LongCat-2.5 운영 중

LongCat-2.5는 Meituan LongCat이 출시한 네이티브 멀티모달 모델로, 총 매개변수는 1.6조 개이며 토큰당 약 480억 개가 활성화됩니다. LongCat-2.5는 장기 에이전트 작업을 위해 시각 신호를 여러 계층의 토큰으로 이산화해 텍스트와 통합 처리하며, Visual Coding 역량을 강화합니다. 대규모 Agentic RL, 데이터 합성 파이프라인, 중국산 컴퓨팅 환경에서의 장문 컨텍스트 학습 및 W4A4 양자화 최적화를 바탕으로 터미널 프로그래밍, 브라우징 및 검색, 시각적 이해 등의 평가에서 GPT-5.5, Claude-Opus-5와 함께 최상위권에 속합니다.

에이전트 프로그래밍: 복잡한 코드베이스 개발과 완전한 프로젝트 구축을 엔드투엔드로 수행합니다.
네이티브 시각 이해: 이미지와 텍스트를 통합된 토큰 형식으로 처리하며 Visual Coding에 강합니다.
창작 및 3D 생성: 실시간 유체 시뮬레이션, 3D 디지털 전시, 도시 모형, 미니어처 장면 등의 웹 생성을 지원합니다.
전문 업무: 경영 분석, 고객 피드백 보고서, 행사 초대장 생성 등을 지원합니다.

시각 표현 모델링: LongCat-Next 방법을 계승해 의미 정렬 인코더의 네이티브 해상도 특징에 잔차 벡터 양자화를 적용하고, 시각 신호를 여러 계층의 이산 토큰으로 표현합니다. tokenizer를 고정한 후에는 시각 토큰을 오프라인에서 미리 계산할 수 있어 긴 시퀀스 패키징과 분산 부하 균형을 단순화합니다.
대규모 에이전트 강화학습: 확장 가능한 데이터 합성 파이프라인을 구축해 작업, 환경, 검증 가능한 테스트 케이스를 자동 생성하고, 실제 Agent 실패 궤적을 활용해 데이터를 지속적으로 보강합니다. partial rollout 비동기 학습으로 롱테일 효율 문제를 완화하고, logprob 클리핑으로 오래된 샘플에 따른 그래디언트 편향을 억제합니다. 네트워크 연결 차단, 캐시 삭제, LLM judge를 결합해 reward hacking을 방지하며, 작업 및 Harness를 넘나드는 혼합 학습으로 일반화 성능을 높입니다.
다중 전문가 온라인 증류(MOPD): 도메인 전문가는 학생 모델이 온라인으로 샘플링한 전체 어휘 분포의 KL 발산을 기반으로 학생 모델을 학습합니다. 교사 응답을 고정 길이의 per-cut prefix로 나누고 학생 모델의 샘플링 길이를 제한해 분포 편이를 제어하며, Tree Attention으로 한 번의 순방향·역방향 전파만으로 학습을 완료해 계산 및 저장 비용을 줄입니다.
중국산 컴퓨팅 환경에서의 장문 컨텍스트 학습: FSDP/EP 병렬도를 슈퍼노드 카드 수에 맞춰 통신을 고대역폭 영역 안에 유지하고, 혼합 어휘 병렬화로 메모리 사용량을 추가로 줄입니다. 이중 샤딩 FSDP는 도메인 간 FP32 마스터 가중치와 옵티마이저 상태를 샤딩하고, 제로 카피 통신과 연산을 중첩해 SFT 단일 카드 처리량을 DDP보다 86% 향상합니다.
학습 및 추론 일관성: batch-invariant 연산자를 통합하고 TP와 DCP 지원을 확장해 학습, Prefill, Decode에서 토큰별 logprob의 bitwise 일관성을 구현합니다. 장문 컨텍스트 Rollout 최적화: PD 분리 환경에서 QCP/KVP와 HiCache로 유효 캐시를 확장하고, LSA 계층 간 인덱스 재사용을 활용해 계층 간 KV 프리페치를 수행함으로써 Decode 캐시를 거의 두 배로 늘립니다. 용량 인식 스케줄링으로 긴 궤적을 번갈아 처리할 때 발생하는 재계산 폭증을 방지합니다.

빠른 체험: 온라인 체험 페이지 https://longcat.chat 에 접속해 대화 화면으로 들어간 다음 자연어로 요구사항을 입력합니다.
API 연동: https://longcat.chat/platform/product 에 접속해 API 키를 신청하고 모델을 자체 애플리케이션에 연동합니다.

뛰어난 성능: 총 1.6조 개의 매개변수와 토큰당 480억 개의 활성 매개변수를 갖추었으며, 여러 평가에서 GPT-5.5, Claude-Opus-5와 함께 최상위권에 속합니다.
네이티브 멀티모달: 시각 신호를 여러 계층의 이산 토큰으로 변환해 텍스트와 통합 모델링하며, Visual Coding 역량이 뛰어납니다.
장기 에이전트: 대규모 Agentic RL을 기반으로 복잡한 코드베이스 개발과 완전한 프로젝트 구축을 엔드투엔드로 수행합니다.
빠른 발전: 긴 시퀀스 학습과 실패 궤적의 학습 작업 전환을 통해 LongCat-2.0보다 크게 향상되었습니다.
중국산 컴퓨팅 환경 최적화: 슈퍼노드 병렬화, W4A4 양자화 등의 최적화를 통해 1.6T급 MoE를 중국산 AI 가속기에서 효율적으로 학습하고 추론합니다.
탄탄한 엔지니어링: 학습 및 추론의 bitwise 일관성과 장문 컨텍스트 rollout 최적화를 통해 대규모 장기 RL을 안정적이고 효율적으로 실행합니다.

프로젝트 공식 웹사이트: https://longcat.ai/blog/longcat-2.5/

소프트웨어 개발: 복잡한 코드베이스 개발, 완전한 프로젝트 구축, 터미널 프로그래밍 작업을 엔드투엔드로 수행합니다.
시각적 웹 생성: 실시간 유체 시뮬레이션, 3D 문화재 인터랙티브 전시, 도시 모형, 중국풍 색상 페이지 등 높은 프레임률의 동적 웹페이지를 생성합니다.
전문 업무 분석: 여러 채널의 운영 데이터를 통합해 이익 산정, 동인 분석, 마케팅 및 재고 제안을 제공합니다.
고객 피드백 처리: 중복 피드백을 식별하고 심각도에 따라 정렬한 뒤 인터랙티브 HTML 분석 보고서를 생성합니다.
행사 운영 도구: 장소 사진을 업로드하고 자연어 요구사항을 입력하면 참가 신청과 명단 내보내기를 지원하는 행사 초대 웹페이지를 생성합니다.