Yapay Zeka Güncellendi:

LongCat-2.5 Açık Ağırlıkla Yayında: Meituan'dan 1,6 Trilyon Parametreli Ajan Modeli

Meituan, ajan görevleri ve kodlama için geliştirdiği 1,6 trilyon parametreli LongCat-2.5 modelinin ağırlıklarını MIT lisansıyla yayınladı. Örnek kurulum Huawei Ascend çiplerine dayanıyor.

  • 3 dk okuma
  • 0 görüntüleme

Öne Çıkanlar

  • LongCat-2.5, toplam 1,6 trilyon parametreli ve token başına yaklaşık 48 milyar aktif parametreli bir MoE model.
  • Model 1 milyon token girdi ve 128 bin token çıktı destekliyor.
  • Ağırlıklar MIT lisansıyla Hugging Face'te yayında; ticari kullanım serbest.
  • Meituan'ın örnek kurulumu 194 adet Huawei Ascend hızlandırıcıya dayanıyor.
  • Paylaşılan test sonuçları Meituan'ın kendi ölçümleri.
Sunucu rafları ve yapay sinir ağı temsili görseli
Temsili görsel: TeknoDB

Çinli teknoloji şirketi Meituan, LongCat-2.5 adlı büyük dil modelinin ağırlıklarını herkese açtı. Ajan görevleri ve kodlama odaklı geliştirilen model, toplamda 1,6 trilyon parametreye sahip. Ağırlıklar MIT lisansıyla Hugging Face üzerinden yayınlandı. Bu lisans, modelin ticari amaçla kullanılmasına, değiştirilmesine ve yeniden dağıtılmasına izin veriyor. Ağırlıklar, modelin resmî tanıtımından yaklaşık bir hafta sonra paylaşıldı.

Meituan daha çok yemek teslimatı hizmetiyle tanınsa da şirketin LongCat ekibi son dönemde iddialı modellerle gündeme geliyor. The Decoder'ın aktardığına göre modelin bir önceki sürümü olan LongCat-2.0, yayınlanmadan önce OpenRouter'da anonim olarak "Owl Alpha" adıyla çalışıyordu.

LongCat-2.5'in teknik özellikleri

Model, uzmanlar karışımı (MoE) mimarisini kullanıyor. Toplam parametre sayısı 1,6 trilyon olsa da her token için yaklaşık 48 milyar parametre devreye giriyor. Bu yapı, büyük bir modelin her adımda tüm kapasitesini kullanmadan çalışmasını sağlıyor.

LongCat-2.5 tek seferde 1 milyon token girdi alabiliyor ve 128 bin tokene kadar çıktı üretebiliyor. Metin, görsel ve video girdilerini kabul ediyor, yanıtlarını metin olarak veriyor. Akıl yürütme modu ihtiyaca göre açılıp kapatılabiliyor. Modelin asıl hedefi, kodlama başta olmak üzere çok adımlı ve otonom ajan görevleri.

Modelin ajan görevlerine yönelik tasarlanması, son dönemde sektörde öne çıkan eğilimle de uyumlu. Yapay zekâ şirketleri artık yalnızca soru yanıtlayan sohbet botları değil, terminalde komut çalıştıran, kod yazıp test eden ve web'de araştırma yapan sistemler geliştirmeye odaklanıyor. LongCat-2.5'in öne çıkardığı test sonuçları da büyük ölçüde bu tür görevleri ölçüyor.

Huawei Ascend ile kurulum

Modelin en dikkat çekici yanı donanım tarafı. The Decoder, modelin tamamen Çin yapımı donanımla eğitildiğini aktarıyor. Meituan'ın paylaştığı örnek kendi sunucusunda çalıştırma kurulumu, Atlas A2 serisinden 194 adet Huawei Ascend hızlandırıcıya dayanıyor. Bunların 2'si görsel işleme, 64'ü girdi işleme, 128'i ise yanıt üretimi için ayrılıyor. Kılavuzda Nvidia GPU'lar için bir yönlendirme yer almıyor.

