Meituan stellt LongCat-2.5 vor: Ein multimodales Modell mit 1,6 Billionen Parametern für Code-Agenten

Der chinesische Lieferdienst-Riese Meituan hat mit LongCat-2.5 sein neues großes Modell vorgestellt. Es handelt sich um ein Mixture-of-Experts-Modell mit 1,6 Billionen Parametern, von denen rund 48 Milliarden pro Token aktiv sind. Es wurde für Code-Agenten entwickelt, die komplexe Aufgaben eigenständig über längere Zeiträume ausführen, sowie für die bildbasierte Programmierung. Meituan hebt hervor, dass das Training vollständig auf chinesischen Chips erfolgte. Das Modell steht über longcat.ai sowie per API zu einem Aktionstarif von 0,30 $ pro Million Eingabe-Tokens und 1,20 $ pro Million Ausgabe-Tokens bereit. Eine Veröffentlichung der Modellgewichte wurde bislang nicht angekündigt.

Neuerungen gegenüber der Preview-Version

LongCat-2.5 stellt die finale Version von LongCat-2.5-Preview dar, das am 25. September freigegeben wurde. Der Blogbeitrag des Teams datiert auf den 1. November, das Änderungsprotokoll der API auf den 2. November. Das Modell baut auf dem im Juni erschienenen LongCat-2.0 auf und setzt zwei Entwicklungsschwerpunkte.

Der erste Schwerpunkt ist native Bildverarbeitung. Bilder werden wie Wörter in diskrete Tokens zerlegt und vom selben Modell wie Text verarbeitet, ohne dass ein separates Bildverarbeitungsmodul nötig ist. Meituan nutzt dies für das sogenannte „Visual Programming“: die Nachbildung einer Website anhand einer Vorlage oder die Erstellung interaktiver 3D-Seiten und Datenvisualisierungen.

Der zweite Schwerpunkt liegt auf lang laufenden Agenten-Aufgaben. Das Team trainierte das Modell mittels Reinforcement Learning auf Aufgaben, die aus Pull Requests auf GitHub stammen und über automatisierte Tests verifiziert werden. Reale Fehlversuche der Agenten wurden zudem in neue Trainingsaufgaben umgewandelt. Um Abkürzungen und Manipulationen zu verhindern, wird der Netzwerkzugriff während dieser Abläufe unterbrochen und die Git-Historie entfernt. Das Changelog führt zudem eine native Kompatibilität mit Claude Code, Codex und Hermes an.

Benchmark-Ergebnisse auf dem Niveau von Claude Opus 5 laut Meituan

Im Unternehmensblog wird eine Übersicht mit rund 30 Benchmarks präsentiert. Diesen Zahlen zufolge erreicht LongCat-2.5 im Terminal Bench v2.1 einen Wert von 88,4 (im Vergleich zu 89,1 bei Claude Opus 5) und bei BrowseComp einen Wert von 91,9 (gegenüber 90,8). Im Terminal Bench v4.0 liegt das Modell mit 38,5 Punkten jedoch deutlich hinter Claude Opus 5 mit 53,9 Punkten. Meituan fasst in seiner Mitteilung zusammen, dass sich die Ergebnisse zwischen Claude Opus 4.8 und Claude Opus 5 einordnen und Opus 5 bei einzelnen Tests übertreffen. Bei mehreren Programmier-Benchmarks schneidet DeepSeek-V4.1-Flash stärker ab – etwa mit 90,6 im Terminal Bench v2.1 und 74,2 bei DeepSWE gegenüber 64,6 bei LongCat-2.5.

Fokus auf chinesische Hardware

Meituan legt großen Wert auf die Hardware-Basis. Die genutzten Beschleuniger verfügen über jeweils weniger als 80 GB Speicher, was eine Neuausrichtung der Rechenlastverteilung erforderte. Nach Angaben im Blog stieg der Trainingsdurchsatz pro Chip bei Sequenzen mit langem Kontext um 86 Prozent. Für die Inferenz werden die Gewichte und Aktivierungen der Experten auf 4 Bit quantisiert. Den vorgelegten Lasttests zufolge ermöglicht dies eine Steigerung des Durchsatzes um etwa 43 Prozent im Vergleich zur 8-Bit-Ausführung.