דלגו לתוכן
גיליון 001·חי·20:20 IL
→ יומן/2026-11-16·9 דק׳

LongCat-2.5: Meituan משחררת מודל סוכנים של 1.6T פרמטרים ברישיון MIT, מאומן ומוגש בלי Nvidia

צוות LongCat של Meituan שחרר את המשקלים של LongCat-2.5: מודל mixture-of-experts עם 1.6 טריליון פרמטרים, כ-48B פעילים לטוקן, הבנת תמונה מלידה, קונטקסט של 512K טוקנים ורישיון MIT. האימון והפריסה הרפרנסית רצים כולם על מאיצים סיניים מקומיים, עם quantization של W4A4 INT4 שלטענת הצוות משמר דיוק קרוב למלוא הדיוק. בבנצ'מרקים של היצרן הוא קרוב ל-Claude Opus 5 בקידוד סוכנתי, ומתחתיו במשימות terminal. אירוח עצמי דורש אשכול רציני.

מאת Harel Asaf·בונה בינה מלאכותית·תל אביב

צוות LongCat של Meituan שחרר השבוע את המשקלים של LongCat-2.5 תחת רישיון MIT, והשילוב הזה חשוב: מודל mixture-of-experts עם 1.6 טריליון פרמטרים, בערך 48B פעילים לכל טוקן, מולטימודאליות מלידה, חלון קונטקסט של 512K טוקנים, וביצועי קידוד סוכנתי באזור של Claude Opus 5, מאומן ומוגש בכלל בלי חומרת Nvidia. המשקלים עלו ל-Hugging Face בערך שבוע אחרי החשיפה הרשמית של המודל, יחד עם וריאנט מקוונטז W4A4 ומתכון פריסה ל-NPU. זה כרגע אחד המודלים הפתוחים באמת החזקים שאפשר להוריד, לשנות ולהגיש בעצמכם, עם הסתייגות שהגשה שלו דורשת מרכז נתונים קטן. כל מספרי הבנצ'מרק והתשתית כאן מגיעים מכרטיס המודל והם דיווחי יצרן.

מהו LongCat-2.5 בעצם

LongCat-2.5 הוא MoE מולטימודאלי מלידה שבנוי לעבודה סוכנתית ארוכת-טווח. הקונפיגורציה מראה 768 experts מנותבים, אוצר מילים של 163,840 טוקנים, וקונטקסט מקסימלי של 524,288 טוקנים. הצוות ממצב אותו לפיתוח codebase מורכב, בניית פרויקטים מלאים, עיצוב יצירתי ומשימות תלת-ממד.

החלק המולטימודאלי הוא ארכיטקטוני, לא מודבק. בהמשך לשורת LongCat-Next, מאפיינים ויזואליים ברזולוציה מקורית מומרים לטוקנים בדידיים ומיושרים עם טקסט במרחב סמנטי משותף, כך שהמודל קורא תמונות דרך אותו מסלול של מילים ולא דרך מקודד נפרד שהודבק אחרי האימון.

פרט תפעולי ששווה להכיר: מצב חשיבה כבוי כברירת מחדל (enable_thinking=False), וזו ההמלצה של הצוות ליעילות טוקנים טובה יותר.

הבנצ'מרקים, כולם דיווחי יצרן

הטבלה בכרטיס המודל משווה את LongCat-2.5 מול LongCat-2.0 ומול מודלי חזית כולל GPT-5.5, Claude Opus 4.8 ו-Opus 5, GLM-5.3, Kimi K3 ו-DeepSeek-V4.1-Flash. מספרים שמסומנים בכוכבית בכרטיס נלקחו ממקורות חיצוניים ולא רוצו על ידי הצוות, אז תתייחסו להשוואות מול מתחרים בזהירות הרגילה.

נקודות השיא: Terminal-Bench v2.1 עם 88.4, ממש מתחת ל-89.1 של Opus 5 ול-90.6 של DeepSeek-V4.1-Flash, והרחק מעל 70.8 של LongCat-2.0. ב-Terminal-Bench v4.0 הקשה יותר הפער מול Opus 5 גדל, 38.5 מול 53.9, וב-Program Bench (Almost Resolved) הוא משיג 25.5 מול 37.0 של Opus 5. PaperBench הוא נקודה מרשימה עם 82.1, קרוב לראש הטבלה, ו-3DCodeBench עם 55.4 הוא הציון הגבוה בטבלה. מול הקודם שלו הקפיצה דרמטית בכל קנה מידה: DeepSWE עולה מ-9.7 ל-64.6, AutomationBench מ-15.8 ל-51.8, JobBench מ-44.4 ל-65.4.

הקריאה הכנה: זהו מודל סוכנים קרוב-חזית שמתחרה בשוויון עם הטובים בחלק מההערכות וברור שהוא מאחורי Opus 5 בעבודה כבדת-terminal. למודל במשקלים פתוחים תחת MIT, זה שיא חדש.

