ظهور LongCat-2.5 مع 1.6 تريليون معلمة ورموز بصرية أصلية

قدّمت LongCat نموذج LongCat-2.5 في 1 نوفمبر 2026، وهو نموذج مزيج خبراء متعدد الوسائط أصيل للمهام الوكيلة طويلة الأمد، يضم 1.6 تريليون معلمة إجمالًا، ونحو 48 مليار معلمة مُفعّلة لكل رمز.

قالت LongCat إن هذا الإصدار يستند إلى LongCat-2.0، مع تعزيز قدراته الأصلية على الفهم البصري والبرمجة الوكيلة. ويشمل تدريبه عددًا أكبر من المسارات طويلة الأمد، إلى جانب التعلم المعزز واسع النطاق طويل الأمد، لتطوير قواعد برمجية معقدة وإنشاء مشروعات كاملة. ويتضمن الإصدار روابط إلى واجهة الدردشة ومنصة API التابعة لـLongCat، بينما تشير أزرار GitHub وHugging Face إلى أن إتاحتهما ستبدأ قريبًا.

الرموز البصرية المتقطعة وتدريب الوكلاء

يمثّل LongCat-2.5 الإشارات البصرية في صورة رموز متقطعة متعددة المستويات، ما يتيح للهيكل الأساسي معالجة المدخلات البصرية والنصية بصيغة موحّدة قائمة على الرموز. ويجمع التصميم بين تقسيم بصري إلى رموز بالدقة الأصلية، ومعالجة بصرية مسبقة دون اتصال، وتضمينات بصرية يتعلمها النموذج بالاشتراك مع هيكله الأساسي. كما يطبّق التكميم المتبقي للمتجهات على السمات بالدقة الأصلية المستخرجة من مُرمّز دلالي ومحاذى، إذ تُشفّر الصور في تسلسلات من الرموز المتقطعة، ثم يعيد مُفكّك ترميز بصري بناءها.

يتيح مُرمّز ثابت احتساب معرّفات الرموز البصرية مسبقًا وتخزينها مؤقتًا دون اتصال، بحيث يعالج الهيكل الأساسي تسلسلات مرمّزة مسبقًا. ولأن أعداد رموز الصور تكون معروفة عند تجميع البيانات وخلطها، يمكن التنبؤ بأحمال الأنماط، والحفاظ على تناسبها بمستوى متقارب من التوازن بين رتب التوازي عبر البيانات. وقالت LongCat إن التحقق الأولي على نموذج أصغر من مزيج الخبراء، يبلغ متوسط عدد معلماته المُفعّلة نحو 3 مليارات، أظهر تداخل التضمينات البصرية والنصية في تصورات t-SNE، ما يشير إلى تكاملها ضمن فضاء دلالي مشترك.

في مهام البرمجة الوكيلة، ينشئ خط تجميع مهام تدريب وبيئات تفاعلية واختبارات قابلة للتحقق. وتُصفّي LongCat طلبات السحب على GitHub والمسائل المرتبطة بها، وتستخدم وكلاءً لإضافة تعليقات توضيحية إلى المهام وإنشاء البيئات، ثم تتحقق منها باختبارات الانتقال من الإخفاق إلى النجاح ومن النجاح إلى النجاح. وتوجّه معدلات النجاح في عمليات التنفيذ المباشرة إعادة وضع التسميات والتصفية، فيما يصحح التحليل دون اتصال لمسارات النتائج الإيجابية والسلبية الكاذبة الاختبارات ويوسّع نطاقها. كما تُحوّل مسارات إخفاق الوكلاء في العالم الحقيقي إلى مهام تدريب قابلة لإعادة الإنتاج والتحقق.

توقف عمليات التنفيذ الجزئية غير المتزامنة المسارات الجارية وتحفظها بعد اكتمال دفعة كاملة، ثم تستأنفها خلال مرحلة أخذ العينات التالية. وللحد من استغلال نظام المكافآت، تعطّل LongCat الوصول إلى الشبكة في بيئات المهام، وتحذف سجل Git والملفات المخزنة مؤقتًا، وتستخدم نموذجًا لغويًا كبيرًا للتحكيم ومراجعة المسارات بحثًا عن أساليب الاستغلال. كما تُطبّق عقوبات إضافية على الاستدلال المتكرر وتكرار استدعاء الأدوات أثناء التفاعلات متعددة الجولات.

التدريب على المسرّعات والاستدلال بصيغة W4A4

يُجرى التدريب على التسلسلات الطويلة خلال مرحلتي التدريب المتوسط والضبط الدقيق الخاضع للإشراف، باستخدام مسرّعات ذكاء اصطناعي محلية تقل ذاكرتها عن 80 GB لكل جهاز. وتتبع مجموعات التوازي بنية العقد الفائقة، بحيث تبقى عمليات تجميع المعلمات الكلي، والتبادل الكلي لرموز الخبراء، وتجميع مفاتيح وقيم الانتباه الكلي ضمن شبكة الربط عالية النطاق الترددي الخاصة بها.

