Meituan vydal model LongCat-2.5 bez čipov Nvidia

Čínska spoločnosť Meituan, známa najmä donáškou jedla, zverejnila otvorené váhy svojho najnovšieho jazykového modelu LongCat-2.5. Model longcat-2.5 má 1,6 bilióna parametrov, je určený najmä na agentovú prácu a programovanie a vznikol bez jediného čipu Nvidia. Pre čínsky AI priemysel, ktorý čelí americkým exportným obmedzeniam na výkonné čipy, je to dôkaz, že konkurencieschopný model sa dá postaviť aj na domácom hardvéri.

V skratke

  • LongCat-2.5 má celkovo 1,6 bilióna parametrov, pri spracovaní jedného tokenu aktivuje len okolo 48 miliárd z nich.
  • Tím LongCat pri Meituane model trénoval výlučne na čínskom hardvéri, nasadenie bežne používa klastre čipov Huawei Ascend radu Atlas A2.
  • Váhy vyšli 9. novembra 2026 pod licenciou MIT, ktorá dovoľuje aj komerčné použitie, úpravy a ďalšie šírenie.
  • Na teste Terminal Bench v2.1 dosiahol model 88,4 bodu, tesne za Claude Opus 5 (89,1) a GPT-5.6 Sol (88,8), podľa vlastných meraní Meituanu.

Čo LongCat-2.5 vlastne vie

LongCat-2.5 nadväzuje na predchodcu LongCat-2.0 a oproti nemu pridáva schopnosť rozumieť obrázkom a videu. Namiesto toho, aby firma k textovému modelu len dolepila samostatný obrazový modul, LongCat-2.5 rozkladá obrázky v ich pôvodnom rozlíšení na tokeny a spracúva ich spolu s textom rovnakým spôsobom, ako to robia dnešné jazykové modely. Cieľom je zlepšiť úlohy spojené s vizuálnym programovaním, návrhom rozhrania a prácou s 3D obsahom.

Model cez API zvládne naraz spracovať až milión tokenov a vygenerovať odpoveď dlhú až 128 000 tokenov, pričom používateľ môže zapínať a vypínať režim uvažovania podľa toho, či potrebuje rýchlu alebo dôkladnejšiu odpoveď. Rozhranie je kompatibilné s formátmi OpenAI a Anthropic, takže sa dá zapojiť do nástrojov ako Claude Code, Codex alebo Hermes. Vyskúšať sa dá aj priamo v chatovom rozhraní na stránke longcat.ai. Meituan si za prístup cez API počas zavádzacej akcie pýta rádovo desiatky centov za milión tokenov, čo je výrazne menej než u väčšiny západných konkurentov.

Ako to funguje

LongCat-2.5 je takzvaný mixture-of-experts model. To znamená, že vo vnútri nie je jedna veľká sieť, ktorá spracuje každý token, ale skôr súbor menších specializovaných podsietí, takzvaných expertov. Pri každom jednotlivom tokene sa aktivuje len malá časť z nich, konkrétne okolo 48 miliárd parametrov z celkových 1,6 bilióna. Model je teda obrovský ako celok, ale pri bežnej práci spotrebuje len zlomok výpočtového výkonu, ktorý by si vyžadovala rovnako veľká sieť bez tohto rozdelenia.

Pri tréningu tím použil reálne softvérové úlohy z pull requestov na GitHube a tiež rekonštruované prípady, v ktorých agenti predtým zlyhali. Aby sa model nenaučil obchádzať zadania, vývojári počas tréningu zablokovali prístup na internet, odstránili históriu Git repozitárov a dočasné súbory a nechali iný jazykový model kontrolovať, či riešenia nie sú len vyvolanými trikmi. Schopnosti viacerých menších špecializovaných modelov, zameraných napríklad na agentovú prácu, uvažovanie alebo konverzáciu, tím následne destiloval do jedného finálneho modelu.

