AI Aulis

AI-NYHETER PÅ SVENSKA · 16 november 2026

De viktigaste AI-nyheterna varje morgon. AI skriver och granskar artiklarna mot originalkällorna – kontrollera viktiga uppgifter i källorna.

24 artiklar · nästa nummer i morgon bitti · Så görs tidningen →

← Numret 16 november 2026Tidningen

Meituan släpper modellvikterna för agentmodellen LongCat-2.5 med 1,6 biljoner parametrar

AI-genererat innehållSkriven av AI

huggingface.co, the-decoder.com · 2 källor · Källornas publiceringsdatum: 15 november 2026 · Publiceringstidpunkten är okänd för vissa källor

Kinesiska Meituan har släppt modellvikterna för LongCat-2.5 under MIT-licens. I Meituans jämförelse kommer modellen nära Claude Opus 5 i en del kodnings- och agentbenchmarkar. I kommandoradsbenchmarket Terminal-Bench 4.0 hamnar den däremot klart efter Opus 5.

LongCat-teamet på det kinesiska matleveransföretaget Meituan har släppt modellvikterna en vecka efter att modellen officiellt presenterades, rapporterade The Decoder den 15 november. LongCat-2.5 är byggd för AI-agenter som självständigt utför långa uppgifter i flera steg, särskilt programmering.

LongCat-2.5 är en MoE-modell: den använder bara en del av sina specialiserade delnätverk för att bearbeta varje token. Av modellens 1,6 biljoner parametrar används ungefär 48 miljarder per token, enligt Meituans modellkort. Modellen förstår text, bilder och video och svarar med text. Den delar upp bilder i separata token i ursprunglig upplösning och bearbetar dem tillsammans med texten.

Enligt The Decoder tränades modellen helt på kinesisk hårdvara. Meituan skriver själv i modellkortet att företaget har optimerat infrastrukturen för inhemska AI-acceleratorer.

Vid förstärkningsinlärningen använde Meituan programmeringsuppgifter från pull requests på GitHub, uppger The Decoder. För att modellen inte skulle kunna ta genvägar kopplade Meituan bort träningsmiljöerna från internet och tog bort Git-historiken. En språkmodell granskade lösningarna för att upptäcka knep.

Nära toppen i Meituans jämförelse, efter Opus 5 i Terminal-Bench 4.0

I Meituans jämförelse förbättrar LongCat-2.5 tydligt föregångarens resultat och kommer nära Claude Opus 5 och GPT-5.6 Sol i en del agentbenchmarkar. Siffrorna för LongCat-modellerna kommer från Meituans egna mätningar, och företaget uppger att de bara är vägledande.

Nedan visas poängen i fyra benchmarkar. Terminal-Bench mäter kommandoradsuppgifter, DeepSWE felrättning i verkliga kodförråd och BrowseComp webbsökning.

Benchmark LongCat-2.5 LongCat-2.0 Claude Opus 5 GPT-5.6 Sol DeepSeek-V4.1-Flash
Terminal-Bench 2.1 88,4 70,8 89,1 88,8 90,6
Terminal-Bench 4.0 38,5 3,0 53,9 37,3 31,2
DeepSWE 1.1 64,6 9,7 68,8 72,7 74,2
BrowseComp 91,9 79,9 90,8 90,4 91,5

Källa: Meituans modellkort, i poäng. Siffrorna för LongCat-modellerna är uppmätta av Meituan, medan konkurrenternas siffror främst kommer från offentliga rapporter. DeepSeeks BrowseComp-resultat mättes av Meituan.

Tabellen visar inte hur LongCat-2.5 står sig mot de senaste modellerna: Claude Opus 5.5 och GPT-6.1 Sol saknas i jämförelsen, skriver The Decoder. I BrowseComp fick LongCat-2.5 tabellens högsta resultat. Meituan körde dock benchmarket med sin egen harness, alltså det program som styr agenten, ger modellen verktyg och kör dess arbetssteg.

4-bitarsversion och driftsättning

I ett separat kodförråd finns en version där delnätverkens vikter och aktiveringar har komprimerats till 4-bitarstal. Kinesiska acceleratorer räknar direkt med dem. Enligt Meituan motsvarar noggrannheten i de utvärderade benchmarkarna ungefär den okomprimerade modellens. I företagets belastningstester ökade genomströmningen med 43,3 procent vid bearbetning av prompten och med 42,77 procent vid generering av svaret, jämfört med 8-bitarsversionen.

Enligt modellkortet kan modellen köras på NPU-acceleratorer för AI, och kortet hänvisar till en SGLang-FluentLLM-guide på GitHub. Exempelklustret i guiden har 194 Ascend Atlas A2-acceleratorer från Huawei, och det finns inga instruktioner för Nvidias GPU:er, uppger The Decoder.

MIT-licensen tillåter kommersiell användning och modifiering. Modellen kan provas i chattjänsten longcat.ai. Enligt The Decoder stöder API:et OpenAI:s och Anthropics format och fungerar till exempel med Claude Code och Codex. API:ets kontextfönster är en miljon token, och det tidsbegränsade kampanjpriset är cirka 0,27 euro per miljon indatatoken och 1,07 euro per miljon utdatatoken.

Tidigare om ämnet

Anmäl ett fel i artikeln