Meituan выложила веса LongCat-2.5: агентная модель на 1,6 трлн параметров
Команда LongCat китайской компании по доставке еды Meituan опубликовала веса LongCat-2.5, через неделю после официального анонса модели. Модель рассчитана на агентов, которые самостоятельно проходят длинные многошаговые задачи, прежде всего в программировании. По словам Meituan, на ряде тестов она близка к ведущим западным моделям. По данным The Decoder, она обучена целиком на китайском оборудовании.
LongCat-2.5 построена по схеме «смесь экспертов»: на каждый токен включается лишь часть специализированных подсетей. Из 1,6 трлн параметров на токен активны примерно 48 млрд. Через API модель принимает до миллиона токенов за раз и выдаёт ответы до 128 000 токенов. Она понимает текст, изображения и видео, отвечает текстом, а рассуждения можно включать и выключать.
Модель развивает LongCat-2.0 и добавляет понимание изображений. Вместо отдельного кодировщика картинок, который многие мультимодальные модели пристраивают задним числом, LongCat-2.5 превращает изображения в токены и обрабатывает их вместе с текстом. Подход опирается на исследовательскую модель LongCat-Next и нацелен на визуальное программирование, дизайн и задачи с 3D. Для обучения с подкреплением команда взяла реальные задачи из pull request'ов на GitHub и воссозданные сбои агентов. Чтобы модель не жульничала, в средах обучения закрыли доступ в интернет, удалили историю Git и кэшированные файлы, а решения проверяла языковая модель. Кроме того, в LongCat-2.5 «перегнали» навыки нескольких специализированных моделей-учителей, для агентной работы, рассуждений и диалога.
Meituan квантизует веса и активации экспертов до 4 бит, эту точность китайские чипы поддерживают нативно. В собственных нагрузочных тестах Meituan пропускная способность выросла на 43,3% при обработке запроса и на 42,77% при генерации ответа по сравнению с 8-битной версией; точность, по словам Meituan, остаётся на уровне несжатой модели. Эта версия лежит в отдельном репозитории. Руководство по самостоятельному развёртыванию описывает кластер из 194 ускорителей Huawei Ascend серии Atlas A2: два занимаются изображениями, 64, приёмом запроса, 128, генерацией ответа. Рекомендаций для GPU Nvidia в руководстве нет.
Цифры из таблицы Meituan. Terminal Bench v2.1 (задачи в командной строке): LongCat-2.5, 88,4, Claude Opus 5, 89,1, GPT-5.6 Sol, 88,8, лидирует Deepseek-V4.1-Flash, 90,6. DeepSWE (исправление ошибок в реальных репозиториях): 64,6 балла; позади всех моделей таблицы, кроме Claude Opus 4.8, при этом Deepseek-V4.1-Flash набрал 74,2, а GPT-5.6 Sol, 72,7. Более новые Claude Opus 5.5 и GPT-6.1 Sol в таблицу не включены. Terminal Bench v4.0 (более трудный вариант): 38,5 против 37,3 у GPT-5.6 Sol и 53,9 у Opus 5. BrowseComp (веб-поиск): 91,9, лучший результат в таблице, но Meituan прогоняла этот тест в собственной среде.
Веса выложены под лицензией MIT: она разрешает коммерческое использование, изменение и распространение. Модель можно попробовать в чате на longcat.ai. API поддерживает форматы OpenAI и Anthropic и подключается к агентным оболочкам вроде Claude Code, Codex и Hermes. На старте действует ограниченная по времени акционная цена: примерно 0,27 € за миллион входных токенов и 1,07 € за миллион выходных.
По данным Meituan, предшественницу LongCat-2.0 обучали в конце июня целиком на кластере из более чем 50 000 китайских ИИ-чипов; до этого модель анонимно работала на OpenRouter под именем «Owl Alpha». The Decoder отмечает, что китайские модели с открытыми весами вроде Kimi K3.1 и GLM-5.3 в целом догнали ведущие американские по распространённым тестам, а модели, с самого начала заточенные под китайские чипы, делают это оборудование привлекательнее и за пределами Китая. Помимо мультимодальных агентных моделей, Meituan работает над генераторами изображений: ранее компания выпустила LongCat-Image, открытую модель текст-в-картинку всего на 6 млрд параметров.
