ახალი მოდელი ამ ეტაპზე მხოლოდ კომპანიის API პლატფორმაზე მუშაობს და მისი საკუთარ კომპიუტერზე გადმოწერა ჯერ არ შეგიძლიათ.
საკვების მიტანის სერვისით ცნობილმა ჩინურმა ტექნოლოგიურმა გიგანტმა Meituan-მა და მისმა LongCat-ის გუნდმა 2 ნოემბერს ხელოვნური ინტელექტის ახალი მოდელი, LongCat-2.5, გამოუშვეს. სიახლის შესახებ ინფორმაცია კომპანიის API განახლებების ოფიციალურ ჟურნალსა და ჩინურ ტექნოლოგიურ გამოცემა IT Home-ში გამოქვეყნდა. ეს არის მულტიმოდალური მოდელი, რაც იმას ნიშნავს, რომ მას ტექსტისა და გამოსახულების აღქმა ერთდროულად, დამატებითი დამხმარე პროგრამების გარეშე შეუძლია. გუნდმა ის სპეციალურად რთული, მრავალსაფეხურიანი დავალებებისა და მთლიანი პროგრამული პროექტების დამოუკიდებლად ასაწყობად შექმნა.
LongCat-2.5 ზომით მართლაც შთამბეჭდავია და ჯამში დაახლოებით 1,6 ტრილიონ პარამეტრს აერთიანებს. თუმცა ყოველი ცალკეული სიტყვისა თუ მონაცემის დამუშავებისას მოდელი მხოლოდ 48 მილიარდ პარამეტრს იყენებს. როგორ ახერხებს ამას? სისტემა ეგრეთ წოდებულ „ექსპერტთა ნაზავის“ (mixture of experts) არქიტექტურას ეყრდნობა. მარტივად რომ წარმოიდგინოთ, მთლიანი ქსელის ამუშავების ნაცვლად, კონკრეტულ მომენტში მხოლოდ ის ნაწილი ირთვება, რომელიც მოცემულ დავალებას სჭირდება. ეს მიდგომა რესურსებსაც ზოგავს და სისწრაფესაც ზრდის.
რისი გაკეთება შეუძლია ახალ მოდელს
წინა ვერსიაზე, LongCat-2.0-ზე, დაყრდნობით აწყობილი სისტემა გამოსახულების ანალიზს პირდაპირ კოდის წერასთან აკავშირებს. ოფიციალური აღწერის მიხედვით, მოდელი გამოგადგებათ ვიზუალური პროგრამირებისთვის, კრეატიული დიზაინისა და 3D ამოცანების შესასრულებლად. მისი მთავარი ძალა გრძელვადიანი, ავტონომიური აგენტური მუშაობაა. ეს ნიშნავს, რომ AI-ს შეუძლია თავად დაგეგმოს ნაბიჯები, გამოიყენოს საჭირო ხელსაწყოები, იმუშაოს კოდის დიდ ბაზებთან და პროექტი თავიდან ბოლომდე მიიყვანოს.
LongCat-2.5 პირდაპირ თავსებადია ისეთ პოპულარულ სამუშაო გარემოებთან, როგორებიცაა Claude Code, Codex და Hermes. ტექნიკურ ენაზე ასეთ სისტემებს „აგენტის აღკაზმულობას“ (agent harness) უწოდებენ. ეს არის სამუშაო გარსი, რომელიც AI მოდელს თქვენს კომპიუტერში არსებულ ფაილებთან, ტერმინალსა და პროგრამებთან უსაფრთხოდ აკავშირებს, რათა მან კოდის არა მხოლოდ დაწერა, არამედ მისი გაშვება და შემოწმებაც შეძლოს.
როგორ გაწვრთნეს სისტემა ჩინურ ჩიპებზე
IT Home-ის ცნობით, დეველოპერებმა წვრთნისას მთავარი აქცენტი გრძელ თანმიმდევრობებსა და განმტკიცებით სწავლებაზე გააკეთეს. საინტერესოა მათი მიდგომა შეცდომების მიმართ: როდესაც AI აგენტები რთული დავალების შესრულებისას მარცხს განიცდიდნენ, გუნდი ამ წარუმატებელ გზებს აგროვებდა და მათ გადამოწმებად სასწავლო ამოცანებად აქცევდა. გარდა ამისა, მოდელი სურათებს მრავალდონიან დისკრეტულ ტოკენებად გარდაქმნის, ანუ ფოტოსა და ტექსტს ზუსტად ერთნაირ ციფრულ ერთეულებად აღიქვამს.
მთელი ეს ინფრასტრუქტურა ჩინურ გამოთვლით აპარატურაზეა მორგებული. სისტემა იყენებს W4A4 ოპტიმიზაციას, რაც მონაცემთა შეკუმშვის მეთოდია და მოდელს საშუალებას აძლევს, ადგილობრივ ჩიპებზე სწრაფად და ეფექტიანად იმუშაოს.
სად და როგორ გამოვიყენოთ
LongCat-2.5 უკვე ხელმისაწვდომია დეველოპერებისთვის LongCat-ის ოფიციალურ API პლატფორმაზე (longcat.chat/platform), სადაც მისი წინასწარი ვერსია ჯერ კიდევ 25 სექტემბერს გამოჩნდა. თუმცა გასათვალისწინებელია ერთი მნიშვნელოვანი დეტალი: პლატფორმა Hugging Face-ზე ამ დროისთვის მხოლოდ წინა თაობის LongCat-2.0 იძებნება. ეს ნიშნავს, რომ ახალი ვერსია არ არის ისეთი ღია მოდელი, რომელსაც ნებისმიერი მსურველი საკუთარ კომპიუტერზე გადმოწერს და გაუშვებს. ასევე, ჯერჯერობით არ გამოქვეყნებულა დამოუკიდებელი ტესტების შედეგები, ამიტომ უცნობია, როგორ უწევს ის კონკურენციას სხვა წამყვან სისტემებს რეალურ შეფასებებში.
| მოდელის სრული ზომა | დაახლოებით 1,6 ტრილიონი პარამეტრი |
| აქტიური პარამეტრები თითო ტოკენზე | დაახლოებით 48 მილიარდი |
| არქიტექტურა | ექსპერტთა ნაზავი (Mixture of Experts), მულტიმოდალური |
| თავსებადი გარემოები | Claude Code, Codex, Hermes |
| გამოთვლითი ოპტიმიზაცია | W4A4 ჩინურ აპარატურაზე |
| წინასწარი ვერსიის გამოსვლის თარიღი | 2026 წლის 25 სექტემბერი |
| სრული ვერსიის გამოსვლის თარიღი | 2026 წლის 2 ნოემბერი (API პლატფორმაზე) |
წყარო: LongCat API Platform: Change Log, LongCat-2.5 Now Available (Meituan, 2 Nov 2026) | IT Home: Meituan LongCat releases LongCat-2.5 native multimodal AI model, 1.6T parameters (2 Nov 2026) | LongCat blog: LongCat-2.5
ეს სტატია შეიქმნა AI ხელსაწყოებით, პროცესში ადამიანის ჩართულობა დაახლოებით 10%-ია.
