原题:meituan-longcat/LongCat-2.5
美団 LongCat チームがオープンソース化したネイティブマルチモーダル MoE モデル。公式によれば、総パラメータ数は 1.6 兆、トークンあたりのアクティブパラメータ数は約 480 億。LongCat-2.0 を基盤とし、視覚理解とエージェントプログラミングを統合し、複雑なコードベースの開発、プロジェクト全体の構築、クリエイティブデザイン、および 3D タスクに対応する。画像はネイティブ解像度で離散トークンに変換され、テキストと同じ意味空間で整列される。学習には長期的なエージェント強化学習とマルチ教師蒸留が用いられた。エキスパートの重みとアクティベーションは W4A4 量子化が施されており、国産 AI アクセラレータカード上でネイティブ INT4 計算が可能。思考モードと非思考モードの両方をサポートする。
なぜ重要か 国産オープンソース大規模モデルにおいて、視覚とエージェントプログラミングを統合したものは稀。重みは MIT ライセンスで、国産アクセラレータカードへのデプロイが可能
上昇スコア 57 · いいね数 57 · ダウンロード数 0
理由
- 公式ベンチマークはプログラミングエージェント、汎用エージェント、視覚の3分野をカバーし、多くの指標で主要なクローズドソースモデルに匹敵。アスタリスクのないスコアは自社テストによるもので、公式は参考情報としてのみ提供していることを明記
- デモでは、画像認識後にツールを呼び出すマルチターンフローが示されている
- 重みは MIT ライセンス。公式サイト longcat.ai で直接対話が可能
使い方
- オンライン試用:longcat.ai;NPU デプロイについては GitHub の SGLang-FluentLLM における longcat-2.5-npu ブランチの説明を参照
- 公式は enable_thinking を有効にし、履歴推論コンテンツ(save_history_reasoning_content)を保持することを推奨
リスク
- モデルサイズが極めて大きく、個人デバイスでは実行不可;モデルカードには NPU デプロイ手順のみ記載
- 評価の大半は公式による自社テスト
- 本項目は未実行であり、効果はモデルカードを基準とする