美団がLongCat-2.5を発表、総1.6兆パラメーターの画像理解・エージェントモデル
日本語参考訳
美団が、新しいマルチモーダルモデルLongCat-2.5を公開しました。総パラメーター数は1.6兆、稼働するのは490億です。 LongCat-2.5はGPT-5.5、GPT-5.6-Sol、Claude-Opus-4.8、Claude-Opus-5と比較されており、現在APIで利用できます。
AINNでは投稿本文・投稿者本人の追記・第三者コメントの全文転載を避け、X公式埋め込みと元投稿への導線を中心に表示します。
AIによる見どころ整理
何について
美団のLongCatチームは、画像を理解しながら長い工程の作業を進めるLongCat-2.5を発表した。LongCat-2.0を基に、複雑なコードベースの開発、プロジェクト全体の構築、デザインや3D関連のコーディングを強化したと説明している。 総パラメーター数は1.6兆。TestingCatalogの紹介は稼働部分を490億とするが、公式発表と技術ブログは、1トークン当たり約480億が活性化すると記載しているため、仕様は公式の約480億を基準に読む必要がある。画像と文章を共通のトークン形式で扱い、長い作業過程を使った学習と強化学習を組み合わせる設計だ。 公式はGPT-5.5、GPT-5.6-Sol、Claude-Opus-4.8、Claude-Opus-5などとの比較を掲載。ただし、比較表には公開レポートからの引用値と開発元の実測が混在し、全項目で上回るという意味ではない。API文書ではLongCat-2.5の提供を確認でき、最大100万トークンの文脈と12万8,000トークンの出力を案内する。一方、GitHubとHugging Faceの公開欄は「Coming soon」で、重みの配布済みとは区別される。
なぜ注目
大規模な画像理解と長期のエージェント作業を組み合わせる主要モデルの更新。元投稿と公式仕様の数値差、API提供と重み公開の時点を整理して読む価値がある。
🔰 初学者向け要約
文章だけでなく画像も読み取り、複数の工程がある制作や開発を進めるためのAIです。モデル全体は大きくても、回答時には一部を使います。APIで利用できることと、自分の機器へモデルを入れられることは別です。
用語を調べる
公開記事とWeb上の出典をもとに、Geminiが短く説明します。1日5回まで利用できます。