LongCat-2.5 estreia com 1,6 trilhão de parâmetros e tokens visuais nativos

A LongCat apresentou o LongCat-2.5 em 1º de novembro de 2026: um modelo de mistura de especialistas nativamente multimodal, voltado a tarefas agênticas de longo horizonte, com 1,6 trilhão de parâmetros no total e aproximadamente 48 bilhões ativados por token.

A LongCat afirmou que o lançamento se baseia no LongCat-2.0 e oferece compreensão visual nativa mais robusta e melhores recursos de programação agêntica. Seu treinamento incorpora mais trajetórias de longo horizonte e aprendizado por reforço em larga escala para tarefas de longo horizonte, voltados ao desenvolvimento de bases de código complexas e à compilação de projetos completos. O lançamento inclui links para a interface de chat e a plataforma de API da LongCat, enquanto os botões do GitHub e do Hugging Face estão identificados como “em breve”.

Tokens visuais discretos e treinamento de agentes

O LongCat-2.5 representa sinais visuais como tokens discretos em vários níveis, permitindo que sua rede principal processe entradas visuais e textuais em um formato unificado baseado em tokens. O projeto combina tokenização visual na resolução nativa, pré-processamento visual offline e embeddings visuais aprendidos em conjunto com a rede principal. O modelo aplica quantização vetorial residual a características em resolução nativa extraídas de um codificador semântico e alinhado; as imagens são codificadas como sequências de tokens discretos e reconstruídas por um decodificador visual de tokens.

Um tokenizador fixo permite pré-calcular e armazenar em cache offline os IDs dos tokens visuais, de modo que a rede principal processe sequências pré-tokenizadas. Como a quantidade de tokens de imagem é conhecida durante o empacotamento e o embaralhamento dos dados, a carga de cada modalidade é previsível e suas proporções podem ser mantidas aproximadamente uniformes entre os ranks de paralelismo de dados. A LongCat afirmou que uma validação preliminar em um modelo MoE menor, com aproximadamente 3 bilhões de parâmetros ativados em média, mostrou embeddings visuais e textuais entrelaçados nas visualizações t-SNE, o que sugere integração em um espaço semântico compartilhado.

Para tarefas de programação agêntica, um pipeline de síntese gera tarefas de treinamento, ambientes interativos e testes verificáveis. A LongCat filtra pull requests do GitHub e issues vinculadas, usa agentes para anotar tarefas e sintetizar ambientes e os valida com testes de transição de falha para aprovação e de aprovação para aprovação. As taxas de aprovação das execuções em tempo real orientam a reclassificação e a filtragem, enquanto a análise offline de trajetórias de falsos positivos e falsos negativos corrige e amplia os testes. Trajetórias de falhas de agentes em situações reais também são convertidas em tarefas de treinamento reproduzíveis e verificáveis.

As execuções parciais assíncronas interrompem e salvam trajetórias em andamento depois que um lote completo é coletado e, em seguida, retomam essas trajetórias na fase de amostragem seguinte. Para limitar a manipulação da recompensa, a LongCat desativa o acesso à rede nos ambientes de tarefas, remove o histórico do Git e os arquivos em cache e usa um avaliador baseado em LLM para auditar as trajetórias em busca de explorações. Penalidades adicionais são aplicadas ao raciocínio repetitivo e a chamadas repetidas de ferramentas durante interações com várias rodadas.

Treinamento em aceleradores e inferência W4A4

O treinamento com sequências longas ocorre tanto durante o treinamento intermediário quanto no ajuste fino supervisionado, em aceleradores nacionais de IA com menos de 80 GB de memória por dispositivo. Os grupos paralelos seguem a topologia do supernó, mantendo as operações de coleta total de parâmetros (all-gather), comunicação total de tokens entre especialistas (all-to-all) e coleta total de KV (all-gather) dentro de sua interconexão de alta largura de banda.

