Вышла LongCat-2.5: 1,6 трлн параметров и упор на AI-агентов.
Команда LongCat представила новую мультимодальную MoE-модель LongCat-2.5. В ней 1,6 трлн параметров, из которых около 48 млрд активируются на каждый токен.
Основной упор сделан на агентное программирование: работу с большими кодовыми базами, создание полноценных проектов, генерацию интерфейсов и 3D-сцен.
Ключевые особенности
- Изображения кодируются в дискретные токены через Residual Vector Quantization (RVQ). Это позволяет обрабатывать визуальную и текстовую информацию в общей модели.
- Для обучения агентов используют long-horizon RL. Неудачные попытки решения реальных задач превращаются в новые тренировочные примеры с автоматической проверкой результата.
Отдельно оптимизировали инференс. W4A4-квантизация дала прирост пропускной способности на 43,3% для prefill и 42,77% для decode относительно W8A8 в тестах разработчиков.
На Terminal Bench 2.1 модель набрала 88,4 балла, приблизившись к результатам ведущих моделей для программирования.
LongCat-2.5 уже доступна через API и совместима с Claude Code, Codex и другими агентными средами.
Ещё новости:
