AI 竟能以「小時計」進行編碼?「LongCat-2.5」正在改變未來

象徵處理複雜編碼任務與視覺資訊的高性能 AI 模型 LongCat-2.5 的抽象圖形
AI Summary

美團發布了 1.6 兆參數規模的模型「LongCat-2.5」,專為執行長時間複雜任務的「AI Agent(智能體)」進行了優化。

想像一下。今天早上,你對 AI 助理說:「請閱讀過去一個月我們團隊的會議記錄與市場報告,分析該專案的問題,並編寫程式碼來解決它。」過去的 AI 可能會在幾分鐘內給出回答後結束,但現在,AI 將開始一場複雜的旅程:自行編寫程式碼數小時,直接修正過程中發生的錯誤,並分析所需的數據。

最近,中國科技公司美團(Meituan)發布了新的 AI 模型 「LongCat-2.5」,正是為了加速這種「Agent(AI 自主判斷並達成特定目標的工具)」時代的到來出處: Meituan Releases LongCat-2.5, a 1.6 Trillion-Parameter …出處: Meituan launches LongCat-2.5 multimodal AI model for extended …。

這為什麼重要?

迄今為止,我們使用過的許多 AI 更像是「問答型」聊天機器人。但像 LongCat-2.5 這樣的「Agent 模型」則不同。它們被設計為不是為了短暫對話,而是能夠接下人類指派的龐大專案,並持續數小時進行研究與操作出處: Meituan launches LongCat-2.5 multimodal AI model for extended …。

這為開發者或規劃人員帶來了巨大的變化。這意味著 AI 將不僅僅是完成簡單的程式碼片段,而是能夠自主走完從軟體設計、錯誤修正到產出最終結果的漫長過程[出處: LongCat-2.5 1.6T Native Multimodal Model for Agentic Tasks](https://www.longcatai.org/models/longcat-2-5)。

簡單理解

讓我們用兩個比喻來解釋 LongCat-2.5 的核心。

首先是 「參數(Parameter,決定 AI 大腦大小的數值)」。LongCat-2.5 總共擁有 1.6 兆個參數出處: Introducing LongCat-2.5。這是一個巨大的數字,相當於韓國總人口的約 3 萬倍,展現了 AI 學習了多麼龐大的知識。但這並不代表它每一刻都在調動所有大腦。每次回答時,它僅會啟用約 480 億個參數出處: Meituan Releases LongCat-2.5, a 1.6 Trillion-Parameter …。就像我們在日常對話時只會運用大腦的特定區域一樣,AI 也會高效地使用能量。

其次是 「原生多模態(Native Multimodal)」。簡單來說,這意味著 AI 並非透過不同的翻譯器來理解文字、圖像與影片,而是從一開始就將所有資訊視為一種語言直接理解出處: Meituan Releases LongCat-2.5, a 1.6 Trillion-Parameter …。這就是為什麼它在觀察複雜的設計圖(圖像)後,能立即進行編碼(文字)的能力如此卓越的原因。這被評為在視覺理解能力與編碼能力上,較前一代 LongCat-2.0 有了飛躍性的進步出處: Introducing LongCat-2.5。

進展到什麼程度了?

美團於 11 月 2 日正式發布了該模型出處: 美團發布LongCat-2.5大模型,「國模國芯」實現新突破。有趣的是,該模型的整個訓練過程均是透過「國產運算資源」完成的出處: 美團發布LongCat-2.5大模型,「國模國芯」實現新突破。這表明企業正逐步具備訓練大規模 AI 模型所需的硬體基礎設施。

性能方面也非常亮眼,它在評估編碼能力的「Terminal Bench v2.1」中獲得 88.4 分,在處理複雜文檔的「PaperBench」中獲得 82.1 分,展現了作為實戰型 Agent 的面貌[出處: LongCat-2.5 1.6T Native Multimodal Model for Agentic Tasks](https://www.longcatai.org/models/longcat-2-5)。目前,開發者可以利用 100 萬 Token(AI 一次能記憶的資訊量單位)的長上下文,將極其複雜且漫長的任務交給這個 AI[出處: LongCat-2.5 1.6T Native Multimodal Model for Agentic Tasks](https://www.longcatai.org/models/longcat-2-5)。

將有什麼變化?

像 LongCat-2.5 這樣模型的出現,意味著 AI 已經進入了自主思考「該如何做」的階段。未來,AI 將不再僅僅是助理,而是進化為與我們並肩工作數小時、共同完成專案的同事。

使用者短期內可以透過 API,以低廉的價格(每 100 萬輸出 Token 約 1.2 美元)體驗這個強大的編碼 Agent出處: 1.6T Native Multimodal, $1.2 per Million Output Tokens: What …。距離我們對 AI 不再說「幫我寫」,而是說「請完成這整個專案」的那一天,已經不遠了。

MindTickleBytes AI 記者的觀點

LongCat-2.5 的出現不單單是 AI 參數增加的消息。它向 Agent AI 的核心能力——「AI 是否能耐住時間的考驗並自主解決問題」發起了正面挑戰,這一點非常令人振奮。當具有「長氣息」的 AI 滲透到我們日常生活中時,我們所定義的「工作」本質將會徹底改變。


參考資料

  1. Introducing LongCat-2.5
  2. LongCat - AI Coding Agent
  3. LongCat-2.5 Released: 1.6T Native Multimodal Agent Model
  4. [LongCat-2.5 1.6T Native Multimodal Model for Agentic Tasks](https://www.longcatai.org/models/longcat-2-5)
  5. 1.6T Native Multimodal, $1.2 per Million Output Tokens: What …
  6. Meituan Releases LongCat-2.5: A 1.6T Parameter Native …
  7. 美團發布LongCat-2.5大模型,「國模國芯」實現新突破
  8. Meituan Releases LongCat-2.5, a 1.6 Trillion-Parameter …
  9. Meituan launches LongCat-2.5 multimodal AI model for extended …
AD
測試你的理解
Q1. 與前一代 2.0 相比,LongCat-2.5 最顯著的改進是什麼?
  • 總參數數量的增加
  • 原生視覺理解能力與 Agent 編碼能力的提升
  • 更短的上下文理解長度
LongCat-2.5 在保持總參數為 1.6 兆個的同時,強化了對視覺資訊的直接理解能力以及 Agent 的編碼執行能力。
Q2. LongCat-2.5 的訓練過程中有什麼值得注意的地方?
  • 僅使用開源數據
  • 利用國產運算資源(國產算力)完成全過程訓練
  • 僅在海外雲端伺服器進行訓練
LongCat-2.5 的所有訓練過程均利用國產運算資源(國產算力)完成。
Q3. LongCat-2.5 設計的核心目標是什麼?
  • 提升圖像生成速度
  • 執行長時間進行的 Agent 任務(Long-horizon agentic tasks)
  • 自動生成社群媒體評論
LongCat-2.5 優化了「長時間 Agent 任務」,即 AI 能自主判斷人類指示的複雜任務,並在長時間內持續解決問題。