Το LongCat-2.5 κάνει το ντεμπούτο του με 1,6 τρισ. παραμέτρους και εγγενή οπτικά tokens

Η LongCat παρουσίασε το LongCat-2.5 την 1η Νοεμβρίου 2026: ένα εγγενώς πολυτροπικό μοντέλο μίγματος ειδικών για εργασίες πρακτόρων μεγάλης διάρκειας, με 1,6 τρισ. συνολικές παραμέτρους και περίπου 48 δισ. ενεργοποιούμενες παραμέτρους ανά token.

Η LongCat ανέφερε ότι η νέα έκδοση βασίζεται στο LongCat-2.0, προσφέροντας βελτιωμένη εγγενή οπτική κατανόηση και καλύτερες δυνατότητες κωδικοποίησης μέσω πρακτόρων. Η εκπαίδευσή του περιλαμβάνει περισσότερες τροχιές μεγάλης διάρκειας και ενισχυτική μάθηση μεγάλης κλίμακας για εργασίες μεγάλης διάρκειας, με στόχο την ανάπτυξη σύνθετων βάσεων κώδικα και τη δημιουργία ολόκληρων έργων. Η έκδοση παραπέμπει στη διεπαφή συνομιλίας και την πλατφόρμα API της LongCat, ενώ τα κουμπιά για το GitHub και το Hugging Face φέρουν την ένδειξη «Σύντομα διαθέσιμο».

Διακριτά οπτικά tokens και εκπαίδευση πρακτόρων

Το LongCat-2.5 αναπαριστά τα οπτικά σήματα ως διακριτά tokens πολλαπλών επιπέδων, επιτρέποντας στον κορμό του μοντέλου να επεξεργάζεται οπτικές και κειμενικές εισόδους σε ενιαία μορφή βασισμένη σε tokens. Ο σχεδιασμός συνδυάζει οπτική κωδικοποίηση σε εγγενή ανάλυση, προεπεξεργασία οπτικών δεδομένων εκτός σύνδεσης και οπτικά ενσωματώματα που μαθαίνονται από κοινού με τον κορμό του μοντέλου. Εφαρμόζει υπολειμματική διανυσματική κβαντοποίηση σε χαρακτηριστικά εγγενούς ανάλυσης από έναν κωδικοποιητή σημασιολογικής ευθυγράμμισης, κωδικοποιώντας τις εικόνες ως ακολουθίες διακριτών tokens και ανακατασκευάζοντάς τες με έναν οπτικό αποκωδικοποιητή tokens.

Ένας σταθερός tokenizer επιτρέπει τον εκ των προτέρων υπολογισμό και την αποθήκευση στην κρυφή μνήμη των οπτικών αναγνωριστικών token εκτός σύνδεσης, ώστε ο κορμός του μοντέλου να επεξεργάζεται ακολουθίες των οποίων τα tokens έχουν ήδη κωδικοποιηθεί. Επειδή ο αριθμός των token εικόνας είναι γνωστός κατά τη συσκευασία και την αναδιάταξη των δεδομένων, τα φορτία κάθε τροπικότητας είναι προβλέψιμα και οι αναλογίες τους μπορούν να διατηρούνται περίπου ομοιόμορφες μεταξύ των βαθμίδων παράλληλης επεξεργασίας δεδομένων. Η LongCat ανέφερε ότι η προκαταρκτική επικύρωση σε ένα μικρότερο μοντέλο μίγματος ειδικών (MoE), με περίπου 3 δισ. ενεργοποιούμενες παραμέτρους κατά μέσο όρο, έδειξε οπτικά ενσωματώματα εικόνας και κειμένου να συνυφαίνονται στις απεικονίσεις t-SNE, υποδηλώνοντας ότι ενσωματώνονται σε έναν κοινό σημασιολογικό χώρο.

Για εργασίες κωδικοποίησης μέσω πρακτόρων, ένας αγωγός σύνθεσης δημιουργεί εργασίες εκπαίδευσης, διαδραστικά περιβάλλοντα και επαληθεύσιμες δοκιμές. Η LongCat φιλτράρει αιτήματα ενσωμάτωσης κώδικα και συνδεδεμένα ζητήματα στο GitHub, χρησιμοποιεί πράκτορες για να σχολιάζει τις εργασίες και να συνθέτει περιβάλλοντα και τα επικυρώνει με δοκιμές fail-to-pass και pass-to-pass. Τα ποσοστά επιτυχίας των ζωντανών εκτελέσεων καθοδηγούν την εκ νέου επισήμανση και το φιλτράρισμα, ενώ η εκτός σύνδεσης ανάλυση τροχιών ψευδώς θετικών και ψευδώς αρνητικών αποτελεσμάτων διορθώνει και διευρύνει τις δοκιμές. Οι τροχιές αποτυχίας πραγματικών πρακτόρων μετατρέπονται επίσης σε αναπαραγώγιμες και επαληθεύσιμες εργασίες εκπαίδευσης.

