LongCat-2.5 debutta con 1.600 miliardi di parametri e token visivi nativi

Il 1° novembre 2026, LongCat ha presentato LongCat-2.5, un modello nativamente multimodale a miscela di esperti per compiti agentici a lungo orizzonte, con 1.600 miliardi di parametri totali e circa 48 miliardi attivati per token.

LongCat ha dichiarato che la release si basa su LongCat-2.0 e offre capacità più avanzate di comprensione visiva nativa e programmazione agentica. L’addestramento integra un numero maggiore di traiettorie a lungo orizzonte e apprendimento per rinforzo su larga scala a lungo orizzonte, destinati allo sviluppo di basi di codice complesse e alla realizzazione di progetti completi. La release rimanda all’interfaccia di chat e alla piattaforma API di LongCat; i pulsanti GitHub e Hugging Face indicano invece che saranno disponibili prossimamente.

Token visivi discreti e addestramento degli agenti

LongCat-2.5 rappresenta i segnali visivi come token discreti multilivello, consentendo alla sua architettura di base di elaborare input visivi e testuali in un formato unificato basato su token. Il design combina la tokenizzazione visiva alla risoluzione nativa, la preelaborazione visiva offline e gli embedding visivi appresi congiuntamente all’architettura di base. Applica la quantizzazione vettoriale residua alle caratteristiche alla risoluzione nativa provenienti da un encoder semantico e allineato: le immagini vengono codificate in sequenze di token discreti e ricostruite da un detokenizzatore visivo.

Un tokenizer fisso consente di precalcolare e memorizzare nella cache offline gli ID dei token visivi, così che l’architettura di base elabori sequenze pretokenizzate. Poiché il numero di token immagine è noto durante il raggruppamento e il rimescolamento dei dati, i carichi delle diverse modalità sono prevedibili e le rispettive proporzioni possono essere mantenute approssimativamente uniformi tra i rank del parallelismo dei dati. LongCat ha dichiarato che una convalida preliminare su un MoE più piccolo, con circa 3 miliardi di parametri attivati in media, ha mostrato embedding visivi e testuali intrecciati nelle visualizzazioni t-SNE, suggerendo un’integrazione in uno spazio semantico condiviso.

Per i compiti di programmazione agentica, una pipeline di sintesi genera attività di addestramento, ambienti interattivi e test verificabili. LongCat filtra le pull request di GitHub e le issue collegate, usa agenti per annotare le attività e sintetizzare gli ambienti, quindi li convalida con test che verificano il passaggio da non superato a superato e il mantenimento del superamento. I tassi di superamento rilevati durante le esecuzioni in tempo reale guidano la rietichettatura e il filtraggio, mentre l’analisi offline delle traiettorie con falsi positivi e falsi negativi corregge e amplia i test. Anche le traiettorie di fallimento degli agenti nel mondo reale vengono convertite in attività di addestramento riproducibili e verificabili.

I rollout parziali asincroni interrompono e salvano le traiettorie in corso una volta raccolto un batch completo, quindi le riprendono durante la fase di campionamento successiva. Per limitare la manipolazione della ricompensa, LongCat disabilita l’accesso alla rete negli ambienti delle attività, rimuove la cronologia Git e i file memorizzati nella cache e usa un valutatore basato su un LLM per controllare le traiettorie alla ricerca di exploit. Ulteriori penalità contrastano il ragionamento ripetitivo e le chiamate ripetute agli strumenti durante le interazioni su più turni.

Addestramento sugli acceleratori e inferenza W4A4

L’addestramento su sequenze lunghe avviene sia durante la fase di addestramento intermedio sia durante la messa a punto supervisionata, su acceleratori IA nazionali con meno di 80 GB di memoria per dispositivo. I gruppi di parallelismo seguono la topologia del supernodo, mantenendo le operazioni all-gather dei parametri, all-to-all dei token degli esperti e all-gather della KV all’interno della sua interconnessione ad alta larghezza di banda.

