LongCat 2.5: مدل ۱.۶ تریلیونی متنباز Meituan
خلاصهٔ کاملتر
LongCat 2.5 مدل جدید Meituan هست، همون شرکت چینی که بیشتر با تحویل غذا شناخته میشه. با مجوز MIT منتشر شده و معماریش mixture-of-experts (MoE) هست؛ یعنی مدل از چند بخش تخصصی ساخته شده و برای هر توکن فقط بعضیهاش فعال میشن. کل پارامترها ۱.۶ تریلیونه ولی برای هر توکن حدود ۴۸ میلیارد فعاله. وزنهاش توی ۲۰۸ فایل safetensors روی Hugging Face پخش شده. تمرکز اصلیش کارهای agentic هست، یعنی کارهای چندمرحلهای مثل کدنویسی طولانی توی کدبیسهای بزرگ و کار با ابزارها.
بخش تصویرش جالبه. بهجای اینکه هر عکس رو به یه اندازهٔ ثابت تغییر بده، یه vision tokenizer داره که عکس رو به یه لیست از توکنهای گسسته تبدیل میکنه و عکس بزرگتر فقط لیست بلندتری میسازه. یعنی صفحهٔ روزنامه یا معادلهٔ دستنویس با همون اندازهٔ اصلی وارد مدل میشه. یه detokenizer هم میتونه از همون توکنها عکس رو دوباره بسازه، پس متن و تصویر توی مدل یه شکل دارن.
برای آموزش کدنویسی، Meituan از pull requestها و issueهای واقعی GitHub محیط تست ساخته. هر محیط تستهایی داره که قبل از رفع مشکل رد میشن و بعدش قبول، بهعلاوهٔ تستهای regression که نباید خراب بشن. مدل توی یه sandbox بدون دسترسی به جستوجوی وب کار میکنه. پاداش از نتیجهٔ تستها و یه داور خودکار میاد که دنبال تقلب یا reward hacking (یعنی دور زدن تست بهجای حل واقعی مشکل) میگرده و جوابهای تکراری یا بیدلیل طولانی رو جریمه میکنه.
توی جدول Meituan، نسخهٔ 2.5 نسبت به LongCat 2 جهش بزرگی داشته. توی BrowseComp و یه بنچمارک تولید کد سهبعدی کمی از Claude Opus جلوتره، ولی توی terminal-bench و تستهای کدنویسی دیگه واضحاً عقبتره. نکتهٔ مهم اینه که خود Meituan نوشته امتیازهای بدون ستاره رو داخل شرکت اندازه گرفته و فقط «نشانهای» هستن، نه تأییدشده. نویسنده میگه این جدول رو باید نقطهٔ شروع دید، نه حکم نهایی.
تستهای عملی نویسنده با دموهای براق Meituan فاصله داشت. وقتی ازش خواسته شد از روی عکس یه دکهٔ دونر کباب، یه صفحهٔ وب شبیهسازی بسازه، خروجی یه شکل نامفهوم بود که اصلاً شبیه نبود. توی تست دوم، باید برای یه حزب سیاسی خیالی به ۸۳ زبان اسمهای خاص و بومی میساخت. خط هر زبان رو درست استفاده کرد، ولی تقریباً همه ترجمهٔ تحتاللفظی «حزب منحصربهفرد» بودن و توی نپالی یادداشتهای اصلاحی خودش هم توی خروجی جا مونده بود.
به گفتهٔ نویسنده، بزرگترین مشکل دسترسیه. با ۱.۶ تریلیون پارامتر، اجرای محلی بدون چندین GPU قوی ممکن نیست. دسترسی از طریق API شخص ثالث هم ثابت نبوده و پیشنهادهای رایگان مثل OpenCode حتی برای یه جلسهٔ کوتاه هم پایدار نبودن. جمعبندی مقاله اینه که LongCat 2.5 مدلیه که ارزش زیر نظر داشتن داره، ولی هر کی میخواد برای کار واقعی ازش استفاده کنه باید روی کارهای خودش تستش کنه.
نکات کلیدی:
- LongCat 2.5 از Meituan با مجوز MIT منتشر شده و ۱.۶ تریلیون پارامتر داره که حدود ۴۸ میلیاردش برای هر توکن فعاله.
- وزنهاش توی ۲۰۸ فایل safetensors روی Hugging Face هست.
- تصویر رو با اندازهٔ اصلی و بدون تغییر اندازه، به توکنهای گسسته تبدیل میکنه.
- آموزش کدنویسیش روی pull requestها و issueهای واقعی GitHub با تست توی sandbox بوده.
- توی BrowseComp از Claude Opus جلوتره، ولی توی terminal-bench عقبتره.
- امتیازهای بدون ستاره رو خود Meituan اندازه گرفته و تأیید مستقل ندارن.




