中国のMeituan(美団)は、画像理解と複数の手順にわたるエージェント作業に対応したAIモデル「LongCat-2.5」の重みをMITライセンスで公開した。総パラメータ数は1兆6,000億に達するが、1トークンの処理で実際に使用するのは約480億パラメータとなる。複雑なソフトウェア開発や画像を使った作業を想定したモデルで、公開された重みを使えば、API経由の利用だけでなく、改変や再配布、自社環境での運用も検討できる。ただし、公式の推論構成では多数の専用アクセラレータを使用しており、モデルの利用条件と実際の運用に必要な設備は分けて考える必要がある。
画像理解と長時間の開発作業に対応
LongCat-2.5は、前モデルのLongCat-2.0を基盤として開発された。Meituanは2026年11月2日の公式発表で、画像理解と複数の工程にわたるエージェント作業を組み合わせた設計を説明している。複雑なコードベースの開発やプロジェクト全体のビルドを想定しており、デザインや3D関連の作業も用途に挙げている。
モデルにはMoE(Mixture of Experts:専門家混合)アーキテクチャを採用した。MoEは多数の専門家ネットワークを備え、入力に応じて一部だけを使用する仕組みだ。LongCat-2.5は総パラメータ数が1兆6,000億に達するものの、1トークン当たりで有効になるパラメータは約480億に抑えられている。このため、モデル全体の規模と、各トークンの処理に使われるパラメータ数は区別する必要がある。
画像処理では、元の解像度から抽出した特徴を、複数層の離散的な視覚トークンに変換する方式を採用している。Meituanによれば、訓練時には固定されたトークン化器を使って視覚トークンのIDを事前に計算・保存する。モデル本体はあらかじめトークン化されたデータを受け取るため、長い系列を結合・分割しやすくなり、分散訓練での処理負荷も調整しやすくなる。一方、視覚トークンを埋め込み表現に変換する部分は、モデル本体と共同で学習する。
Meituanが「ネイティブなマルチモーダル」と呼ぶのは、視覚情報を文章と共通のトークン表現に変換し、モデル本体で処理する設計を指す。画像をトークンに変換する工程がなくなるわけではなく、公開されている推論構成では独立したEncoderが画像の符号化を担当する。
エージェント機能の訓練には、GitHubの公開リポジトリや社内で実際に行われたコード開発作業を利用した。プルリクエストやissueをもとに実行環境とテストを構築し、モデルが失敗した作業の履歴も、再現・検証可能な課題に変換するという。これにより、単発の回答だけでなく、複数の操作を伴う開発工程全体を訓練対象にできる。失敗した作業も再利用することで、長い工程で発生する問題への対応を学習させる仕組みだ。
一方、テストの結果に応じて報酬を与える訓練では、モデルが課題を正しく解かずに評価の抜け道を利用する問題がある。Meituanは対策として、訓練環境の通信を遮断し、git履歴やキャッシュを削除したほか、別の言語モデルを使って作業履歴を監督したと説明している。
開発ベンチマークで前モデルを上回る性能
Meituanが公開したモデルカードでは、ソフトウェア開発に関する複数のベンチマーク結果が示されている。以下の3つの評価では、いずれもLongCat-2.5が前モデルのLongCat-2.0を大きく上回った。ただし、Claude Opus 5との性能差は評価課題によって異なる。
| 評価課題 | LongCat-2.0 | LongCat-2.5 | Claude Opus 5 |
|---|---|---|---|
| Terminal Bench v2.1 | 70.8 | 88.4 | 89.1* |
| Terminal Bench v4.0 | 3.0 | 38.5 | 53.9* |
| DeepSWE v1.1 | 9.7 | 64.6 | 68.8* |
注:LongCatのスコアはMeituanによる社内測定値。*は公開技術資料や公式リーダーボードなどから同社が引用した値を示す。
LongCat-2.5の基本設定は、思考モード有効、temperature 1.0、top_p 0.95となっている。Terminal Benchの評価にはClaude Code v2.1.280を使用し、最大系列長を512Kに設定した。Terminal Bench v2.1のスコアは、独立した3回の試行の平均値である。DeepSWEではmini-swe-agentを使用し、最大系列長を1Mに設定したうえで、同じく3回の試行の平均値を採用している。
