Model Releases
Meituan выпускает LongCat-2.5: мультимодальную MoE модель для агентного кодинга
Meituan представила LongCat-2.5 — флагманскую мультимодальную модель с 1.6 трлн параметров, способную решать сложные задачи программирования и визуального анализа на уровне GPT-5.5.
4 ноября 2026 г.
Model ReleaseLongCat-2.5
Введение: Новая веха в открытом ИИ
4 ноября 2026 года индустрия искусственного интеллекта столкнулась с тектоническим сдвигом. Компания Meituan официально представила LongCat-2.5 — свою самую мощную мультимодальную модель, доступную в открытом доступе на Hugging Face и ModelScope. Это не просто очередное обновление линейки LongCat, а фундаментальный скачок в сторону создания полноценных автономных агентов.
В то время как многие разработчики фокусируются на узкоспециализированных задачах, LongCat-2.5 нацелена на решение комплексных, долгосрочных (long-horizon) задач, требующих одновременного понимания программного кода и визуального контекста. Выпуск модели под лицензией MIT делает её одним из самых значимых активов для open-source сообщества в 2026 году.
- Дата релиза: 4 ноября 2026 года
- Лицензия: MIT (полностью открытые веса)
- Доступность: Hugging Face, ModelScope
- Тип: Native Multimodal Mixture-of-Experts (MoE)
Архитектура: Масштабируемая мультимодальность
Сердцем LongCat-2.5 является архитектура LongCat-Next, которая радикально меняет подход к мультимодальности. Вместо использования отдельных энкодеров, модель реализует нативное визуальное моделирование. Визуальные признаки высокого разрешения преобразуются в дискретные токены, которые совместно выравниваются с текстовыми токенами в едином семантическом пространстве.
Модель построена на базе Mixture-of-Experts (MoE) с общим количеством параметров в 1.6 триллиона. Благодаря эффективной маршрутизации, при генерации каждого токена активируется всего около 48 миллиардов параметров, что обеспечивает баланс между колоссальной эрудицией и вычислительной эффективностью. Особое внимание уделено обучению на длинных последовательностях с использованием supernode-aware parallelism, что позволило увеличить пропускную способность на устройство на 86% по сравнению с базовым DDP при SFT на длинных контекстах.
- Общее количество параметров: 1.6 трлн
- Активируемые параметры на токен: ~48 млрд
- Архитектура: LongCat-Next (Native Visual Modeling)
- Оптимизация: Supernode-aware parallelism для длинных контекстов
Производительность и бенчмарки
Результаты тестов LongCat-2.5 ставят её в один ряд с самыми передовыми проприетарными моделями мира. В бенчмарке DeepSWE v1.1, который оценивает способность модели к автономному решению задач программирования, LongCat-2.5 набрала 64.6 балла. Это невероятный рост по сравнению с 9.7 баллами у версии 2.0. Для сравнения: GPT-5.5 показывает 67.0, а Claude Opus 5 — 68.8.