O FSDP com particionamento duplo mantém o particionamento dos parâmetros do modelo dentro de cada supernó, enquanto particiona ainda mais os pesos mestres FP32 e os estados do otimizador entre os domínios FSDP. A LongCat relatou uma taxa de processamento por dispositivo 86% maior do que a de sua configuração de referência DDP em tarefas de ajuste fino supervisionado com sequências longas.

A LongCat afirmou que sua pilha de treinamento e inferência mantém probabilidades logarítmicas por token idênticas bit a bit, com sobrecarga de desempenho quase nula, ao mesmo tempo que desacopla as configurações de paralelismo dos dois processos. Ambos os mecanismos usam kernels invariantes ao lote e lógica de framework alinhada, com suporte à retropropagação durante o treinamento.

A inferência W4A4 quantiza os pesos e as ativações dos especialistas para 4 bits e executa as multiplicações de matrizes correspondentes em unidades INT4 nativas. Uma transformação de entrada compartilhada entre os especialistas permite realizar a quantização antes da replicação e do despacho dos tokens, possibilitando reutilizar a mesma representação INT4 durante a comunicação e a computação entre especialistas. A LongCat relatou precisão comparável à do modelo não quantizado em todas as tarefas posteriores avaliadas.

Em testes de estresse online contra uma configuração de referência W8A8 INT8, a LongCat relatou aumentos de 43,3% na taxa de processamento de prefill e de 42,77% na taxa de processamento de decodificação, além de reduções de 15,91% no TTFT e de 19,72% no TPOT. O kernel GMM alcançou uma aceleração média de 1,73× em relação ao W8A8.

Resultados de avaliação divulgados

A LongCat divulgou os seguintes resultados de benchmark para o LongCat-2.5 e seu antecessor:

Nas avaliações visuais, a LongCat relatou pontuações de 55,4 no 3DCodeBench Text-to-3D e de 78,6 no Vision2Web.

Salvo indicação em contrário, as avaliações do LongCat-2.5 foram realizadas com o modo de raciocínio ativado, temperatura de 1.0 e top_p de 0.95. O Terminal Bench v2.1 usou o harness do Claude Code, com comprimento máximo de sequência de 512K, e os resultados correspondem à média de três execuções independentes. O DeepSWE v1.1 usou o mini-swe-agent, com comprimento máximo de sequência de 1M, e os resultados também correspondem à média de três execuções.

Para os outros modelos incluídos na tabela completa de avaliações do LongCat, as pontuações marcadas com asterisco vieram de relatórios técnicos públicos, publicações em blogs ou tabelas de classificação oficiais dos benchmarks. As pontuações sem marcação foram obtidas em testes próprios e são apresentadas apenas como indicativas.

Acesso à API e preços

O guia de início rápido da API lista o LongCat-2.5 nos formatos compatíveis com OpenAI e Anthropic. Os respectivos endpoints base são https://api.longcat.chat/openai e https://api.longcat.chat/anthropic, com suporte a /v1/chat/completions e /v1/messages. Cada solicitação tem uma janela de contexto de 1M de tokens e um comprimento máximo de saída de 128K tokens.

A página do produto LongCat lista compatibilidade com Claude Code, Codex, Hermes e outros harnesses de agentes. Ela também descreve o suporte à programação visual, ao design criativo e a tarefas de 3D, além de bases de código complexas e compilações de projetos completos que envolvem raciocínio em várias etapas e uso de ferramentas.

Os preços do modelo pré-pago por uso incluem tarifas promocionais por tempo limitado, por milhão de tokens: US$ 0,30 para entrada não armazenada em cache, US$ 0,006 para entrada armazenada em cache e US$ 1,20 para saída. As tarifas correspondentes em yuans são ¥2, ¥0,04 e ¥8. Os preços podem mudar; os valores exibidos na plataforma da API e nos registros de cobrança são os válidos.

Como GitHub e Hugging Face ainda aparecem como serviços previstos para breve, o lançamento apresenta a interface de chat e a API como as opções de acesso disponíveis.