میتوان وزن‌های LongCat-2.5 را منتشر کرده است؛ مدلی با ۱.۶ تریلیون پارامتر که برای انجام وظایف طولانی و چندمرحله‌ای، به‌ویژه کدنویسی، طراحی شده است. به گزارش The Decoder، این مدل به‌طور کامل با سخت‌افزار چینی آموزش داده شده و وزن‌هایش یک هفته پس از رونمایی در دسترس قرار گرفته‌اند.
LongCat-2.5 مدلی از نوع ترکیب متخصصان است: شبکه‌های عصبی تخصصی دارد، اما برای هر توکن فقط از بخشی از آن‌ها استفاده می‌کند. با اینکه در مجموع ۱.۶ تریلیون پارامتر دارد، برای هر توکن حدود ۴۸ میلیارد پارامتر فعال است. رابط برنامه‌نویسی کاربردی میتْوان از ورودی تا یک میلیون توکن و پاسخ‌هایی تا ۱۲۸٬۰۰۰ توکن پشتیبانی می‌کند. این مدل متن، تصویر و ویدئو را پردازش می‌کند و کاربران می‌توانند حالت استدلال آن را روشن یا خاموش کنند.
توسعه‌دهندگان چه گزینه‌هایی دارند؟
وزن‌ها با مجوز MIT منتشر شده‌اند؛ مجوزی که استفاده تجاری، تغییر و بازتوزیع را مجاز می‌داند. توسعه‌دهندگان همچنین می‌توانند مدل را از طریق رابط گفت‌وگو یا API امتحان کنند. API از قالب‌های OpenAI و Anthropic پشتیبانی می‌کند و با ابزارهای عامل‌محور از جمله Claude Code، Codex و Hermes سازگار است. قیمت تبلیغاتی API میتْوان برای هر یک میلیون توکن ورودی حدود €0.27 و برای هر یک میلیون توکن خروجی حدود €1.07 است.
میتْوان نسخه‌ای ۴ بیتی هم منتشر کرده است که دقت عددیِ به‌کاررفته برای ذخیره وزن‌ها و فعال‌سازی‌های مدل را کاهش می‌دهد. این شرکت می‌گوید دقت این نسخه با مدل فشرده‌نشده برابری می‌کند. در آزمون‌های بارگذاری میتْوان، این نسخه در مقایسه با نسخه ۸ بیتی، توان عملیاتی پردازش ورودی را ۴۳.۳ درصد و توان عملیاتی تولید پاسخ را ۴۲.۷۷ درصد افزایش داد. راهنمای میزبانی شخصی، استقرار مدل با ۱۹۴ شتاب‌دهنده Huawei Ascend Atlas A2 را شرح می‌دهد: دو شتاب‌دهنده برای پردازش تصویر، ۶۴ شتاب‌دهنده برای ورودی‌ها و ۱۲۸ شتاب‌دهنده برای پاسخ‌ها.
نتایج تا چه حد خوب‌اند؟
میتْوان در آزمون Terminal Bench v2.1 که وظایف خط فرمان را می‌سنجد، امتیاز ۸۸.۴ را گزارش کرده است. این امتیاز از Claude Opus 5 با ۸۹.۱ و GPT-5.6 Sol با ۸۸.۸ کمتر است و از Deepseek-V4.1-Flash با ۹۰.۶ بیشتر نیست؛ Deepseek با امتیاز ۹۰.۶ در صدر نتایج فهرست‌شده قرار دارد. در Terminal Bench v4.0، امتیاز LongCat-2.5 برابر با ۳۸.۵ بود؛ بالاتر از ۳۷.۳ امتیاز GPT-5.6 Sol، اما پایین‌تر از ۵۳.۹ امتیاز Claude Opus 5.
در DeepSWE، آزمونی برای رفع اشکال در مخازن کد واقعی، میتْوان از افزایش امتیاز نتیجه قبلی ۹.۷ به ۶۴.۶ برای LongCat-2.5 خبر داده است. این مدل همچنان از Deepseek-V4.1-Flash با ۷۴.۲ و GPT-5.6 Sol با ۷۲.۷ عقب‌تر است. مدل در BrowseComp، آزمون جست‌وجوی وب، امتیاز ۹۱.۹ را کسب کرد که بالاترین نتیجه در جدول میتْوان است؛ این شرکت آزمون را در محیط خودش اجرا کرده است. این نتایج ارزیابی‌های گزارش‌شده از سوی میتْوان هستند و The Decoder به اجرای مستقل این آزمون‌ها اشاره نمی‌کند.
چرا مهم است
برای توسعه‌دهندگانی که می‌خواهند یک مدل عامل‌محور را تغییر دهند یا به‌صورت تجاری به‌کار بگیرند، مجوز MIT امکان تغییر و بازتوزیع را فراهم می‌کند و API راهی برای امتحان‌کردن LongCat-2.5 بدون راه‌اندازی سخت‌افزار آن است. بااین‌حال، راهنمای میزبانی شخصی تنها استقرار روی خوشه‌ای با ۱۹۴ تراشه Huawei را توضیح می‌دهد؛ نتایج معیارها نیز از سوی خود میتْوان گزارش شده‌اند، بنابراین مقایسه عملکرد مدل در آزمون‌های مستقل همچنان نامشخص است.
