LongCat-2.5 : modèle agentique multimodal à l'échelle des billions de paramètres, open source par Meituan

Modèle MoE multimodal natif open source de l'équipe LongCat de Meituan, officiellement doté de 1.6 billions de paramètres au total et d'environ 480 millions activés par token. Basé sur LongCat-2.0, il combine la compréhension visuelle et la programmation agentique pour des tâches telles que le développement de bases de code complexes, la construction de projets entiers, la conception créative et les tâches en 3D. Les images sont converties en tokens discrets à leur résolution native et alignées avec le texte dans un même espace sémantique ; l'entraînement utilise l'apprentissage par renforcement agentique à long terme et la distillation multi-enseignants. Les poids des experts et les activations sont quantifiés en W4A4, permettant un calcul natif INT4 sur les cartes d'accélération IA chinoises. Prend en charge deux modes : réflexion et non-réflexion.

Titre original : meituan-longcat/LongCat-2.5

Modèle MoE multimodal natif open source de l'équipe LongCat de Meituan, officiellement doté de 1.6 billions de paramètres au total et d'environ 480 millions activés par token. Basé sur LongCat-2.0, il combine la compréhension visuelle et la programmation agentique pour des tâches telles que le développement de bases de code complexes, la construction de projets entiers, la conception créative et les tâches en 3D. Les images sont converties en tokens discrets à leur résolution native et alignées avec le texte dans un même espace sémantique ; l'entraînement utilise l'apprentissage par renforcement agentique à long terme et la distillation multi-enseignants. Les poids des experts et les activations sont quantifiés en W4A4, permettant un calcul natif INT4 sur les cartes d'accélération IA chinoises. Prend en charge deux modes : réflexion et non-réflexion.

Pourquoi c'est important Parmi les grands modèles open source chinois, peu combinent vision et programmation agentique ; les poids sont sous licence MIT et peuvent être déployés sur des cartes d'accélération chinoises

Score de montée 57 · J'aime 57 · Téléchargements 0

Raisons

  • Les évaluations officielles couvrent trois catégories : agents de programmation, agents généraux et vision ; plusieurs scores sont proches des modèles fermés dominants ; les scores sans astérisque sont auto-testés et fournis à titre indicatif par l'éditeur
  • Les exemples démontrent un flux multi-tours impliquant la reconnaissance d'image suivie de l'appel d'outils
  • Les poids sont sous licence MIT, et une conversation directe est possible sur le site officiel longcat.ai

Utilisation

  • Essai en ligne : longcat.ai ; pour le déploiement sur NPU, consultez la documentation de la branche longcat-2.5-npu de SGLang-FluentLLM sur GitHub
  • L'éditeur recommande d'activer enable_thinking et de conserver le contenu des raisonnements historiques (save_history_reasoning_content)

Risques

  • La taille du modèle est extrêmement grande, impossible à exécuter sur un appareil personnel ; la fiche du modèle ne fournit que des instructions pour le déploiement sur NPU
  • La plupart des évaluations sont auto-testées par l'éditeur
  • Cette entrée n'a pas été exécutée ; les performances doivent être vérifiées selon la fiche du modèle

Ouvrir

Hugging Face Trending

Parcourir les dernières actualités IA