LongCat-2.5 Yayınlandı: Meituan'ın 1,6 Trilyon Parametreli Ajan Modeli MIT Lisansıyla
Yazar: KOZBA
İçindekiler
Meituan'ın LongCat ekibi, uzun ufuklu ajan görevleri için tasarladığı yeni çok modlu modeli LongCat-2.5'i yayınladı. Model, 1,6 trilyon toplam parametreye sahip ve token başına yaklaşık 48 milyar parametre aktive ediyor. Ağırlıklar MIT lisansıyla açıldı.
Modelin temel özellikleri
LongCat-2.5, LongCat-2.0'ın üzerine kurulu native çok modlu bir Mixture-of-Experts modeli. Görsel anlamayı ajan tabanlı kodlamayla birleştiriyor; karmaşık kod tabanı geliştirme, sıfırdan proje kurma, yaratıcı tasarım ve 3B görevlerde kullanılmak üzere konumlandırılmış. Eğitimde uzun dizilim, büyük ölçekli pekiştirmeli öğrenme, çoklu öğretmen öğrenmesi ve yerel yapay zeka hızlandırıcıları üzerinde altyapı optimizasyonları kullanılmış.
Görsel modelleme metnin içine gömülü
LongCat-Next hattını temel alan model, doğal çözünürlüklü görsel özellikleri ayrık token'lara çevirip metinle ortak bir anlamsal uzayda hizalıyor. Pratik anlamı şu: model, görseli ayrı bir görsel kodlayıcı üzerinden değil, kendi token uzayında işliyor. Bu yaklaşım, ekran görüntüsü, diyagram ve arayüz görselleri üzerinden kod yazma görevlerinde tutarlılık avantajı sağlıyor.
Ajan eğitiminde gerçek mühendislik görevleri
Ekibin öne çıkardığı başlık uzun ufuklu ajan pekiştirmeli öğrenmesi. Eğitim verisi, gerçek mühendislik görevleri ve yeniden üretilebilir ajan hatalarıyla beslenmiş; ödül hacklemesine karşı koruma mekanizmaları eklenmiş. Bu, modelin yalnızca tek adımda doğru yanıt vermesini değil, çok adımlı görevleri baştan sona tamamlamasını hedefliyor.
Çoklu öğretmen damıtma
Uzman ajan, muhakeme ve etkileşim öğretmenleri, tam sözlük kapsamlı KL damıtma ve Tree Attention teknikleriyle modeli yönlendiriyor. Amaç; çok turlu yürütme, muhakeme, talimat takibi ve güvenlik başlıklarını aynı modelde güçlendirmek.
Uzun bağlam eğitiminde verimlilik
Supernode farkındalıklı paralelleştirme, verimli parçalama ve iletişim-hesaplama örtüşmesi ile uzun dizilimli eğitimde cihaz başına verim, DDP temel çizgisine göre yüzde 86 daha yüksek bildiriliyor. Çıkarım tarafında KV önbellek optimizasyonu ve LSA ile test edilen iş yükünde decode KV kapasitesi neredeyse iki katına çıkarken token başına çıktı süresi artmıyor.
Kuantizasyon: W4A4 ve yerel hızlandırıcılar
Model, uzman ağırlıkları ve aktivasyonlarda W4A4 kuantizasyonu uyguluyor ve yerel yapay zeka hızlandırıcılarında native INT4 hesaplama yapabiliyor. W8A8 temel çizgisine göre prefill'de yüzde 43,3, decode'da yüzde 42,77 daha yüksek verim; ilk token süresinde yüzde 15,91, token başına sürede yüzde 19,72 düşüş bildiriliyor. W4A4KV8 yapılandırması ise W8A8KV16'ya kıyasla yüzde 92 daha yüksek decode verimi veriyor. NPU dağıtımı SGLang-FluentLLM üzerinden yapılıyor.
Ölçüm sonuçları
Model kartındaki tabloya göre LongCat-2.5, Terminal Bench v2.1'de 88,4 puan alıyor; LongCat-2.0 aynı testte 70,8'de kalmıştı. Tabloda GPT-5.6-Sol 88,8, Claude Opus 5 89,1, DeepSeek-V4.1-Flash 90,6 olarak listeleniyor. Terminal Bench v4.0'da LongCat-2.5 38,5 puanda kalırken Claude Opus 5 53,9'a çıkıyor. BrowseComp'ta 91,9, araçlı HLE'de 63,1, MCP Atlas'ta 83,1, 3DCodeBench'te 55,4 ve VideoMME'de 85,2 bildiriliyor.
Not: Tabloda yıldızsız puanlar ekibin kendi ölçümü; model kartı bunların gösterge niteliğinde olduğunu belirtiyor. Farklı harness ve ayarlarla üretilen sonuçlar doğrudan karşılaştırılmamalı.
Nasıl kullanılır, sınırları ne
Model hem düşünme hem de hızlı yanıt modunu destekliyor; OpenAI uyumlu API üzerinden çağrılabiliyor ve sohbet arayüzü longcat.ai adresinde açık. Ekip, modelin her olası uygulama için özel olarak tasarlanmadığını ve kapsamlı biçimde değerlendirilmediğini belirtiyor. Geliştiricilerin dil bazlı performans farklarını, yüksek riskli senaryolarda doğruluk, güvenlik ve adaleti ayrıca test etmesi gerekiyor. MIT lisansı marka ve patent hakları vermiyor.
Sonuç
LongCat-2.5, açık ağırlıklı modellerde dev parametre ve düşük aktif parametre yarışını bir adım ileri taşıyor ve MIT lisansıyla ticari kullanıma açık. Terminal Bench v4.0 gibi zor benchmark'larda hâlâ Claude Opus 5'in gerisinde; ama ajan görevlerinde ve görsel-kod birleşik işlerde iddialı bir açık alternatif olarak duruyor.