Meituan lança o LongCat-2.5, um modelo de IA multimodal nativo de 1,6 trilhões de parâmetros para agentes de longo prazo

A Meituan revelou o LongCat-2.5, um novo modelo de IA multimodal nativo, projetado especificamente para tarefas de agentes de longo prazo. Este modelo possui um total de 1,6 trilhões de parâmetros, com aproximadamente 48 bilhões de parâmetros ativados por token. Representa um avanço em relação ao LongCat-2, melhorando significativamente a compreensão visual nativa e as capacidades de programação de agentes. O desenvolvimento envolveu a incorporação de extensos dados de longo prazo no processo de treinamento de longa sequência, juntamente com o aprendizado por reforço em larga escala de longo prazo. Isso fortaleceu a proficiência de engenharia de ponta a ponta do modelo em tarefas complexas, como a construção completa de projetos e o desenvolvimento de repositórios de código. Além disso, a equipe está expandindo a linha de treinamento por meio de síntese de dados, construção de ambientes e treinamento misto em várias plataformas. O LongCat-2.5 processa entradas visuais e textuais usando um formato de token unificado, representando sinais visuais como tokens discretos de vários níveis. Esta integração da compreensão visual nativa e da programação de agentes permite que o modelo se destaque em codificação visual e suporte o design criativo e aplicações 3D. A infraestrutura que suporta estas atualizações inclui otimizações para treinamento de longo contexto e inferência W4A4 em poder de computação doméstico, garantindo a operação eficiente em larga escala de longo prazo de RL.