Μια εταιρεία διανομής φαγητού έφτιαξε ένα μοντέλο AI με 1,6 τρισεκατομμύρια παραμέτρους και δεν χρησιμοποίησε ούτε ένα chip της Nvidia. Η Meituan δημοσίευσε τα βάρη του LongCat-2.5, δηλαδή τα αρχεία που επιτρέπουν σε οποιονδήποτε να το κατεβάσει και να το τρέξει μόνος του. Όπως γράφει το The Decoder, η δημοσίευση έγινε μια εβδομάδα μετά την επίσημη παρουσίαση.
Το LongCat-2.5 είναι φτιαγμένο για πράκτορες AI, προγράμματα που δουλεύουν μόνα τους μια μεγάλη δουλειά σε πολλά βήματα, ιδίως προγραμματισμό. Κατά τη Meituan, πλησιάζει τα κορυφαία δυτικά μοντέλα σε αρκετά benchmarks. Αυτά είναι ισχυρισμοί της εταιρείας, και τα νούμερα στους πίνακές της δεν περιλαμβάνουν τα πιο πρόσφατα Claude Opus 5.5 και GPT-6.1 Sol.
Μόνο 48 δισ. παράμετροι δουλεύουν κάθε φορά
Το μοντέλο είναι «μείγμα ειδικών» (mixture-of-experts): για κάθε token, δηλαδή κάθε κομμάτι κειμένου που επεξεργάζεται, ενεργοποιεί μόνο ένα μέρος των εξειδικευμένων υποδικτύων του. Από τα 1,6 τρισ. παραμέτρους, περίπου 48 δισ. είναι ενεργές κάθε φορά. Μέσω API χειρίζεται έως ένα εκατομμύριο tokens μαζί και γράφει απαντήσεις έως 128.000 tokens.
Καταλαβαίνει κείμενο, εικόνες και βίντεο, απαντά με κείμενο και επιτρέπει να ενεργοποιείται ή να σβήνει ο συλλογισμός. Σε σχέση με το LongCat-2.0 προσθέτει κατανόηση εικόνας: οι εικόνες μετατρέπονται σε tokens και επεξεργάζονται μαζί με το κείμενο, αντί για χωριστό κωδικοποιητή εικόνας.
Στην ενισχυτική μάθηση η ομάδα χρησιμοποίησε πραγματικές εργασίες λογισμικού από pull requests του GitHub. Για να μην «κλέβει» το μοντέλο, έκοψε την πρόσβαση στο διαδίκτυο στα περιβάλλοντα εκπαίδευσης, έσβησε το ιστορικό του Git και ένα γλωσσικό μοντέλο έλεγχε τις λύσεις για κόλπα.
194 chips της Huawei για μία εγκατάσταση
Η Meituan συμπιέζει τα βάρη των «ειδικών» σε ακρίβεια 4 bit, κάτι που τα κινεζικά chips επεξεργάζονται εγγενώς. Στις δοκιμές φόρτου της, η ταχύτητα αυξάνεται κατά 43,3% στην επεξεργασία του prompt και 42,77% στη δημιουργία απάντησης, σε σύγκριση με έκδοση 8 bit. Η ακρίβεια, λέει, μένει ίδια με του αρχικού μοντέλου.
Ο οδηγός για όσους θέλουν να το τρέξουν σε δικό τους σύστημα περιγράφει ένα σύμπλεγμα 194 επιταχυντών Huawei Ascend: δύο για τις εικόνες, 64 για τα prompts και 128 για τις απαντήσεις. Για GPU της Nvidia δεν υπάρχουν οδηγίες.
Μπροστά σε ένα τεστ, πίσω σε άλλα
Στο Terminal Bench v2.1, που μετρά πόσο καλά οι πράκτορες λύνουν εργασίες στη γραμμή εντολών, το LongCat-2.5 παίρνει 88,4. Το Claude Opus 5 έχει 89,1, το GPT-5.6 Sol 88,8 και το Deepseek-V4.1-Flash 90,6 στην κορυφή. Στο πιο δύσκολο Terminal Bench v4.0 βγάζει 38,5, λίγο πάνω από το 37,3 του GPT-5.6 Sol αλλά πολύ κάτω από το 53,9 του Opus 5.
Στο DeepSWE, που δοκιμάζει τη διόρθωση σφαλμάτων σε πραγματικά αποθετήρια κώδικα, ανεβαίνει από 9,7 σε 64,6. Αυτό όμως το βάζει πίσω από όλα τα μοντέλα του πίνακα εκτός από το Claude Opus 4.8, με το Deepseek-V4.1-Flash στο 74,2. Στο BrowseComp, για αναζήτηση στον ιστό, παίρνει 91,9, το υψηλότερο του πίνακα, αλλά η Meituan έτρεξε το τεστ στο δικό της περιβάλλον.
Άδεια MIT και τιμή προώθησης
Τα βάρη κυκλοφορούν με άδεια MIT, που επιτρέπει εμπορική χρήση, τροποποίηση και αναδιανομή. Το μοντέλο δοκιμάζεται και σε chat στο longcat.ai. Το API του δουλεύει με τις μορφές της OpenAI και της Anthropic και συνδέεται με εργαλεία όπως το Claude Code, το Codex και το Hermes. Στην εισαγωγή η τιμή προώθησης, για περιορισμένο διάστημα, είναι περίπου 0,27 ευρώ ανά εκατομμύριο tokens εισόδου και 1,07 ευρώ ανά εκατομμύριο εξόδου.
Η εταιρεία λέει ότι το προηγούμενο LongCat-2.0 εκπαιδεύτηκε τον Ιούνιο σε σύμπλεγμα από πάνω από 50.000 κινεζικά chips AI. Πριν από αυτό κυκλοφορούσε ανώνυμα στο OpenRouter ως «Owl Alpha». Το θέμα των chips απασχολεί και αλλού: ένας πρώην ερευνητής της OpenAI βρήκε ίχνη chips Blackwell σε έξι κινεζικά μοντέλα. Ανοιχτά μοντέλα που βελτιστοποιούνται εξαρχής για κινεζικό υλικό, σημειώνει το The Decoder, κάνουν αυτό το υλικό πιο ελκυστικό και εκτός Κίνας.
Πηγή: The Decoder



