LongCat ha presentato il 1° novembre 2026 LongCat-2.5, un modello multimodale nativo basato su architettura mixture-of-experts e progettato per eseguire attività agentiche prolungate, elaborazione visiva e sviluppo software complesso. Il modello comprende 1,6 trilioni di parametri complessivi, dei quali circa 48 miliardi vengono attivati per ciascun token elaborato. Rispetto a LongCat-2.0, la nuova versione amplia le capacità di comprensione visiva e di programmazione agentica, utilizzando un processo di addestramento che comprende un numero maggiore di traiettorie operative di lunga durata e tecniche di reinforcement learning applicate a interazioni articolate. L’obiettivo dichiarato è migliorare l’esecuzione di compiti che richiedono numerosi passaggi, l’utilizzo ripetuto di strumenti, la modifica di codebase estese e la realizzazione di progetti software completi. Il modello è accessibile tramite interfaccia conversazionale e API, mentre la distribuzione dei materiali attraverso GitHub e Hugging Face risulta ancora indicata come futura.
Una delle principali caratteristiche architetturali riguarda la rappresentazione delle immagini attraverso token visivi discreti, anziché affidare interamente l’elaborazione visiva a embedding esterni trattati come elementi separati dalla sequenza linguistica. LongCat-2.5 combina tokenizzazione visiva alla risoluzione nativa, pre-elaborazione offline e apprendimento congiunto delle rappresentazioni visive e del backbone principale. Il sistema utilizza un Semantic-and-Aligned Encoder per estrarre caratteristiche dalle immagini, successivamente trasformate mediante Residual Vector Quantization in sequenze di token discreti organizzate su più livelli. Un visual de-tokenizer permette di ricostruire il contenuto rappresentato. La presenza di un tokenizer fisso consente di calcolare e memorizzare preventivamente gli identificativi dei token visivi, riducendo la necessità di ripetere l’elaborazione durante l’addestramento. Conoscere anticipatamente il numero di token associati alle immagini facilita inoltre l’organizzazione dei dati nei batch e il bilanciamento dei carichi tra le unità di elaborazione distribuite. Una validazione preliminare condotta su un modello MoE più piccolo, con circa tre miliardi di parametri attivi mediamente, ha evidenziato attraverso visualizzazioni t-SNE una distribuzione intrecciata delle rappresentazioni testuali e visive, interpretata dai ricercatori come indicazione di una progressiva integrazione in uno spazio semantico condiviso.
L’addestramento delle capacità di programmazione agentica utilizza una pipeline per la generazione di attività, ambienti interattivi e verifiche riproducibili. Il sistema seleziona pull request e problemi associati provenienti da GitHub, impiega agenti per annotare le attività e sintetizzare gli ambienti necessari, quindi valida i test attraverso controlli fail-to-pass e pass-to-pass. I primi verificano che una modifica corregga effettivamente un comportamento precedentemente errato, mentre i secondi controllano che funzionalità già operative continuino a funzionare. Le percentuali di successo delle esecuzioni vengono utilizzate per correggere etichette, filtrare esempi e individuare casi in cui i test producono falsi positivi o falsi negativi. Anche le traiettorie di fallimento osservate durante attività agentiche reali vengono trasformate in nuovi compiti riproducibili. Per gestire esecuzioni particolarmente lunghe, LongCat utilizza rollout parziali asincroni, interrompendo e salvando le traiettorie ancora attive alla conclusione di un batch per riprenderle durante la successiva fase di campionamento. Le misure contro il reward hacking comprendono l’eliminazione dell’accesso alla rete negli ambienti di test, la rimozione della cronologia Git e dei file memorizzati in cache, l’utilizzo di un modello giudice per individuare tentativi di sfruttamento delle verifiche e penalizzazioni per ragionamenti ripetitivi o chiamate agli strumenti inutilmente reiterate.
