Code & Chain · Signal Desk

美團釋出 1.6 兆參數 LongCat-2.5,全程未使用 Nvidia GPU 訓練

原始來源The Decoder

摘要

美團發布 LongCat-2.5,1.6 兆參數的代理人模型,全程以中國硬體訓練、未使用 Nvidia GPU。採混合專家架構,每 token 僅約 480 億參數啟動;單次 prompt 支援最高 100 萬 token、回應最高 128k token,可處理文字、圖像與影片。以 4 位元量化在華為昇騰 A2 的 194 顆晶片上運行,prompt 處理與回應生成各約快 43%,準確度維持。權重以 MIT 授權釋出,可透過 194 晶片昇騰叢集自架,官方未提供 Nvidia 指引。評測顯示部分任務略遜西方頂尖模型,但程式與代理人任務具競爭力;可經 longcat.ai 試用,API 相容…

重點整理

  • 企業與開發者可評估在昇騰叢集自架模型的可行性;投資者需留意中國算力自主對 GPU 供應鏈預期的長期影響。
  • 讓讀者掌握前沿代理人模型的硬體自主化與開源授權選項,對自架與成本規劃有直接參考。

編輯說明

本頁是 Code & Chain 對公開來源的編輯摘要,可能使用 AI 輔助整理並經自動化流程發布。請以原始來源為準;內容不構成投資、法律或稅務建議。