LongCat-2.5 lanseres med 1,6 billioner parametere og innebygde visuelle token

LongCat presenterte LongCat-2.5 1. november 2026, en naturlig multimodal blanding-av-eksperter-modell for agentoppgaver med lang tidshorisont, med totalt 1,6 billioner parametere og omtrent 48 milliarder aktiverte parametere per token.

LongCat sa at lanseringen bygger videre på LongCat-2.0, med bedre innebygd visuell forståelse og agentbasert koding. I treningen inngår flere forløp med lang tidshorisont og forsterkningslæring i stor skala over lang tidshorisont, for utvikling av komplekse kodebaser og bygging av hele prosjekter. Lanseringen lenker til LongCats chatgrensesnitt og API-plattform, mens knappene for GitHub og Hugging Face er merket «kommer snart».

Diskrete visuelle token og agenttrening

LongCat-2.5 representerer visuelle signaler som diskrete token på flere nivåer, slik at modellens ryggrad kan behandle visuelle og tekstlige inndata i et enhetlig, tokenbasert format. Utformingen kombinerer tokenisering av visuelle data i opprinnelig oppløsning, forhåndsbehandling av visuelle data uten nett og visuelle innbygginger som læres sammen med ryggraden. Den bruker residualvektorkvantisering på funksjoner i opprinnelig oppløsning fra en Semantic-and-Aligned Encoder, der bilder kodes som sekvenser av diskrete token og rekonstrueres av en visuell detokenisator.

En fast tokenizer gjør det mulig å forhåndsberegne visuelle token-ID-er og hurtigbufre dem uten nett, slik at ryggraden behandler forhåndstokeniserte sekvenser. Fordi antallet bildetoken er kjent når data pakkes og stokkes, er belastningen fra hver modalitet forutsigbar, og andelene kan holdes omtrent jevne på tvers av data-parallelle ranger. LongCat sa at foreløpig validering på en mindre MoE-modell med omtrent 3 milliarder aktiverte parametere i gjennomsnitt viste sammenvevde visuelle og tekstlige innbygginger i t-SNE-visualiseringer, noe som tyder på integrasjon i et felles semantisk rom.

For agentbaserte kodingsoppgaver genererer en syntesepipeline treningsoppgaver, interaktive miljøer og tester som kan verifiseres. LongCat filtrerer pull-forespørsler på GitHub og tilknyttede saker, bruker agenter til å annotere oppgaver og syntetisere miljøer, og validerer dem med fail-to-pass- og pass-to-pass-tester. Beståelsesratene fra aktive utrullinger brukes til å veilede ommerking og filtrering, mens offline-analyse av forløp med falske positiver og falske negativer korrigerer og utvider testene. Feilforløp fra agenter i den virkelige verden gjøres også om til reproduserbare, verifiserbare treningsoppgaver.

Asynkrone, delvise utrullinger avbryter og lagrer pågående forløp etter at en hel batch er samlet inn, og gjenopptar dem deretter i neste samplingsfase. For å begrense manipulering av belønningssystemet deaktiverer LongCat nettverkstilgang i oppgavemiljøer, fjerner Git-historikk og hurtigbufrede filer og bruker en LLM-dommer til å kontrollere forløp for utnyttelse. Ytterligere straffer motvirker gjentakende resonnering og gjentatte verktøykall i interaksjoner med flere turer.

Trening på akseleratorer og W4A4-inferens

Trening med lange sekvenser foregår både under mellomtrening og veiledet finjustering på innenlandske AI-akseleratorer med mindre enn 80 GB minne per enhet. De parallelle gruppene følger supernodetopologien, slik at parameter-all-gather, ekspert-token-all-to-all og KV-all-gather holdes innenfor supernodens høybåndbreddeforbindelse.

