بث مباشر 18.11 · الدفعة 318 نوفمبر، 19:00 بتوقيت موسكو — ورشة عملية مجانية لوكلاء الذكاء الاصطناعي · الدفعة 3 تبدأ 23.11ورشة 18 نوفمبر ←الدفعة 3 (23.11)
إصدارAPI / منتج · جاهز للعملThe Decoder→ المصدر

Meituan تفتح أوزان نموذج وكيلي بـ1,6 تريليون معلمة جرى تدريبه دون Nvidia

أتاحت شركة Meituan الصينية أوزان LongCat-2.5 بموجب رخصة MIT. وهو نموذج موجّه للوكلاء (agents) يتولون بأنفسهم إنجاز مهام برمجية طويلة. يضم النموذج 1,6 تريليون معلمة، يعمل منها نحو 48 مليارًا لكل توكن، وقد جرى تدريبه دون أي رقاقة من Nvidia. في اختبار سطر الأوامر Terminal Bench v2.1 حصل النموذج على 88,4 نقطة مقابل 89,1 لـ Claude Opus 5. هذه الأرقام أعلنتها Meituan نفسها، لكن فرق العمل التي تستخدم الوكلاء باتت تملك خيارًا مفتوحًا دون ارتباط بواجهات API مغلقة.

معالج بواسطة الذكاء الاصطناعي من The Decoder؛ بتحرير Hamidun News
Meituan تفتح أوزان نموذج وكيلي بـ1,6 تريليون معلمة جرى تدريبه دون Nvidia
المصدر: The Decoder. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليThe Decoder ↗
رئيس التحرير
مثال على التشغيلعنقود من 194 رقاقة Huawei Ascend، ولا يوجد دليل لـ Nvidia
حقيقة رئيسية #2تبلغ تكلفة API نحو €0,27 لكل مليون توكن إدخال و€1,07 لكل مليون توكن إخراج
حقيقة رئيسية #3سرّع الضغط بدقة 4 بت معالجة الـ prompt بنسبة 43,3% مقارنةً بنسخة 8 بت

الشركة التي يعرفها معظم الناس من خلال توصيل الطعام أتاحت للعموم واحدًا من أكبر النماذج الوكيلية. نشرت Meituan أوزان LongCat-2.5: 1,6 تريليون معلمة، ورخصة MIT، وتدريب جرى بالكامل على عتاد صيني. وبالنسبة لمن يبنون وكلاء البرمجة، فإن في ذلك إشارتين: النماذج المفتوحة عادت لتقترب من مستوى المغلقة، ولم تعد Nvidia شرطًا لازمًا.

ما هذا النموذج وكيف يعمل

LongCat-2.5 نموذج قائم على بنية مزيج الخبراء (mixture-of-experts). تخيّل عيادة كبيرة لا يُستدعى فيها كل الأطباء لكل سؤال، بل بضعة أطباء من أصحاب الاختصاص. وهكذا يعمل النموذج: من أصل 1,6 تريليون معلمة يعمل نحو 48 مليارًا لكل توكن. وهذا يجعله أرخص بوضوح في التشغيل من نموذج كثيف بالحجم نفسه.

يتيح API سياقًا يصل إلى مليون توكن، ويمكن أن تبلغ الإجابة 128 ألف توكن. يفهم النموذج النص والصور والفيديو ويجيب بالنص، ويمكن تشغيل الاستدلال وإيقافه. وبالمقارنة مع LongCat-2.0 أُضيف فهم الصور: تُقسَّم الصور بدقتها الأصلية إلى توكنات منفصلة وتُعالج مع النص، دون مشفّر (encoder) خارجي مستقل. وتأمل Meituan أن يفيد ذلك في البرمجة البصرية والتصميم والمهام ثلاثية الأبعاد.

ولتدريب التعلم المعزز استخدم الفريق مهام حقيقية من pull requests على GitHub، إضافة إلى أخطاء وكلاء جرى إعادة إنتاجها. ولمنع النموذج من الغش، عُطّل الإنترنت في بيئة التدريب، وأُزيل سجل Git وذاكرات التخزين المؤقت، كما طُلب من نموذج لغوي آخر مراجعة الحلول بحثًا عن الحيل. وجرى تقطير مهارات عدة نماذج معلّمة متخصصة، في العمل الوكيلي والاستدلال والحوار، في نموذج واحد.

العتاد: 194 رقاقة من Huawei

أكثر ما يلفت الانتباه هو البنية التحتية. تُكمّم Meituan أوزان الخبراء وتنشيطاتهم إلى 4 بت، وهو ما تستطيع المسرّعات الصينية معالجته أصليًا. وبحسب اختبارات الحمل الداخلية، ارتفعت الإنتاجية بنسبة 43,3% في معالجة الـ prompt وبنسبة 42,77% في توليد الإجابة، مقارنةً بنسخة 8 بت. وتقول الشركة إن الدقة بقيت بمستوى النموذج غير المضغوط. وتوجد هذه النسخة في مستودع منفصل.

ويصف دليل التشغيل الذاتي عنقودًا من 194 مسرّع Huawei Ascend من سلسلة Atlas A2: اثنان منها للصور، و64 تستقبل الـ prompts، و128 تولّد الإجابة. ولا توجد تعليمات خاصة بـ Nvidia. أما سلف النموذج LongCat-2.0 فقد دُرّب في يونيو على عنقود من أكثر من 50 000 رقاقة صينية، وقبل إصداره عمل بصورة مجهولة على OpenRouter باسم Owl Alpha.