Şirket ayrıca 4 bitlik sıkıştırılmış bir sürüm de yayınladı. Meituan'a göre bu sürüm, 8 bitlik sürüme kıyasla girdi işlemede yüzde 43,3, yanıt üretiminde yüzde 42,77 daha yüksek hız sunuyor. Doğruluğun ise sıkıştırılmamış modelle aynı seviyede kaldığı belirtiliyor. ABD'nin çip ihracatı kısıtlamalarını sıkılaştırdığı bir dönemde bu gelişme ayrıca önem taşıyor; konuyu ABD'nin yapay zekâ çipi kuralı haberimizde ele almıştık.

Test sonuçları ve fiyat

Meituan'ın kendi ölçümlerine göre LongCat-2.5, Terminal Bench v2.1'de 88,4 puan aldı. Aynı tabloda Claude Opus 5 89,1, GPT-5.6 Sol 88,8, DeepSeek-V4.1-Flash ise 90,6 puanla yer alıyor. DeepSWE testinde model 64,6 puana ulaştı. Web araştırmasını ölçen BrowseComp'ta ise 91,9 puanla tablonun zirvesinde. Bu testin Meituan'ın kendi ortamında yapıldığını, karşılaştırma tablosunda en yeni bazı modellerin bulunmadığını da not etmek gerekiyor.

Daha zorlu Terminal Bench v4.0 sürümünde ise tablo değişiyor. Bu testte LongCat-2.5 38,5 puan alırken GPT-5.6 Sol 37,3, Claude Opus 5 ise 53,9 puana ulaşıyor. Yani model bazı testlerde öncü modellere yaklaşsa da zorlu görevlerde aradaki fark sürüyor.

Model, longcat.ai adresindeki sohbet arayüzü ve API üzerinden de kullanılabiliyor. API'nin OpenAI ve Anthropic formatlarıyla uyumlu olduğu belirtiliyor. The Decoder'a göre lansmana özel sınırlı süreli fiyat, milyon girdi tokeni için yaklaşık 0,27 euro, milyon çıktı tokeni için yaklaşık 1,07 euro düzeyinde. Çinli rakiplerin fiyatlandırma stratejisini merak edenler Qwen4-Max API fiyatı haberimize de göz atabilir.

Bağımsız testler henüz yayınlanmadığı için modelin gerçek performansı zamanla netleşecek. Model kartı ve indirme bağlantıları Hugging Face sayfasında yer alıyor.

Çinli Meituan şirketinin LongCat ekibinin geliştirdiği, özellikle çok adımlı ajan görevleri ve kodlama için tasarlanmış açık ağırlıklı bir büyük dil modeli.

Model ağırlıkları MIT lisansıyla yayınlandı; indirip ticari amaçla da kullanmak mümkün. Ancak modeli kendi donanımınızda çalıştırmak çok sayıda hızlandırıcı gerektiriyor. Ayrıca bir sohbet arayüzü ve ücretli API de sunuluyor.

Meituan'ın yayınladığı kurulum kılavuzu Huawei Ascend çiplerini temel alıyor ve Nvidia GPU'lar için bir yönlendirme içermiyor.

API'nin OpenAI ve Anthropic formatlarını desteklediği ve Claude Code, Codex gibi ajan araçlarıyla çalıştığı belirtiliyor.

Etiketler

Tepkiniz Nedir?

Tepkiniz Nedir?

Beğen Beğen 0
Beğenme Beğenme 0
Aşk Aşk 0
Komik Komik 0
Vay Vay 0
Üzgün Üzgün 0
Kızgın Kızgın 0
Hatice Sultan

Hatice Sultan, otomotiv dünyasındaki yeni modelleri, elektrikli ve hibrit araç teknolojilerini, marka lansmanlarını ve sektördeki önemli gelişmeleri yakından takip eden otomobil haber editörüdür. TeknoDB’de yeni otomobillerin teknik özelliklerini, menzil ve batarya verilerini, motor seçeneklerini, donanım farklılıklarını ve kullanıcı açısından önem taşıyan detayları anlaşılır bir dille aktarmaya odaklanır. Özellikle elektrikli araçlar, yeni nesil sürüş destek sistemleri, otomobil teknolojileri, Türkiye’ye gelen yeni modeller ve küresel otomotiv trendleri başlıca çalışma alanları arasındadır. Hazırladığı içeriklerde yalnızca üretici açıklamalarını aktarmak yerine, verileri kullanıcı açısından değerlendirerek otomobillerin güçlü ve zayıf yönlerini ortaya koymayı amaçlar.

Yorumlar (0)

User