Meituan lanza LongCat-2.5, un modelo multimodal de 1.6 billones de parámetros para tareas de agentes

Meituan ha lanzado oficialmente LongCat-2.5, un modelo multimodal nativo diseñado para tareas de agentes a largo plazo. El lanzamiento siguió a un anuncio inicial el 2 de noviembre, y la publicación del código abierto se hizo pública el 9 de noviembre. El modelo está disponible bajo la licencia MIT, que permite su despliegue y ajuste fino comerciales sin tarifas de licencia adicionales. LongCat-2.5 cuenta con un total de 1.6 billones de parámetros, con aproximadamente 48 mil millones de parámetros activos por token, y admite una enorme ventana de contexto de un millón de tokens. Para optimizar para los chips informáticos domésticos con limitaciones de memoria y ancho de banda, el equipo de desarrollo implementó optimizaciones colaborativas profundas en toda la arquitectura del modelo, la adaptación del chip y las estrategias de implementación. Los principales avances técnicos incluyen la transformación de las señales visuales en tokens discretos de varios niveles que se procesan de forma uniforme por la columna vertebral principal, en lugar de depender de módulos visuales externos. Además, el modelo utiliza un esquema de inferencia eficiente W4A4, cuantizando tanto los pesos como las activaciones a 4 bits para la computación mediante unidades de multiplicación de matrices INT4 nativas. El modelo demuestra un fuerte rendimiento en codificación visual, que admite tareas como el diseño creativo y la generación 3D.