LongCat-2.5 চালু আছে

LongCat-2.5 হলো Meituan-এর LongCat দ্বারা তৈরি একটি নেটিভ মাল্টিমোডাল মডেল, যার মোট প্যারামিটার ১.৬ ট্রিলিয়ন এবং প্রতি টোকেনে সক্রিয় হয় প্রায় ৪৮ বিলিয়ন। LongCat-2.5 দীর্ঘমেয়াদি এজেন্ট কাজের জন্য তৈরি; এটি ভিজ্যুয়াল সংকেতকে বহুস্তরীয় টোকেনে রূপান্তর করে টেক্সটের সঙ্গে একীভূতভাবে প্রক্রিয়া করে এবং Visual Coding সক্ষমতা বাড়ায়। বৃহৎ পরিসরের Agentic RL, ডেটা সংশ্লেষণ পাইপলাইন, দেশীয় কম্পিউটিং শক্তিতে দীর্ঘ কনটেক্সট প্রশিক্ষণ এবং W4A4 কোয়ান্টাইজেশন অপ্টিমাইজেশনের সহায়তায় টার্মিনাল প্রোগ্রামিং, ব্রাউজিং ও অনুসন্ধান এবং ভিজ্যুয়াল বোঝাপড়ার মূল্যায়নে এটি GPT-5.5 ও Claude-Opus-5-এর সঙ্গে শীর্ষ পর্যায়ে রয়েছে।

এজেন্ট প্রোগ্রামিং: জটিল কোডবেসের উন্নয়ন ও সম্পূর্ণ প্রকল্প নির্মাণ এন্ড-টু-এন্ড সম্পন্ন করে।
নেটিভ ভিজ্যুয়াল বোঝাপড়া: ছবি ও টেক্সটকে একীভূত টোকেন হিসেবে প্রক্রিয়া করে এবং Visual Coding-এ দক্ষ।
সৃজনশীলতা ও 3D নির্মাণ: রিয়েল-টাইম তরল সিমুলেশন, 3D ডিজিটাল প্রদর্শনী, শহরের স্যান্ডবক্স, ক্ষুদ্র দৃশ্যসহ বিভিন্ন ওয়েব কনটেন্ট তৈরি সমর্থন করে।
পেশাদার অফিস কাজ: ব্যবসায়িক বিশ্লেষণ, গ্রাহক প্রতিক্রিয়া প্রতিবেদন, ইভেন্ট আমন্ত্রণপত্র তৈরি ইত্যাদি অন্তর্ভুক্ত।