يحافظ FSDP ثنائي التقسيم على تقسيم معلمات النموذج ضمن كل عقدة فائقة، مع مواصلة تقسيم الأوزان الرئيسية FP32 وحالات المُحسِّن عبر نطاقات FSDP. وأفادت LongCat بأن معدل الإنتاجية لكل جهاز كان أعلى بنسبة 86% مقارنةً بخط الأساس DDP في مهام الضبط الدقيق الخاضع للإشراف على التسلسلات الطويلة.

قالت LongCat إن منظومة التدريب والاستدلال لديها تحافظ على تطابق احتمالات اللوغاريتم لكل رمز تطابقًا بتّيًا، مع كلفة أداء تكاد تكون معدومة، بالتزامن مع فصل إعدادات التوازي بينهما. ويستخدم المحركان نوى ثابتة عبر أحجام الدفعات ومنطقًا متوافقًا على مستوى إطار العمل، مع دعم الانتشار العكسي للتدريب.

يكمّم الاستدلال بصيغة W4A4 أوزان الخبراء والتفعيلات إلى 4 بتات، وينفّذ عمليات ضرب المصفوفات المقابلة على وحدات INT4 أصلية. ويتيح تحويل مشترك للمدخلات عبر الخبراء إجراء التكميم قبل تكرار الرموز وتوجيهها، ما يسمح بإعادة استخدام تمثيل INT4 نفسه أثناء اتصال الخبراء وحساباتهم. وأفادت LongCat بأن الدقة كانت مماثلة لدقة النموذج غير المكمّم في جميع المهام اللاحقة التي خضعت للتقييم.

في اختبارات الضغط عبر الإنترنت، وبالمقارنة مع خط أساس W8A8 INT8، أفادت LongCat بارتفاع معدل إنتاجية مرحلة الملء المسبق بنسبة 43.3%، وارتفاع معدل إنتاجية فك الترميز بنسبة 42.77%، إلى جانب انخفاض TTFT بنسبة 15.91% وTPOT بنسبة 19.72%. وحققت نواة GMM تسريعًا متوسطًا بمقدار 1.73× مقارنةً بـW8A8.

نتائج التقييم المُعلنة

أعلنت LongCat نتائج الاختبارات المعيارية التالية لـLongCat-2.5 وسلفه:

في التقييمات البصرية، أفادت LongCat بتحقيق 55.4 في 3DCodeBench Text-to-3D و78.6 في Vision2Web.

ما لم يُذكر خلاف ذلك، أُجريت تقييمات LongCat-2.5 مع تفعيل التفكير، وضُبطت درجة الحرارة على 1.0 وtop_p على 0.95. استخدم Terminal Bench v2.1 بيئة Claude Code، مع حد أقصى لطول التسلسل يبلغ 512K، وحُسب متوسط نتائجه من ثلاث جولات مستقلة. واستخدم DeepSWE v1.1 أداة mini-swe-agent، مع حد أقصى لطول التسلسل يبلغ 1M، وحُسب متوسط نتائجه أيضًا من ثلاث جولات.

أما النماذج الأخرى المدرجة في جدول التقييم الكامل لـLongCat، فالدرجات التي تحمل علامة النجمة مستمدة من تقارير تقنية عامة أو منشورات مدونات أو لوحات الصدارة الرسمية للمعايير. أما الدرجات التي لا تحمل علامة، فقد نتجت عن اختبارات أُجريت داخليًا، ووُصفت بأنها استرشادية فحسب.

الوصول إلى واجهة API والأسعار

يعرض دليل البدء السريع لواجهة API نموذج LongCat-2.5 بصيغ متوافقة مع OpenAI وAnthropic. ونقطتا النهاية الأساسيتان المقابلتان هما https://api.longcat.chat/openai و https://api.longcat.chat/anthropic، مع دعم /v1/chat/completions و /v1/messages. وتتيح كل مطالبة نافذة سياق بسعة 1M رمز، وطولًا أقصى للمخرجات يبلغ 128K رمزًا.

تذكر صفحة منتج LongCat التوافق مع Claude Code وCodex وHermes وغيرها من بيئات تشغيل الوكلاء. كما توضح دعم البرمجة المرئية والتصميم الإبداعي والمهام ثلاثية الأبعاد، إلى جانب التعامل مع قواعد الشيفرة المعقدة وإنشاء مشاريع كاملة تتطلب استدلالًا متعدد الخطوات واستخدام الأدوات.

تعرض الأسعار بنظام الدفع حسب الاستخدام أسعارًا مخفضة لفترة محدودة لكل مليون رمز: 0.30$ للمدخلات غير المخزنة مؤقتًا، و0.006$ للمدخلات المخزنة مؤقتًا، و1.20$ للمخرجات. والأسعار المقابلة باليوان هي ¥2 و¥0.04 و¥8. وقد تتغير الأسعار؛ وتُعد الأسعار المعروضة على منصة API وسجلات الفوترة المرجع المعتمد.

ومع استمرار الإشارة إلى GitHub وHugging Face على أنهما «قريبًا»، يعرض الإصدار واجهة الدردشة وواجهة API بوصفهما وسيلتي الوصول المتاحتين.