L’infrastruttura di addestramento è stata adattata all’impiego di acceleratori AI con meno di 80 GB di memoria per dispositivo, organizzando i gruppi di parallelismo in funzione della topologia dei supernodi e mantenendo le operazioni più onerose all’interno delle connessioni ad alta larghezza di banda. La configurazione dual-shard FSDP mantiene la suddivisione dei parametri entro i supernodi e distribuisce ulteriormente i pesi master FP32 e gli stati degli ottimizzatori. LongCat dichiara un incremento dell’86% del throughput per dispositivo rispetto a una configurazione DDP di riferimento durante attività di supervised fine-tuning su sequenze lunghe. Il sistema mantiene inoltre probabilità logaritmiche per token identiche a livello di bit tra le configurazioni di addestramento e inferenza, pur consentendo differenti strategie di parallelismo, attraverso kernel indipendenti dalla composizione dei batch e una logica computazionale allineata.
Per l’inferenza, LongCat-2.5 adotta una modalità W4A4 che quantizza a 4 bit sia i pesi degli esperti sia le attivazioni, sfruttando unità hardware INT4. Una trasformazione comune degli input viene eseguita prima della replica e della distribuzione dei token agli esperti, consentendo di riutilizzare la stessa rappresentazione quantizzata nelle operazioni di comunicazione e calcolo. Nei test dichiarati, questa configurazione ha mantenuto un’accuratezza comparabile alla versione non quantizzata sulle attività valutate. Rispetto a una configurazione W8A8 INT8, i test di carico online hanno registrato incrementi del 43,3% nel throughput di prefill e del 42,77% nel throughput di generazione, con riduzioni del 15,91% nel tempo al primo token e del 19,72% nel tempo medio per token successivo. Il kernel GMM ha ottenuto un’accelerazione media di 1,73 volte.
Le valutazioni pubblicate mostrano miglioramenti rispetto a LongCat-2.0 in diversi benchmark agentici. LongCat-2.5 raggiunge 88,4 punti su Terminal Bench v2.1 rispetto a 70,8 della versione precedente, 64,6 su DeepSWE v1.1 rispetto a 9,7, 91,9 su BrowseComp rispetto a 79,9, 51,8 su AutomationBench v1.0.6 rispetto a 15,8, 83,1 su MCP Atlas rispetto a 61,8 e 63,1 su HLE con strumenti rispetto a 37,5. Nei test visivi vengono dichiarati 55,4 punti su 3DCodeBench Text-to-3D e 78,6 su Vision2Web. Salvo indicazioni differenti, le valutazioni impiegano la modalità thinking, temperatura 1,0 e top-p 0,95. Terminal Bench utilizza il Claude Code harness con una lunghezza massima di sequenza di 512.000 token e media su tre esecuzioni, mentre DeepSWE impiega mini-swe-agent con limite di un milione di token, anch’esso valutato su tre esecuzioni. I risultati raccolti autonomamente dal produttore vengono presentati come indicativi, mentre alcune comparazioni con altri modelli provengono da report e classifiche pubbliche.
LongCat-2.5 è disponibile attraverso API compatibili con i formati OpenAI e Anthropic, rispettivamente agli endpoint https://api.longcat.chat/openai e https://api.longcat.chat/anthropic, con supporto per le interfacce /v1/chat/completions e /v1/messages. La finestra di contesto raggiunge un milione di token per richiesta, con un massimo di 128.000 token generabili in output. Sono dichiarate compatibilità con Claude Code, Codex, Hermes e altri ambienti agentici, comprese applicazioni di sviluppo visuale, progettazione creativa e produzione di contenuti tridimensionali. Le tariffe promozionali a consumo indicate al lancio sono pari a 0,30 dollari per milione di token di input non presenti in cache, 0,006 dollari per milione di token di input memorizzati e 1,20 dollari per milione di token in output, con importi corrispondenti in yuan rispettivamente di 2, 0,04 e 8. I prezzi sono temporanei e soggetti a modifica secondo le condizioni riportate dalla piattaforma API.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)