ভিজ্যুয়াল রিপ্রেজেন্টেশন মডেলিং: LongCat-Next পদ্ধতি অনুসরণ করে সেমান্টিক-সামঞ্জস্যপূর্ণ এনকোডারের নেটিভ রেজোলিউশন বৈশিষ্ট্যে রেসিডুয়াল ভেক্টর কোয়ান্টাইজেশন প্রয়োগ করা হয় এবং ভিজ্যুয়াল সংকেতকে বহুস্তরীয় বিচ্ছিন্ন টোকেনে উপস্থাপন করা হয়; tokenizer স্থির করার পর ভিজ্যুয়াল টোকেন অফলাইনে আগে থেকেই গণনা করা যায়, ফলে দীর্ঘ সিকোয়েন্স প্যাকেজিং ও বিতরণকৃত লোড ব্যালান্সিং সহজ হয়।
বৃহৎ পরিসরের এজেন্ট রিইনফোর্সমেন্ট লার্নিং: স্কেলযোগ্য ডেটা সংশ্লেষণ পাইপলাইন তৈরি করে স্বয়ংক্রিয়ভাবে কাজ, পরিবেশ ও যাচাইযোগ্য টেস্ট কেস তৈরি করা হয় এবং বাস্তব Agent-এর ব্যর্থতার ট্র্যাজেক্টরি দিয়ে ধারাবাহিকভাবে ডেটা补 করা হয়; দীর্ঘ-লেজের দক্ষতা উন্নত করতে asynchronous partial rollout প্রশিক্ষণ ব্যবহার করা হয়, logprob clipping-এর মাধ্যমে পুরোনো নমুনার কারণে সৃষ্ট gradient bias কমানো হয়, reward hacking প্রতিরোধে নেটওয়ার্ক বিচ্ছিন্নতা, ক্যাশ পরিষ্কার এবং LLM judge ব্যবহার করা হয়, আর বিভিন্ন কাজ ও Harness জুড়ে মিশ্র প্রশিক্ষণের মাধ্যমে সাধারণীকরণ ক্ষমতা বাড়ানো হয়।
মাল্টি-এক্সপার্ট অনলাইন ডিস্টিলেশন (MOPD): শিক্ষার্থীর অনলাইন স্যাম্পলিং করা পূর্ণ শব্দভান্ডারের KL divergence-এর ভিত্তিতে ডোমেইন বিশেষজ্ঞ শিক্ষার্থীকে প্রশিক্ষণ দেন; শিক্ষক মডেলের উত্তরকে নির্দিষ্ট দৈর্ঘ্যের per-cut prefix-এ ভাগ করা হয় এবং distribution shift নিয়ন্ত্রণে শিক্ষার্থীর sampling length সীমিত করা হয়। Tree Attention-এর একবারের forward ও backward pass-এর মাধ্যমে প্রশিক্ষণ সম্পন্ন করে গণনা ও স্টোরেজ খরচ কমানো হয়।
দেশীয় কম্পিউটিং শক্তিতে দীর্ঘ কনটেক্সট প্রশিক্ষণ: FSDP/EP-এর parallelism supernode কার্ডের সংখ্যার সঙ্গে সামঞ্জস্য করা হয়, যাতে যোগাযোগ উচ্চ-ব্যান্ডউইথ অঞ্চলের মধ্যেই থাকে; mixed vocabulary parallelism আরও GPU মেমরি কমায়। দ্বৈত শার্ডিং FSDP বিভিন্ন ডোমেইনে FP32 master weights ও optimizer state ভাগ করে, zero-copy যোগাযোগ ও গণনাকে ওভারল্যাপ করে এবং DDP-এর তুলনায় SFT-এর এক-কার্ড throughput 86% বাড়ায়।
প্রশিক্ষণ-ইনফারেন্স সামঞ্জস্য: একীভূত batch-invariant operator ব্যবহার করে TP ও DCP সমর্থন সম্প্রসারণ করা হয়েছে, যাতে training, Prefill ও Decode-এ token-প্রতি logprob bitwise-ভাবে অভিন্ন থাকে। দীর্ঘ কনটেক্সট Rollout অপ্টিমাইজেশন: PD বিচ্ছিন্নতার অধীনে QCP/KVP ও HiCache কার্যকর ক্যাশ বাড়ায়; LSA স্তরগুলোর মধ্যকার index পুনঃব্যবহার করে cross-layer KV prefetch করা হয়, ফলে Decode ক্যাশ প্রায় দ্বিগুণের কাছাকাছি হয় এবং capacity-aware scheduling দীর্ঘ ট্র্যাজেক্টরির পর্যায়ক্রমিক অগ্রগতির কারণে পুনর্গণনার ধস এড়ায়।

দ্রুত অভিজ্ঞতা: অনলাইন অভিজ্ঞতা পৃষ্ঠায় https://longcat.chat প্রবেশ করে কথোপকথন ইন্টারফেস খুলুন এবং সরাসরি স্বাভাবিক ভাষায় প্রয়োজনীয়তা জানান।
API সংযোগ: https://longcat.chat/platform/product-এ প্রবেশ করে API কী-এর জন্য আবেদন করুন এবং মডেলটি নিজের অ্যাপ্লিকেশনে সংযুক্ত করুন।

