モデル・開発
LongCat-2.5を発表
原題: Introducing LongCat-2.5
長時間のagent taskと視覚codingに対応
MeituanのLongCat teamは2026年11月1日、LongCat-2.5を発表しました。
総parameter数1.6兆、tokenあたり約480億parameterを活性化するnative multimodal MoE modelです。
LongCat-2.0を基礎に、視覚理解とagentic codingを一つのmodelへ統合しました。
複雑なcodebase開発、project全体のbuild、creative design、3D taskを対象にしています。
画像をnative resolutionの離散tokenへ変換し、text tokenと共通のsemantic spaceで扱います。
長時間のengineering taskでは、実環境のfeedbackと再現可能なagent failureを学習dataへ取り込みました。
network access、git履歴、cacheを除いた環境とLLM judgeで、reward hackingを抑える設計を説明しています。
agent、reasoning、interactionの専門teacherからfull-vocabulary KL distillationで学ぶmulti-teacher方式を採用しました。
長いsequenceのtrainingは国内AI accelerator向けにmemory効率とsupernode topologyを最適化しています。
提供元の試験では、long-sequence SFTでDDP基準よりdevice当たりthroughputが86%高いと報告しています。
benchmark値はMeituanによる提供元評価であり、独立評価とは区別が必要です。
この発表は9月のLongCat-2.5 Previewから正式版への状態変更です。