מאומן ומוגש בלי Nvidia

סעיף התשתית בכרטיס מעניין לא פחות מהבנצ'מרקים. האימון רץ על מאיצי AI סיניים מקומיים, והצוות מדווח ש-supernode-aware parallelism, sharding ו-overlap של תקשורת-חישוב נתנו תפוקה גבוהה ב-86% לכרטיס מול baseline של DDP במשימות SFT ארוכות-רצף. תשתית ה-RL שומרת על log probabilities של טוקנים זהים ברמת הביט בין אימון, prefill ו-decoding, וכל מי שדיבג סטיית train-serve יעריך את זה, ועבודת KV cache כמעט הכפילה את קיבולת ה-KV ב-decode בלי להעלות TPOT בעומס הנבדק.

סיפור ה-quantization של W4A4 הוא מאפשר הפריסה: משקלים ואקטיבציות של ה-experts יורדים ל-INT4 מקורי על מאיצים מקומיים בעזרת טרנספורמציות נלמדות בסגנון FlatQuant, עם דיוק שלטענת הצוות דומה למודל הלא-מקוונטז בבנצ'מרקים שהעריכו. מול baseline של W8A8 MoE, מבחני עומס online מראים תפוקת prefill גבוהה ב-43.3%, תפוקת decode גבוהה ב-42.77%, TTFT נמוך ב-15.91% ו-TPOT נמוך ב-19.72%, עם קרנלים של grouped GEMM בממוצע פי 1.73. בשילוב quantization של KV cache, W4A4KV8 נותן תפוקת decode גבוהה ב-92% מ-W8A8KV16. שחרור משקלים נפרד של W4A4 פורסם לצד המודל הראשי.

איך באמת מריצים אותו

תהיו ריאליים לגבי החומרה. פריסת ה-NPU הרפרנסית, מתועדת ברפוזיטורי SGLang-FluentLLM, מכוונת לפלטפורמת Ascend Atlas A2 של Huawei, וקונפיגורציית הדוגמה היא אשכול Atlas A2 Pod של 194 כרטיסים, עם 16 כרטיסים למכונת prefill/decode ו-2 כרטיסים ל-encoder. ב-1.6T פרמטרים גם משקלים ב-INT4 הם מאות גיגה-בייט, אז זה מודל לאשכולות, לא ללפטופ. מחסן התוכנה הוא CANN 9.0.0 עם torch_npu ו-torchair שמתאימים ל-PyTorch 2.9.0, מה שאומר שהמסלול הוא Huawei-first.

אם אין לכם חומרת Ascend, המסלולים הפרקטיים הם ה-API המתארח בפלטפורמת LongCat הרשמית, שיושב מאחורי התחברות לחשבון Meituan ולכן לא הצלחתי לאמת תמחור בלי להירשם, או לחכות לתמיכת inference מהקהילה. סטאקים של serving מוכווני GPU לא פרסמו מתכונים מאומתים ל-LongCat-2.5 נכון לכתיבת שורות אלה, ולא הייתי מניח ש-vLLM או SGLang סטנדרטי מטפלים בארכיטקטורה בלי בדיקה.

מה הייתי בודק

אם יש לכם גישה ל-Ascend, משחזרים את פריסת ה-W4A4 ומודדים עלות לטוקן מול סטאק ההגשה הנוכחי שלכם, כי טענות התפוקה הן כל העניין של עבודת ה-quantization. בודקים את המודל על harness קידוד סוכנתי משלכם עם מצב חשיבה כבוי ודולק, ועוקבים אחרי צריכת הטוקנים בשני המצבים. מאמתים שתנאי רישיון ה-MIT בכרטיס המודל מכסים את השימוש המיועד שלכם, כולל הוריאנט המקוונטז. ועוקבים אם לוחות צד שלישי ופריימוורקים של הגשה מאמצים את המודל בשבועות הקרובים, כי זה מה שיקבע אם הוא יהפוך לתשתית או יישאר ארטיפקט מחקרי.

מה לא הייתי מסיק

טבלאות יצרן עם מספרי מתחרים מסומנים בכוכבית הן לא הערכות עצמאיות, וחלק מהתוצאות החזקות כאן רוצו עצמאית בלבד. אל תניחו שהמודל זול להגשה רק כי הוא יעיל על Ascend: הפריסה הרפרנסית היא pod של 194 כרטיסים, ושום דבר בשחרור לא רומז על פרקטיות של צומת בודד. ורישיון ה-MIT מכסה את המשקלים, לא את המחשוב שצריך כדי להשתמש בהם.

שאלות נפוצות

מהו LongCat-2.5?

LongCat-2.5 הוא מודל הדגל במשקלים פתוחים של Meituan למשימות סוכנתיות: mixture-of-experts מולטימודאלי מלידה עם 1.6 טריליון פרמטרים, כ-48B פעילים לטוקן, 768 experts מנותבים וחלון קונטקסט של 512K טוקנים. הוא שוחרר תחת רישיון MIT בנובמבר 2026.

האם LongCat-2.5 באמת קוד פתוח?

המשקלים פורסמו ב-Hugging Face תחת רישיון MIT, כולל וריאנט מקוונטז W4A4, מה שמאפשר שימוש מסחרי, שינוי והפצה מחדש. זה בערך הכי פתוח ששחרורי מודלים מגיעים. קוד האימון והדאטה לא חלק מהשחרור, וזה סטנדרטי למודלים במשקלים פתוחים.

