Meituan выложила веса LongCat-2.5: 1,6T параметров, MIT и мультимодальность

Китайская Meituan, известная прежде всего доставкой еды, продолжает серьёзно играть в open-source ИИ. Команда LongCat выложила веса LongCat-2.5 на Hugging Face под лицензией MIT. Это одна из самых разрешающих лицензий: модель можно дообучать, встраивать в продукт и продавать без отдельных договорённостей.

Что внутри

LongCat-2.5 построена как Mixture-of-Experts. Всего в ней 1,6 трлн параметров, но для каждого токена активируется примерно 48 млрд. Идея простая: модель похожа на большой офис с сотнями специалистов, а на каждый вопрос отвечают только несколько нужных. Качество получается близким к огромной модели, а вычислений на токен нужно как для модели среднего размера.

Вторая особенность: модель нативно мультимодальна. Зрение не пристыковано сбоку отдельным энкодером, а обучалось вместе с остальным. Авторы заявляют сильное визуальное понимание и агентный кодинг в одной модели. Из примеров: сложные кодовые проекты, креативный дизайн и задачи с 3D.

Почему это важно на практике

Представьте типичную задачу: дизайнер присылает скриншот макета, а агент должен собрать по нему рабочий интерфейс, запустить, посмотреть на результат и поправить вёрстку. Обычно для этого связывают визуальную модель и кодовую, и на стыке теряется контекст. Если одна модель видит экран и пишет код, цикл «посмотрел, исправил, проверил» становится короче и надёжнее.

Для компаний, которым нельзя отправлять код и макеты во внешние API, это ещё и шанс получить сильного агента на собственной инфраструктуре. Лицензия MIT снимает юридические вопросы, которые часто мешают с моделями под кастомными условиями.

Ограничения

Первое, и главное: в анонсе нет ни одного бенчмарка. Заявления про «более сильное» зрение и кодинг пока ничем не подкреплены, и сравнение с другими открытыми моделями ещё предстоит сделать сообществу. Относиться к ним стоит как к маркетингу, пока нет независимых замеров.

Второе: 1,6 трлн параметров нужно где-то хранить. Даже при 48B активных вся модель должна лежать в памяти, и в 8-битном формате это порядка 1,6 ТБ. Это кластер из нескольких серверов с GPU, а не рабочая станция. Реально на своём железе её запустят крупные команды или облачные провайдеры, остальные будут ждать квантизованные версии и хостинг через сторонние API.

Третье: пока непонятно, насколько хороша поддержка инструментов, длина контекста и устойчивость в длинных агентных цепочках. Именно здесь большинство моделей, блестящих на тестах, ломаются в реальных проектах.

Что делать

Если вы строите кодовых агентов или работаете с задачами «картинка в код», добавьте LongCat-2.5 в список кандидатов и прогоните её на собственных задачах, а не на чужих бенчмарках. Если вам важна независимость от закрытых API, следите за появлением квантизованных версий и поддержкой в vLLM и SGLang. А если вы продакт, учитывайте общую тенденцию: открытые модели с MIT-лицензией и масштабом в триллион параметров из Китая стали обычным делом, и это давит на цены закрытых провайдеров.