LongCat-2.5 от Meituan: ИИ-модель на 1,6 трлн параметров

Китайский гигант доставки еды и локальных сервисов Meituan выпустил LongCat-2.5 — новую модель своей ИИ-команды LongCat. Компания называет её нативно мультимодальной моделью для долгих агентных задач: это работы, где ИИ должен пройти много шагов подряд, например собрать целый программный проект. Подробности — в официальном блоге LongCat и анонсе Meituan от 2 ноября.

Главные характеристики

• Размер: 1,6 трлн параметров в архитектуре mixture-of-experts (MoE), из которых на каждый токен задействовано около 48 млрд. MoE-модели одновременно используют лишь часть «экспертов», поэтому вычислений на один ответ нужно гораздо меньше, чем подсказывает общее число.
• Мультимодальность с самого начала: изображения превращаются в многоуровневые дискретные токены, поэтому одна и та же модель обрабатывает картинки и текст в едином формате. По словам Meituan, это помогает в «визуальном кодинге» (превращении макета в рабочую страницу), дизайне и 3D-задачах.
• Под агентов: в обучение добавили больше длинных последовательностей задач и масштабное обучение с подкреплением на реальных кодовых базах. Также Meituan превращает ошибки реальных агентов в воспроизводимые учебные задания.
• Китайское железо: обучение и инференс оптимизированы под отечественные ИИ-ускорители с памятью менее 80 ГБ на каждый. Компания описывает 4-битный (W4A4) инференс, который в её стресс-тестах поднял пропускную способность prefill на 43,3%, а decode — на 42,77% по сравнению с 8-битной базой.

Как она выглядит на фоне конкурентов (по данным Meituan)

В блоге есть большая таблица сравнения с GPT-5.5, GPT-5.6-Sol, Claude Opus 4.8, Claude Opus 5 и другими китайскими моделями. Результаты конкурентов частично взяты из публичных отчётов, частично получены собственными прогонами, так что это ориентир, а не независимая проверка. Несколько примеров:

• Terminal Bench v4.0 (агентное программирование): у LongCat-2.5 — 38,5, меньше, чем у Claude Opus 5 (53,9) и GLM-5.3 (41,8).
• BrowseComp (поиск и исследование в сети): 91,9, чуть больше, чем у Claude Opus 5 (90,8).
• AutomationBench: 51,8 — выше Claude Opus 5 (50,3), но ниже DeepSeek-V4.1-Flash (54,8).

Общая картина: сильная агентная модель, конкурентная в поиске и автоматизации, но не лидер в сложных тестах по коду.

Как попробовать

LongCat-2.5 уже доступна в чат-сервисе LongCat и через API-платформу Meituan. Веса компания обещает выложить на GitHub и Hugging Face — тогда это будет одна из крупнейших моделей с открытыми весами. Но ожидания лучше держать реалистичными: даже с 48 млрд активных параметров модель на 1,6 трлн требует оборудования уровня дата-центра. Почему так, объясняет наш гид сколько видеопамяти нужно для локального ИИ, а что именно разрешает «открытость», рассказываем в материале что такое модели с открытыми весами.

Почему это важно

Meituan — не профильная ИИ-лаборатория, но уже выпускает модели на триллионы параметров, полностью обученные на китайских чипах. Это ещё один знак того, что американские ограничения на экспорт оборудования Nvidia не остановили китайские компании в создании систем фронтирного масштаба. К тому же рынок китайских агентных моделей становится всё теснее: рядом DeepSeek, Kimi и GLM, и все соревнуются ценой и открытостью.