ماذا تُظهر الاختبارات المعيارية وأين المأخذ

في Terminal Bench v2.1، وهو اختبار يقيس قدرة الوكيل على إنجاز المهام في سطر الأوامر، حصل LongCat-2.5 على 88,4. وفي جدول Meituan يسجّل Claude Opus 5 نتيجة 89,1، وGPT-5.6 Sol نتيجة 88,8، بينما يتصدر Deepseek-V4.1-Flash بنتيجة 90.6. وفي DeepSWE، حيث تصلح النماذج أخطاء في مستودعات حقيقية، ارتفعت النتيجة من 9,7 إلى 64,6 نقطة، لكنها تبقى أدنى من جميع النماذج في الجدول باستثناء Claude Opus 4.8؛ والمتصدر هو Deepseek-V4.1-Flash بنتيجة 74,2. وفي Terminal Bench v4.0 الأكثر صعوبة يحصل النموذج على 38,5: أعلى قليلًا من GPT-5.6 Sol (37,3)، لكنه بعيد عن Opus 5 (53,9). وفي BrowseComp، اختبار البحث على الويب، سجّل النموذج 91,9، وهي أفضل نتيجة في الجدول، لكن Meituan شغّلت الاختبار في بيئتها الخاصة.

تحفظات لا بد منها: جميع الأرقام صادرة عن الشركة نفسها، ولم يدخل الجدول Claude Opus 5.5 وGPT-6.1 Sol الأحدث. ومن حيث المستوى، فهو أقرب إلى «ما كانت النماذج العليا تجيده قبل بضعة أشهر».

ماذا يعني ذلك عمليًا

بالنسبة للمطورين، أهم ما في الأمر هو الشروط. تسمح رخصة MIT بالاستخدام التجاري والتعديل وإعادة التوزيع. وواجهة API متوافقة مع صيغتي OpenAI وAnthropic وتتصل بـ Claude Code وCodex وHermes، ما يتيح التجربة دون تغيير يُذكر في بنية الربط الحالية. والسعر الترويجي ساري حاليًا: نحو €0,27 لكل مليون توكن إدخال و€1,07 لكل مليون توكن إخراج. كما تتوفر دردشة ويب على longcat.ai.

لكن استضافة نموذج بهذا الحجم ذاتيًا تعني عنقودًا من أكثر من مئة مسرّع، وعلى Ascend لا على Nvidia المعتادة. وبالنسبة لمعظم الفرق، يبقى استخدام API هو الخيار الأكثر واقعية. أما بالنسبة للصناعة فالأهم أمر آخر: النماذج الصينية المفتوحة مثل Kimi K3.1 وGLM-5.3 اقتربت بالفعل من القمة في الاختبارات الشائعة، وحين تُحسَّن هذه النماذج منذ البداية للرقائق المحلية، فإن ذلك يجعل هذا العتاد أكثر جاذبية حتى خارج الصين.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول ما هذا النموذج وكيف يعمل؟

LongCat-2.5 نموذج قائم على بنية مزيج الخبراء (mixture-of-experts). تخيّل عيادة كبيرة لا يُستدعى فيها كل الأطباء لكل سؤال، بل بضعة أطباء من أصحاب الاختصاص. وهكذا يعمل النموذج: من أصل 1,6 تريليون معلمة يعمل نحو 48 مليارًا لكل توكن. وهذا يجعله أرخص بوضوح في التشغيل من نموذج كثيف بالحجم نفسه. يتيح API سياقًا يصل إلى مليون توكن، ويمكن أن تبلغ الإجابة 128 ألف توكن. يفهم النموذج النص والصور والفيديو ويجيب بالنص، ويمكن تشغيل الاستدلال وإيقافه.

ما أبرز التفاصيل حول العتاد: 194 رقاقة من Huawei؟

أكثر ما يلفت الانتباه هو البنية التحتية. تُكمّم Meituan أوزان الخبراء وتنشيطاتهم إلى 4 بت، وهو ما تستطيع المسرّعات الصينية معالجته أصليًا. وبحسب اختبارات الحمل الداخلية، ارتفعت الإنتاجية بنسبة 43,3% في معالجة الـ prompt وبنسبة 42,77% في توليد الإجابة، مقارنةً بنسخة 8 بت. وتقول الشركة إن الدقة بقيت بمستوى النموذج غير المضغوط. وتوجد هذه النسخة في مستودع منفصل. ويصف دليل التشغيل الذاتي عنقودًا من 194 مسرّع Huawei Ascend من سلسلة Atlas A2: اثنان منها للصور، و64 تستقبل الـ prompts، و128 تولّد الإجابة.

ما أبرز التفاصيل حول ماذا تُظهر الاختبارات المعيارية وأين المأخذ؟

في Terminal Bench v2.1، وهو اختبار يقيس قدرة الوكيل على إنجاز المهام في سطر الأوامر، حصل LongCat-2.5 على 88,4. وفي جدول Meituan يسجّل Claude Opus 5 نتيجة 89,1، وGPT-5.6 Sol نتيجة 88,8، بينما يتصدر Deepseek-V4.1-Flash بنتيجة 90.6. وفي DeepSWE، حيث تصلح النماذج أخطاء في مستودعات حقيقية، ارتفعت النتيجة من 9,7 إلى 64,6 نقطة، لكنها تبقى أدنى من جميع النماذج في الجدول باستثناء Claude Opus 4.8؛ والمتصدر هو Deepseek-V4.1-Flash بنتيجة 74,2.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…