Abstraktná sieť uzlov s kódom symbolizujúca agentového AI modelu pri programovaní

Čínske čipy miesto Nvidie

Ukážkové nasadenie LongCat-2.5, ktoré Meituan popisuje v návode na samostatnú inštaláciu, bežia na klastri 194 akcelerátorov Huawei Ascend radu Atlas A2. Dva čipy spracúvajú obrázky, 64 spracúva vstupný text a 128 generuje odpovede. Návod na nasadenie cez čipy Nvidia v dokumentácii chýba úplne. Váhy expertov a aktivácie model navyše kvantizuje na 4-bitovú presnosť, ktorú čínske čipy vedia spracovať natívne, čo podľa záťažových testov Meituanu zvýšilo rýchlosť spracovania vstupu o 43,3 percenta a generovania odpovedí o 42,77 percenta oproti 8-bitovej verzii, pri zachovaní podobnej presnosti.

Predchodca LongCat-2.0 bol podľa Meituanu trénovaný v júni 2026 na klastri vyše 50 000 čínskych AI čipov a istý čas bežal pod anonymným menom Owl Alpha na platforme OpenRouter. Podobný posun smerom k voľne dostupným váham urobil nedávno aj Mistral so svojím modelom Large 4, hoci ten na rozdiel od LongCat-u vznikol na bežne dostupných grafických kartách. Čínske otvorené modely ako Kimi K3.1 alebo GLM-5.3 sa podľa bežných testov v posledných mesiacoch vo výkone priblížili špičkovým západným modelom, a modely stavané priamo pre domáce čipy robia tento hardvér zaujímavým aj mimo Číny.

Čo to znamená pre firmy

Pre firmy, ktoré chcú nasadiť AI agentov na programovanie, LongCat-2.5 ponúka lacnú a voľne upravovateľnú alternatívu k uzavretým modelom od OpenAI alebo Anthropicu. Licencia MIT umožňuje model prevziať, upraviť a nasadiť aj komerčne bez licenčných poplatkov, čo je dôležité najmä pre firmy, ktoré chcú mať kontrolu nad tým, kde a na akom hardvéri im dáta a model bežia, nezávisle od dodávateľských reťazcov viazaných na čipy Nvidia.

Na náročnejšom teste Terminal Bench v4.0 ale LongCat-2.5 dosiahol len 38,5 bodu, zatiaľ čo Claude Opus 5 dosiahol 53,9 bodu, takže v najťažších úlohách model stále zaostáva. Firmy by preto výsledky nemali brať len z vlastných meraní výrobcu a mali by si výkon overiť na vlastných úlohách, podobne ako na dôležitosť nezávislého testovania upozornil aj nedávny benchmark, ktorý odhalil slabiny AI kódovacích agentov vo všeobecnosti.

Čo sledovať ďalej

V najbližších týždňoch bude dôležité, ako si LongCat-2.5 obstojí v nezávislých testoch vývojárov mimo kontrolovaného prostredia Meituanu a či si firma udrží nízku zavádzaciu cenu aj po skončení aktuálnej promočnej akcie. Sledovať sa oplatí aj reakciu ďalších čínskych firiem, najmä Alibaby a DeepSeeku, ktoré v posledných mesiacoch tiež sústavne vylepšujú svoje otvorené modely.

Zdroje

Redakcia AIportal.sk
Redakcia AIportal.skhttps://www.aiportal.sk/o-nas/
Redakcia AIportal.sk denne sleduje dianie okolo umelej inteligencie vo svete, na Slovensku a v Česku a vyberá z neho správy, ktoré majú význam pre firmy a bežných ľudí. Každý článok vychádza z aspoň dvoch overených zdrojov, ktoré sú uvedené na jeho konci.

Najnovšie články

spot_imgspot_img

Naposledy pridané články

Leave a reply

Please enter your comment!
Please enter your name here

spot_imgspot_img