در تاریخ ۳ نوامبر، Meituan به طور رسمی LongCat-2.5 را معرفی کرد؛ یک مدل بزرگ چندوجهی بومی نسل جدید که برای وظایف عامل با افق بلند طراحی شده است. این مدل که یک تکرار عمده بر اساس LongCat-2.0 محسوب می‌شود، در قابلیت‌های درک بصری بومی و کدنویسی عامل به طور جامع ارتقا یافته و در چندین آزمایش معتبر با مدل‌های بزرگ برتر خارجی رقابت کرده و در چندین معیار پیشتاز شده است.
معماری هسته و مقیاس پارامتر: ۱.۶ تریلیون پارامتر برای توانمندسازی قابلیت‌های مهندسی سرتاسری
از نظر معماری زیربنایی، LongCat-2.5 از یک سیستم پارامتری عظیم با مجموع ۱.۶ تریلیون پارامتر بهره می‌برد، در حالی که حدود ۴۸ میلیارد پارامتر را در طول هر استنتاج توکن فعال می‌کند و بدین ترتیب بین قدرت محاسباتی استنتاج و کارایی عملیاتی تعادل برقرار می‌سازد.
برای اعطای قابلیت‌های قوی به مدل جهت انجام وظایف پیچیده، تیم Meituan داده‌های مسیر با افق بلند غنی‌تری را به آموزش توالی‌های طولانی وارد کرد و از طریق آموزش یادگیری تقویتی در مقیاس بزرگ با افق بلند، قابلیت‌های مهندسی سرتاسری مدل را در وظایفی مانند توسعه پایگاه کد پیچیده و ساخت پروژه کامل به طور قابل توجهی بهبود بخشید. در عین حال، این مدل به طور نوآورانه سیگنال‌های بصری را به صورت توکن‌های گسسته چندسطحی نمایش می‌دهد و مدل اصلی را قادر می‌سازد تا ورودی‌های بصری و متنی را به صورت توکن یکپارچه و بدون وقفه پردازش کند. این ادغام عمیق «درک بصری بومی» و «کدنویسی عامل» نه تنها عملکرد برجسته‌ای را در وظایف کدنویسی بصری (Visual Coding) به مدل می‌دهد، بلکه پشتیبانی فنی محکمی را برای وظایف تعاملی پیچیده مانند طراحی خلاقانه و سه‌بعدی فراهم می‌کند.
در پایه محاسباتی که از آموزش زیربنایی پشتیبانی می‌کند، این سیستم برای محیط‌های محاسباتی داخلی بهینه‌سازی عمیقی شده است و بر رفع تنگناهای فنی آموزش با زمینه طولانی (long-context training) و استنتاج W4A4 تمرکز دارد. از طریق تنظیم دقیق سازگاری عددی آموزش-استنتاج و بهینه‌سازی گسترش زمینه طولانی، این سیستم به طور کامل از عملکرد کارآمد یادگیری تقویتی در مقیاس بزرگ با افق بلند پشتیبانی می‌کند.
ارزیابی معیارهای معتبر: عملکرد برجسته در وظایفی مانند اتوماسیون وب و تولید سه‌بعدی
برای ارزیابی جامع عملکرد کلی مدل، این ارزیابی سه دسته اصلی – کد، وظایف عمومی و عامل‌های بصری – شامل مجموع ۹ معیار مختلف را پوشش داد. در رقابت رو در رو با چندین مدل بزرگ برتر خارجی محبوب، از جمله Claude-Opus-5، GPT-5.6-Sol، GPT-5.5 و Claude-Opus-4.8، LongCat-2.5 نتایج چشمگیری را در چندین زیر-جدول رده‌بندی به دست آورد:
- در آزمایش AutomationBench، LongCat-2.5 امتیاز ۵۱.۸ را کسب کرد و با موفقیت از Claude-Opus-5 (۵۰.۳ امتیاز) در همان دسته پیشی گرفت.
- در معیار BrowseComp، این مدل با امتیاز بالای ۹۱.۹ در رتبه اول قرار گرفت.
- در آزمایش 3DCodeBench (پروژه تبدیل متن به سه‌بعدی)، مدل امتیاز ۵۵.۴ را کسب کرد و به برتری جزئی نسبت به رقبای مشابه دست یافت.
در مجموع، نتایج ارزیابی نشان می‌دهد که LongCat-2.5 تسلط قوی در وظایف عامل مانند مرور وب، عملیات خودکار و تولید سه‌بعدی از خود نشان می‌دهد؛ در حالی که در دسته‌های وظایف سنتی‌تر مانند کدنویسی و دستورات ترمینال، اگرچه شکاف کوچکی در مقایسه با مدل‌های بزرگ پیشرو خارجی باقی مانده است، اما به طور قاطع جایگاه خود را در رده‌های برتر جهانی تثبیت کرده است.
با معرفی رسمی LongCat-2.5، Meituan نه تنها انباشت فنی عمیق خود را در مدل‌های بزرگ بنیادی و سیستم‌های تجسم‌یافته به نمایش گذاشت، بلکه همچنین ثابت کرد که مدل‌های بزرگ عامل داخلی کاملاً قادر به رقابت مستقیم با پیشرفته‌ترین محصولات جهان هستند. در حال حاضر، کانال‌های تجربه آنلاین رسمی و دسترسی به API به طور رسمی باز شده‌اند تا توسعه‌دهندگان و کاربران صنعتی بتوانند آزمایش‌های عمیقی انجام دهند.