Terminal Bench v2.1ではLongCat-2.5が88.4、Claude Opus 5が89.1と近いスコアを記録した。一方、Terminal Bench v4.0ではLongCat-2.5の38.5に対し、Claude Opus 5は53.9と差が開いている。また、この比較表にはMeituanの社内測定値と外部の公表値が混在しており、すべてのモデルを同一条件で評価した結果ではない。
さらに、The Decoderは11月15日付の記事で、Meituanの比較表には、より新しいClaude Opus 5.5やGPT-6.1 Solが含まれていないと指摘した。したがって、公表されたスコアは、比較対象となったモデルの世代や評価条件を踏まえて読む必要がある。
4bit量子化と194基のアクセラレータを使う推論構成
LongCat-2.5の重みはMITライセンスで公開されている。このライセンスでは、著作権表示と許諾文を保持することを条件に、利用、改変、再配布などが認められる。一方、モデルを自社環境で運用するには、対応する重みやソフトウェアに加え、画像処理と文章生成を実行するための計算設備が必要となる。
Meituanの公式資料に基づき、利用許諾から推論環境までの主な条件を整理すると、以下のようになる。
| 確認項目 | 公式資料の内容 | 導入時の確認点 |
|---|---|---|
| 利用許諾 | 重みをMITライセンスで公開。著作権表示と許諾文の保持が条件 | 改変・再配布・自社環境での運用 |
| 視覚情報の処理 | 画像を離散的な視覚トークンに変換し、モデル本体に入力 | 訓練時と推論時の処理方式 |
| 推論環境 | Atlas A2を194基使用し、Encoder、入力処理、生成処理を分担 | 対応する重み、ソフトウェア、計算資源の配分 |
Meituanは、長文脈の訓練に中国製アクセラレータを使用するための最適化についても説明している。1基当たりのメモリ容量が80GB未満という制約に対応するため、モデルのパラメータなどを分割し、高速通信と演算を組み合わせた。モデルカードによると、長系列の教師あり微調整では、データ並列のDDP構成と比較して、アクセラレータ1基当たりの処理量が86%向上したという。
推論処理では、W4A4量子化を採用している。これはMoEの専門家ネットワークの重み(Weight)と活性値(Activation)を、ともに4bitで表現する方式だ。対応するアクセラレータのINT4演算を利用し、トークンを複製・配送する前に量子化することで、通信と演算に共通のINT4表現を使用する。Meituanは、評価したベンチマークでは、量子化前のモデルに近い精度を維持したと報告している。
同社は、重みと活性値を8bitで表現するW8A8方式と比較したオンライン負荷試験の結果も公表した。W4A4では、入力をまとめて処理する段階のスループットが43.3%、応答トークンを順次生成する段階のスループットが42.77%向上した。また、最初のトークンが出力されるまでの時間は15.91%、出力トークン当たりの処理時間は19.72%短縮された。いずれもMeituanが実施した試験条件での結果である。
公式に公開されたNPU向け推論構成では、W4A4量子化された重みを使用し、HuaweiのAtlas A2アクセラレータを合計194基用いる。内訳は、画像の符号化を担当するEncoderに2基、入力処理に64基、生成処理に128基となっている。入力処理と生成処理は言語モデル側が担当し、独立したEncoderが画像を視覚トークンへ変換する構成だ。
訓練時には視覚トークンを事前に計算・保存する一方、公開された推論構成ではEncoderが画像を符号化する。つまり、視覚情報をモデル本体で処理する方式と、その前段階の画像処理を別のアクセラレータに割り当てる構成は両立する。
この194基という数字は公開された推論環境の構成例であり、モデルを動かすための最小要件ではない。ソフトウェアにはCANN 9.0.0、PyTorch 2.9.0と、それぞれに対応するtorch_npuおよびtorchairを使用している。より少ないアクセラレータでの運用条件や、異なるハードウェアを使用した場合の速度・費用については、この構成例だけでは判断できない。
LongCat-2.5の重みがMITライセンスで公開されたことで、利用者はモデルを自ら管理し、用途に応じて改変する選択肢を得た。実際の導入では、使用するハードウェアに対応した量子化重みと推論ソフトウェアを確認したうえで、自社の画像処理やコード開発作業における処理性能と必要な計算資源を測定することが重要となる。