Οι ασύγχρονες μερικές εκτελέσεις διακόπτουν και αποθηκεύουν τις τροχιές που βρίσκονται σε εξέλιξη μόλις συγκεντρωθεί μια πλήρης δέσμη και, στη συνέχεια, τις συνεχίζουν στην επόμενη φάση δειγματοληψίας. Για να περιορίσει την εκμετάλλευση των ανταμοιβών, η LongCat απενεργοποιεί την πρόσβαση στο δίκτυο στα περιβάλλοντα εργασιών, αφαιρεί το ιστορικό του Git και τα αποθηκευμένα αρχεία και χρησιμοποιεί έναν κριτή LLM για να ελέγχει τις τροχιές για τυχόν καταχρηστικές πρακτικές. Πρόσθετες ποινές αντιμετωπίζουν την επαναλαμβανόμενη συλλογιστική και τις επαναλαμβανόμενες κλήσεις εργαλείων κατά τις αλληλεπιδράσεις πολλαπλών γύρων.

Εκπαίδευση σε επιταχυντές και συμπερασμός W4A4

Η εκπαίδευση με ακολουθίες μεγάλου μήκους πραγματοποιείται τόσο κατά την ενδιάμεση εκπαίδευση όσο και κατά τη λεπτομερή εποπτευόμενη ρύθμιση, σε εγχώριους επιταχυντές ΤΝ με λιγότερα από 80 GB μνήμης ανά συσκευή. Οι ομάδες παραλληλισμού ακολουθούν την τοπολογία supernode, διατηρώντας τις λειτουργίες all-gather των παραμέτρων, all-to-all των token των ειδικών και all-gather των KV εντός της διασύνδεσης υψηλού εύρους ζώνης του.

Το Dual-shard FSDP διατηρεί τον κατακερματισμό των παραμέτρων του μοντέλου εντός κάθε supernode, ενώ κατακερματίζει περαιτέρω τα κύρια βάρη FP32 και τις καταστάσεις του βελτιστοποιητή σε όλους τους τομείς FSDP. Η LongCat ανέφερε κατά 86% υψηλότερη απόδοση ανά συσκευή από τη γραμμή βάσης DDP της σε εργασίες εποπτευόμενης λεπτομερούς ρύθμισης με ακολουθίες μεγάλου μήκους.

Η LongCat ανέφερε ότι η στοίβα εκπαίδευσης και συμπερασμού της διατηρεί πανομοιότυπες, σε επίπεδο bit, λογαριθμικές πιθανότητες ανά token, με σχεδόν μηδενική επιβάρυνση στην απόδοση, ενώ αποσυνδέει τις διαμορφώσεις παραλληλισμού τους. Και οι δύο μηχανές χρησιμοποιούν πυρήνες αμετάβλητους ως προς τη δέσμη και ευθυγραμμισμένη λογική πλαισίου, με υποστήριξη οπισθοδιάδοσης για την εκπαίδευση.

Ο συμπερασμός W4A4 κβαντοποιεί τα βάρη και τις ενεργοποιήσεις των ειδικών σε 4 bit και εκτελεί τους αντίστοιχους πολλαπλασιασμούς πινάκων σε εγγενείς μονάδες INT4. Ένας κοινός μετασχηματισμός εισόδου για όλους τους ειδικούς επιτρέπει την κβαντοποίηση πριν από την αντιγραφή και τη δρομολόγηση των token, ώστε η ίδια αναπαράσταση INT4 να επαναχρησιμοποιείται κατά την επικοινωνία και τον υπολογισμό μεταξύ ειδικών. Η LongCat ανέφερε ακρίβεια συγκρίσιμη με εκείνη του μη κβαντοποιημένου μοντέλου σε όλες τις εργασίες μεταγενέστερης αξιολόγησης που εξετάστηκαν.