FSDP a doppio shard mantiene lo sharding dei parametri del modello all’interno di ciascun supernodo e suddivide ulteriormente i pesi master FP32 e gli stati dell’ottimizzatore tra i domini FSDP. LongCat ha riferito un throughput per dispositivo superiore dell’86% rispetto alla baseline DDP nelle attività di messa a punto supervisionata su sequenze lunghe.

LongCat ha dichiarato che il proprio stack di addestramento e inferenza mantiene probabilità logaritmiche per token identiche bit per bit, con un overhead prestazionale quasi nullo, pur separando le rispettive configurazioni di parallelismo. Entrambi i motori usano kernel invarianti rispetto al batch e una logica del framework allineata, con supporto alla propagazione all’indietro durante l’addestramento.

L’inferenza W4A4 quantizza a 4 bit i pesi e le attivazioni degli esperti ed esegue le corrispondenti moltiplicazioni di matrici su unità INT4 native. Una trasformazione dell’input condivisa tra gli esperti consente la quantizzazione prima della replica e dell’instradamento dei token, permettendo di riutilizzare la stessa rappresentazione INT4 durante la comunicazione e il calcolo tra esperti. LongCat ha riferito un’accuratezza paragonabile a quella del modello non quantizzato in tutte le attività a valle valutate.

Nei test di stress online rispetto a una baseline W8A8 INT8, LongCat ha riferito un throughput di prefill superiore del 43,3% e un throughput di decodifica superiore del 42,77%, insieme a riduzioni del 15,91% del TTFT e del 19,72% del TPOT. Il kernel GMM ha raggiunto uno speedup medio di 1,73× rispetto a W8A8.

Risultati delle valutazioni riportati

LongCat ha riportato i seguenti risultati nei benchmark per LongCat-2.5 e il suo predecessore:

Per le valutazioni visive, LongCat ha riportato un punteggio di 55,4 in 3DCodeBench Text-to-3D e di 78,6 in Vision2Web.

Salvo diversa indicazione, le valutazioni di LongCat-2.5 sono state effettuate con la modalità di ragionamento attiva, una temperatura di 1.0 e top_p pari a 0.95. Terminal Bench v2.1 ha utilizzato l’harness Claude Code, con una lunghezza massima della sequenza di 512K, e i risultati sono stati calcolati come media di tre esecuzioni indipendenti. DeepSWE v1.1 ha utilizzato mini-swe-agent, con una lunghezza massima della sequenza di 1M, e anche in questo caso i risultati sono stati calcolati come media di tre esecuzioni.

Per gli altri modelli inclusi nella tabella completa delle valutazioni di LongCat, i punteggi contrassegnati da un asterisco provengono da relazioni tecniche pubbliche, articoli di blog o classifiche ufficiali dei benchmark. I punteggi senza contrassegno sono stati ottenuti con test interni e sono descritti come puramente indicativi.

Accesso alle API e prezzi

La guida rapida per iniziare a usare l’API indica che LongCat-2.5 è disponibile nei formati compatibili con OpenAI e Anthropic. I rispettivi endpoint di base sono https://api.longcat.chat/openai e https://api.longcat.chat/anthropic, con supporto per /v1/chat/completions e /v1/messages. Una singola richiesta dispone di una finestra di contesto di 1M di token e di una lunghezza massima di output di 128K token.

La pagina del prodotto LongCat indica la compatibilità con Claude Code, Codex, Hermes e altri ambienti di esecuzione per agenti. Descrive inoltre il supporto per la programmazione visiva, la progettazione creativa e le attività 3D, oltre che per codebase complesse e progetti completi che richiedono ragionamenti in più fasi e l’uso di strumenti.

La tariffazione a consumo indica tariffe scontate, valide per un periodo limitato, per milione di token: 0,30 $ per gli input non memorizzati nella cache, 0,006 $ per quelli memorizzati nella cache e 1,20 $ per gli output. Le tariffe corrispondenti in yuan sono ¥2, ¥0,04 e ¥8. I prezzi possono variare; fanno fede quelli visualizzati sulla piattaforma API e nei registri di fatturazione.

Mentre GitHub e Hugging Face risultano ancora indicati come in arrivo, la versione presenta l’interfaccia di chat e l’API come modalità di accesso già disponibili.