אפשר להריץ את LongCat-2.5 על GPU משלי?

במציאות, לא. גם עם quantization של W4A4 INT4, 1.6 טריליון פרמטרים צריכים מאות גיגה-בייט של זיכרון מאיץ. הפריסה היחידה המתועדת היא pod של 194 כרטיסי NPU מסוג Huawei Atlas A2. ליחידים ולצוותים קטנים, ה-API המתארח בפלטפורמת LongCat הוא נקודת הכניסה הפרקטית.

כמה הוא טוב בקידוד בהשוואה ל-Claude Opus 5?

בטבלה של היצרן, LongCat-2.5 כמעט משתווה ל-Opus 5 ב-Terminal-Bench v2.1 (88.4 מול 89.1) אבל נפגר בבירור ב-Terminal-Bench v4.0 (38.5 מול 53.9) וב-Program Bench (25.5 מול 37.0). הוא מוביל את הטבלה ב-3DCodeBench וקרוב לראש ב-PaperBench. אלה מספרים מדווחי יצרן, אז חכו להערכות עצמאיות לפני שמבססים עליהם מיגרציה.

האם הוא באמת אומן בלי חומרת Nvidia?

כן, לפי כרטיס המודל ודיווחים עקביים: האימון רץ על מאיצים סיניים מקומיים, וסטאק ההגשה היחיד המתועד הוא Huawei Ascend עם CANN. הכרטיס ממסגר את עבודת הפרלליזם, תשתית ה-RL וה-quantization סביב אותה חומרה.

למה משמש הוריאנט W4A4?

W4A4 מקוונטז משקלים ואקטיבציות של experts ל-INT4 מקורי על מאיצים מקומיים. Meituan מדווחת על תפוקת prefill ו-decode גבוהה בכ-43% מול W8A8 עם דיוק דומה למודל הלא-מקוונטז בבנצ'מרקים שהעריכה, ותוספת של 92% בתפוקת decode בשילוב quantization של KV cache. הוא קיים כדי להפוך הגשה של המודל לכדאית כלכלית.

כמה עולה ה-API המתארח?

לא הצלחתי לאמת תמחור: עמוד השימוש של פלטפורמת LongCat דורש התחברות לחשבון Meituan. אם אתם בוחנים את המסלול המתארח, בדקו את עמוד התמחור אחרי ההרשמה ולא תסתמכו על סיכומי צד שלישי.

מקורות

קריאה נוספת

  • Qwen4-Max: דגם הדגל של Alibaba עם 2.4T פרמטרים מבטיח ירידה של 62% בעלות למשימה מול הדור הקודם

    צוות Qwen של Alibaba שחרר את Qwen4-Max, הדגם הראשון במשפחת Qwen4: מודל MoE דליל עם 2.4 טריליון פרמטרים, 71B פעילים לטוקן, חלון קונטקסט של מיליון טוקנים, מצבי חשיבה עם רמות מאמץ מתכווננות, וגישה דרך endpoints תואמי OpenAI ו-Anthropic. לפי מספרי היצרן, עד 49% פחות טוקנים במשימות קידוד סוכנתי וירידה של 62% בעלות הממוצעת למשימה מול Qwen3.8-Max. מחיר הקלט מתחיל ב-1.5 דולר למיליון טוקנים.

  • Inkling 2 Small: Thinking Machines משחררת MoE פתוח של 594B פרמטרים שרץ על 17B פעילים

    Thinking Machines Lab שחררה את Inkling 2 Small במשקלים פתוחים תחת Apache 2.0: מודל mixture-of-experts מולטימודאלי מלידה עם 594B פרמטרים, 17B פעילים, קונטקסט של מיליון טוקנים, ותוצאות agentic coding שמנצחות את רוב מתחרי ה-flash הפתוחים. אירוח עצמי דורש אשכול GPU; ב-Ollama Cloud הוא עולה 0.30 דולר למיליון טוקני קלט.

  • Gemini 4 Hydrogen: מודל הביצוע המהיר של גוגל זול מ-Argon וגם מנצח אותו במדד

    גוגל השיקה את Gemini 4 Hydrogen ב-12 בנובמבר: מודל מהיר לקידוד יומיומי ולזרימות סוכנים שמשיג 51 במדד האינטליגנציה של Artificial Analysis ברמת החשיבה המוגדרת כברירת מחדל, מעל 50 של Gemini 4 Argon, במחיר 1.50 דולר למיליון טוקני קלט ו-7.50 דולר למיליון טוקני פלט. מה סולם שלושת המודלים של Gemini 4 אומר, איך Orchestrator מחלק עבודה ב-Antigravity, ומה כדאי לבדוק.

יומן הבנייה

לעקוב אחרי העבודה.

מאמרים ואבטיפוסים חדשים, ישר לקורא ה-RSS שלכם. מנויי המייל בהשהיה זמנית, עד שאחבר שירות משלוח עובד. לא נאסף כאן אימייל.

עקבו ב-RSS