Σε δοκιμές καταπόνησης σε πραγματικές συνθήκες, έναντι γραμμής βάσης W8A8 INT8, η LongCat ανέφερε αύξηση κατά 43,3% της απόδοσης προπλήρωσης και κατά 42,77% της απόδοσης αποκωδικοποίησης, καθώς και μειώσεις κατά 15,91% στον TTFT και κατά 19,72% στον TPOT. Ο πυρήνας GMM πέτυχε μέση επιτάχυνση 1,73× έναντι του W8A8.

Αναφερόμενα αποτελέσματα αξιολόγησης

Η LongCat ανέφερε τα ακόλουθα αποτελέσματα αξιολόγησης για το LongCat-2.5 και τον προκάτοχό του:

Για τις οπτικές αξιολογήσεις, η LongCat ανέφερε βαθμολογία 55,4 στο 3DCodeBench Text-to-3D και 78,6 στο Vision2Web.

Εκτός αν ορίζεται διαφορετικά, στις αξιολογήσεις του LongCat-2.5 ήταν ενεργοποιημένη η λειτουργία συλλογισμού, η θερμοκρασία είχε οριστεί στο 1.0 και το top_p στο 0.95. Για το Terminal Bench v2.1 χρησιμοποιήθηκε το περιβάλλον εκτέλεσης Claude Code, με μέγιστο μήκος ακολουθίας 512K, και ο μέσος όρος υπολογίστηκε από τρεις ανεξάρτητες εκτελέσεις. Για το DeepSWE v1.1 χρησιμοποιήθηκε το mini-swe-agent, με μέγιστο μήκος ακολουθίας 1M, και ο μέσος όρος υπολογίστηκε επίσης από τρεις εκτελέσεις.

Για τα άλλα μοντέλα που περιλαμβάνονται στον πλήρη πίνακα αξιολόγησης του LongCat, οι βαθμολογίες με αστερίσκο προέρχονταν από δημόσιες τεχνικές αναφορές, αναρτήσεις σε ιστολόγια ή επίσημους πίνακες κατάταξης δοκιμών αναφοράς. Οι βαθμολογίες χωρίς αστερίσκο προέκυψαν από εσωτερικές εκτελέσεις και χαρακτηρίζονται απλώς ενδεικτικές.

Πρόσβαση στο API και τιμολόγηση

Ο σύντομος οδηγός εκκίνησης του API παραθέτει το LongCat-2.5 για μορφότυπα συμβατά τόσο με το OpenAI όσο και με το Anthropic. Τα αντίστοιχα βασικά τελικά σημεία είναι https://api.longcat.chat/openai και https://api.longcat.chat/anthropic, με υποστήριξη για /v1/chat/completions και /v1/messages. Κάθε αίτημα διαθέτει παράθυρο συμφραζομένων 1M tokens και μέγιστο μήκος εξόδου 128K tokens.

Η σελίδα προϊόντος του LongCat αναφέρει συμβατότητα με τα Claude Code, Codex, Hermes και άλλα περιβάλλοντα εκτέλεσης πρακτόρων. Περιγράφει επίσης υποστήριξη για οπτικό προγραμματισμό, δημιουργικό σχεδιασμό και εργασίες 3D, καθώς και για σύνθετες βάσεις κώδικα και δημιουργία ολοκληρωμένων έργων που περιλαμβάνουν συλλογισμό πολλών βημάτων και χρήση εργαλείων.

Η τιμολόγηση με χρέωση βάσει χρήσης αναφέρει εκπτωτικές τιμές περιορισμένης διάρκειας ανά εκατομμύριο tokens: 0,30 $ για είσοδο που δεν έχει αποθηκευτεί στην προσωρινή μνήμη, 0,006 $ για είσοδο από την προσωρινή μνήμη και 1,20 $ για έξοδο. Οι αντίστοιχες τιμές σε γουάν είναι ¥2, ¥0,04 και ¥8. Οι τιμές ενδέχεται να αλλάξουν, ενώ ως έγκυρες θεωρούνται εκείνες που εμφανίζονται στην πλατφόρμα API και στα αρχεία χρέωσης.

Καθώς το GitHub και το Hugging Face εξακολουθούν να επισημαίνονται ως σύντομα διαθέσιμα, η κυκλοφορία παρουσιάζει τη διεπαφή συνομιλίας και το API ως τις διαθέσιμες οδούς πρόσβασης.