শীর্ষস্থানীয় কর্মক্ষমতা: মোট ১.৬ ট্রিলিয়ন প্যারামিটার, প্রতি টোকেনে সক্রিয় ৪৮ বিলিয়ন; একাধিক মূল্যায়নে GPT-5.5 ও Claude-Opus-5-এর সঙ্গে শীর্ষ পর্যায়ে রয়েছে।
নেটিভ মাল্টিমোডাল: ভিজ্যুয়াল সংকেতকে বহুস্তরীয় বিচ্ছিন্ন টোকেন ও টেক্সটের সঙ্গে একীভূতভাবে মডেল করা হয়; Visual Coding সক্ষমতা বিশেষভাবে শক্তিশালী।
দীর্ঘমেয়াদি এজেন্ট: বৃহৎ পরিসরের Agentic RL-এর সহায়তায় জটিল কোডবেসের উন্নয়ন ও সম্পূর্ণ প্রকল্প নির্মাণ এন্ড-টু-এন্ড সম্পন্ন করে।
দ্রুত পুনরাবৃত্তি: দীর্ঘ সিকোয়েন্স প্রশিক্ষণ ও ব্যর্থতার ট্র্যাজেক্টরিকে প্রশিক্ষণ কাজে রূপান্তরের মাধ্যমে LongCat-2.0-এর তুলনায় ব্যাপক উন্নতি।
দেশীয় কম্পিউটিং শক্তির উপযোগী: supernode parallelism, W4A4 কোয়ান্টাইজেশনসহ বিভিন্ন অপ্টিমাইজেশনের মাধ্যমে 1.6T-স্তরের MoE দেশীয় AI accelerator-এ দক্ষতার সঙ্গে প্রশিক্ষণ ও ইনফারেন্স চালায়।
দৃঢ় ইঞ্জিনিয়ারিং: training-inference bitwise সামঞ্জস্য এবং দীর্ঘ কনটেক্সট rollout অপ্টিমাইজেশন বৃহৎ পরিসরের দীর্ঘমেয়াদি RL-কে স্থিতিশীল ও দক্ষভাবে চালাতে সহায়তা করে।

প্রকল্পের অফিসিয়াল ওয়েবসাইট: https://longcat.ai/blog/longcat-2.5/

সফটওয়্যার উন্নয়ন: জটিল কোডবেসের উন্নয়ন, সম্পূর্ণ প্রকল্প নির্মাণ ও টার্মিনাল প্রোগ্রামিং কাজ এন্ড-টু-এন্ড সম্পন্ন করে।
ভিজ্যুয়াল ওয়েব নির্মাণ: রিয়েল-টাইম তরল সিমুলেশন, 3D নিদর্শনের ইন্টার‌্যাক্টিভ প্রদর্শন, শহরের স্যান্ডবক্স, চীনা নান্দনিকতার রঙের পৃষ্ঠা ইত্যাদি উচ্চ-ফ্রেম-রেটের গতিশীল ওয়েব পৃষ্ঠা তৈরি করে।
পেশাদার অফিস বিশ্লেষণ: বিভিন্ন চ্যানেলের ব্যবসায়িক ডেটা একত্র করে মুনাফা হিসাব, চালিকাশক্তি বিশ্লেষণ ও বিপণন-ইনভেন্টরি পরামর্শ প্রদান করে।
গ্রাহক প্রতিক্রিয়া প্রক্রিয়াকরণ: পুনরাবৃত্ত প্রতিক্রিয়া শনাক্ত করে গুরুত্ব অনুযায়ী সাজায় এবং ইন্টার‌্যাক্টিভ HTML বিশ্লেষণ প্রতিবেদন তৈরি করে।
ইভেন্ট পরিচালনা সরঞ্জাম: ভেন্যুর ছবি আপলোড করে স্বাভাবিক ভাষায় প্রয়োজনীয়তা জানালে নিবন্ধন ও অংশগ্রহণকারীদের তালিকা রপ্তানির সুবিধাসহ ইভেন্ট আমন্ত্রণ ওয়েব পৃষ্ঠা তৈরি করে।