Оригинальное название: meituan-longcat/LongCat-2.5
Нативная мультимодальная модель MoE, выпущенная в открытый доступ командой LongCat компании Meituan. По официальным данным, общее количество параметров составляет 1.6 триллионов, а для каждого токена активируется около 480 миллиардов. Модель объединяет визуальное понимание и агентное программирование на базе LongCat-2.0 и предназначена для разработки сложных кодовых баз, создания проектов целиком, креативного дизайна и задач 3D. Изображения преобразуются в дискретные токены в исходном разрешении и выравниваются с текстом в едином семантическом пространстве; при обучении использовались долгосрочное агентное обучение с подкреплением и дистилляция от нескольких учителей. Веса экспертов и активации квантованы по схеме W4A4, что позволяет выполнять вычисления в нативном формате INT4 на отечественных AI-ускорителях. Поддерживаются два режима: с размышлениями и без них.
Почему это важно Среди отечественных открытых больших моделей редко встречаются решения, объединяющие визуальное восприятие и агентное программирование. Веса распространяются под лицензией MIT и могут быть развернуты на отечественных ускорителях
Рост рейтинга 57 · Лайки 57 · Количество загрузок 0
Причины
- Официальные тесты охватывают три категории: агентное программирование, общие агентные задачи и визуальное понимание; по многим показателям результаты близки к ведущим закрытым моделям. Баллы без звездочки получены в ходе самостоятельного тестирования, официальное описание носит справочный характер
- Примеры демонстрируют многоэтапный процесс распознавания изображений с последующим вызовом инструментов
- Веса распространяются под лицензией MIT, на официальном сайте longcat.ai доступен прямой диалог с моделью
Использование
- Онлайн-версия: longcat.ai; инструкции по развертыванию на NPU находятся в ветке longcat-2.5-npu репозитория SGLang-FluentLLM на GitHub
- Официальная рекомендация: включить параметр enable_thinking и сохранять историю рассуждений (save_history_reasoning_content)
Риски
- Модель имеет крайне большой размер и не может работать на персональных устройствах; в карточке модели приведены только инструкции по развертыванию на NPU
- Большинство тестов проведены разработчиками самостоятельно
- Данная запись не была проверена в работе, фактические результаты следует сверять с карточкой модели