Ключевые факты
- Meituan опубликовала веса LongCat-2.5 под лицензией MIT через неделю после анонса: смесь экспертов на 1,6 трлн параметров, около 48 млрд активны на токен, контекст через API до миллиона токенов.
- По данным The Decoder, модель обучена целиком на китайском оборудовании; руководство по развёртыванию описывает кластер из 194 ускорителей Huawei Ascend и не содержит рекомендаций для Nvidia.
- По таблице Meituan: Terminal Bench v2.1, 88,4 (Opus 5, 89,1, GPT-5.6 Sol, 88,8, Deepseek-V4.1-Flash, 90,6), DeepSWE, 64,6, Terminal Bench v4.0, 38,5 (Opus 5, 53,9), BrowseComp, 91,9.
- 4-битная версия, по тестам самой Meituan, быстрее 8-битной на 43,3% (обработка запроса) и 42,77% (генерация ответа) при сохранении точности.
- API совместим с форматами OpenAI и Anthropic; на старте действует акционная цена около 0,27 € / 1,07 € за миллион входных / выходных токенов.
Почему это важно
Крупная модель для агентных задач выложена с открытыми весами и разрешающей лицензией MIT, а по данным The Decoder, обучена целиком на китайском оборудовании. По замерам Meituan, на Terminal Bench v2.1 она отстаёт от Claude Opus 5 меньше чем на балл (88,4 против 89,1), а на BrowseComp показывает лучший результат таблицы. Издание отмечает, что китайские модели с открытыми весами в целом догнали ведущие американские по распространённым тестам, а модели, изначально оптимизированные под китайские чипы, делают это оборудование привлекательнее и вне Китая.
Кому это важно
Разработчикам агентов и инструментов для программирования, которым нужна модель с открытыми весами и коммерчески свободной лицензией. Командам, которые ищут альтернативу американским моделям в агентных задачах. Тем, кто следит за китайским ИИ-оборудованием: в руководстве по самостоятельному развёртыванию, только Huawei Ascend.
Как это применить
Веса доступны под MIT: можно использовать в коммерческих проектах, изменять и распространять. Попробовать модель можно в чате на longcat.ai. API поддерживает форматы OpenAI и Anthropic и подключается к оболочкам Claude Code, Codex и Hermes. На старте действует ограниченная по времени акционная цена, примерно 0,27 € за миллион входных и 1,07 € за миллион выходных токенов. Для самостоятельного запуска есть отдельный репозиторий с 4-битной версией и руководство на кластер из 194 ускорителей Huawei Ascend Atlas A2 (2, изображения, 64, приём запроса, 128, генерация ответа); рекомендаций для Nvidia там нет.
Можно ли доверять
Все результаты, по таблице самой Meituan, независимой проверки в источнике нет. BrowseComp компания прогоняла в собственной среде. Прирост пропускной способности 4-битной версии (43,3% и 42,77%) и сохранение точности, тоже по её нагрузочным тестам. Утверждение об обучении целиком на китайском оборудовании приводит The Decoder; в тексте нет названия обучающих чипов и размера кластера для самой LongCat-2.5. Цифра в более чем 50 000 китайских чипов относится, по словам Meituan, к LongCat-2.0. Источник, профильное издание The Decoder.
Риски и подводные камни
Таблица неполная: более новые Claude Opus 5.5 и GPT-6.1 Sol в неё не включены. На DeepSWE модель (64,6) уступает всем моделям таблицы, кроме Claude Opus 4.8, а на более трудном Terminal Bench v4.0 заметно отстаёт от Opus 5 (38,5 против 53,9). Акционная цена временная, срок окончания и дальнейшая цена в источнике не названы. Руководство по самостоятельному запуску написано под Huawei Ascend и не содержит указаний для GPU Nvidia, поэтому развернуть модель у себя на другом оборудовании может оказаться сложнее.