT-5.6-Sollal vet össze, a legfrissebb zárt modellekkel nem.

Kvantálás és futtatás

A szakértői súlyokat és aktivációkat W4A4 formában kvantálták, natív INT4 számításra. A Meituan szerint egy W8A8 MoE alaphoz képest 43,3%-kal nagyobb a prefill és 42,77%-kal a decode áteresztőképesség. KV cache kvantálással (W4A4KV8) a decode 92%-kal gyorsabb a W8A8KV16-nál.

A gyakorlatban ez nem egy GPU-s modell. A kártya NPU-s telepítési útmutatót ad az SGLang-FluentLLM alapján, más inference stack egyelőre nincs dokumentálva. Kipróbálni a longcat.ai chatfelületén lehet letöltés nélkül.

Mit jelent ez a gyakorlatban?

Az MIT licenc ritka ekkora modellnél: kereskedelmi használatra és fine-tune-ra is szabad, csak a Meituan védjegyeire és szabadalmaira nem ad jogot. Ezzel a LongCat-2.5 a nyílt súlyú agentmodellek élmezőnyébe kerül a Kimi K3.1 Pro mellé (Kimi K3.1 Pro: nyílt súlyú modell a Claude Opus nyomában). Ha saját infrastruktúrán futtatnál agentet, érdemes saját feladatokon mérni, főleg a Terminal Bench 4.0-hoz hasonló nehéz, hosszú feladatokon, ahol a különbség még nagy.

    Írta Mikola Máté Patrik

    MI segítségével készült, szerkesztő ellenőrizte. Hogyan készülnek a cikkeink

    Szerkesztőségünk ellenőrizte és szerkesztette. Rólunk

    Kapcsolódó cikkek