Meituan open-sources 1.6T-parameter LongCat-2.5, sinanay nang walang Nvidia chips

Inilabas ni Meituan ang mga timbang para sa LongCat-2.5, isang 1.6-trillion-parameter mixture-of-experts na modelo na binuo para sa long-horizon autonomous coding at mga gawain ng ahente, na ganap na sinanay sa mga accelerator na gawa ng Chinese, na may gabay sa self-hosting na binuo sa 194 Huawei Ascend chips.
Inilabas ng Meituan ang mga bukas na timbang para sa LongCat-2.5, isang mixture-of-experts (MoE) na modelo na may 1.6 trilyong parameter, na idinisenyo para sa mahaba, multi-step na mga autonomous na gawain, lalo na ang coding. Ang detalye ng headline ay na ito ay ganap na sinanay sa Chinese-made computing hardware, nang walang Nvidia chips.
Ang Decoder ay nag-uulat na ang mga timbang ay naging available mga isang linggo pagkatapos ihayag ang modelo, sa ilalim ng lisensya ng MIT, na nagpapahintulot sa komersyal na paggamit, pagbabago at muling pamamahagi. Bagama't ang modelo ay may kabuuang 1.6 trilyong parameter, halos 48 bilyon lamang ang aktibo sa bawat token. Sinusuportahan ng API nito ang hanggang isang milyong token ng input at mga tugon ng hanggang 128,000 token, pinangangasiwaan ang text, mga larawan at video, at hinahayaan ang mga user na i-on o i-off ang reasoning mode.
Gumagana ang gabay sa self-hosting sa 194 Huawei Ascend chips
Ang gabay sa self-hosting ng Meituan ay nagde-deploy ng modelo sa 194 Huawei Ascend Atlas A2 accelerators: dalawa para sa pagpoproseso ng imahe, 64 para sa mga senyas at 128 para sa mga tugon. Ang gabay ay hindi binanggit ang Nvidia hardware o deployment. Naglabas din ang Meituan ng 4-bit na quantised na bersyon, na sinasabi nitong pinapanatili ang katumpakan na pare-pareho sa hindi naka-compress na modelo habang pinapataas ang prompt-processing throughput ng 43.3 porsiyento at response-generation throughput ng 42.77 porsiyento sa isang 8-bit na bersyon.
Ang mga benchmark ay sariling Meituan; wala pang independent verification
Ang Meituan ay nag-uulat ng 88.4 sa Terminal-Bench v2.1, malapit sa Claude Opus 5 sa 89.1 at mas mababa sa DeepSeek-V4.1-Flash sa 90.6. Sa DeepSWE, isang pagsubok sa pag-aayos ng mga bug sa mga real code repository, nakakuha ito ng 64.6, isang matalim na pagtaas mula sa 9.7 para sa nakaraang bersyon, ngunit nasa likod pa rin ng DeepSeek sa 74.2. Ito ang sariling naiulat na mga pagsusuri ng kumpanya, at wala pang nai-publish na mga independiyenteng benchmark na pagpapatakbo.
Ang API ng modelo ay tugma sa OpenAI at Anthropic na mga format at gumagana sa mga tool ng ahente kabilang ang Claude Code at Codex. Ang pagpepresyo ng paglulunsad ay humigit-kumulang €0.27 bawat milyong input token at €1.07 bawat milyong output token.
(Larawan: larawan ng file ng isang AI chip.)
N環球 
💬 Comments
No comments yet. Be the first!