Dual-shard FSDP holder oppdelingen av modellparametere innenfor hver supernode, samtidig som FP32-mastervekter og optimalisatortilstander deles videre opp på tvers av FSDP-domener. LongCat rapporterte 86 % høyere gjennomstrømning per enhet enn med DDP-baselinen sin i oppgaver med veiledet finjustering av lange sekvenser.

LongCat sa at trenings- og inferensstakken bevarer bitvis identiske loggsannsynligheter per token, med nær null ytelsesoverhead, samtidig som konfigurasjonene for parallellisering frikobles. Begge motorene bruker batchinvariante kjerner og samordnet rammeverkslogikk, med støtte for bakoverpassering under trening.

W4A4-inferens kvantiserer ekspertvekter og aktiveringer til 4 bit og utfører de tilhørende matrisemultiplikasjonene på innebygde INT4-enheter. En delt inndatatransformasjon på tvers av eksperter gjør det mulig å kvantisere før tokenreplikering og distribusjon, slik at den samme INT4-representasjonen kan gjenbrukes under ekspertkommunikasjon og beregning. LongCat rapporterte en nøyaktighet på nivå med den ukvantiserte modellen på alle evaluerte nedstrømsoppgaver.

I nettbaserte stresstester mot en W8A8 INT8-baseline rapporterte LongCat 43,3 % høyere prefyllgjennomstrømning og 42,77 % høyere dekodegjennomstrømning, samt reduksjoner på 15,91 % i TTFT og 19,72 % i TPOT. GMM-kjernen oppnådde en gjennomsnittlig hastighetsøkning på 1,73× sammenlignet med W8A8.

Rapporterte evalueringsresultater

LongCat rapporterte følgende referanseresultater for LongCat-2.5 og forgjengeren:

For visuelle evalueringer rapporterte LongCat 55,4 på 3DCodeBench Text-to-3D og 78,6 på Vision2Web.

Med mindre annet er angitt, ble evalueringene av LongCat-2.5 gjennomført med tenking aktivert, en temperatur på 1.0 og top_p på 0.95. Terminal Bench v2.1 brukte Claude Code-harnessen med en maksimal sekvenslengde på 512K og ble gjennomsnittsberegnet over tre uavhengige kjøringer. DeepSWE v1.1 brukte mini-swe-agent med en maksimal sekvenslengde på 1M og ble også gjennomsnittsberegnet over tre kjøringer.

For andre modeller som inngår i LongCats fullstendige evalueringstabell, er poengsummer merket med en stjerne hentet fra offentlige tekniske rapporter, blogginnlegg eller offisielle resultatlister for referansetester. Poengsummer uten merking er basert på egne kjøringer og beskrives kun som veiledende.

API-tilgang og priser

Hurtigstartveiledningen for API-et oppgir LongCat-2.5 for både OpenAI- og Anthropic-kompatible formater. De respektive basisendepunktene er https://api.longcat.chat/openai og https://api.longcat.chat/anthropic, med støtte for /v1/chat/completions og /v1/messages. Én enkelt forespørsel har et kontekstvindu på 1M tokener og en maksimal utdatalengde på 128K tokener.

LongCats produktside oppgir kompatibilitet med Claude Code, Codex, Hermes og andre agentrammeverk. Den beskriver også støtte for visuell programmering, kreativ design og 3D-oppgaver, i tillegg til arbeid med komplekse kodebaser og bygging av komplette prosjekter som involverer resonnering i flere trinn og bruk av verktøy.

Forbruksbasert prising oppgir tidsbegrensede rabatterte priser per million token: $0.30 for ubufret inndata, $0.006 for bufret inndata og $1.20 for utdata. De tilsvarende yuanprisene er ¥2, ¥0.04 og ¥8. Prisene kan endres, og prisene som vises på API-plattformen, samt faktureringsoppføringene, regnes som autoritative.

Siden GitHub og Hugging Face fortsatt er merket med «kommer snart», presenterer lanseringen chatgrensesnittet og API-et som de tilgjengelige tilgangsveiene.