본문으로 건너뛰기
ToolPotion
AI 어드바이저
제출 (무료)

LongCat-2.5

아직 평가가 없습니다
LLM#21AI 모델 및 LLM오픈소스 · 웹

LongCat-2.5는 복잡하고 긴 수명의 에이전트 작업을 위해 설계된 네이티브 다중 모달 혼합 전문가(MoE) 모델입니다. 1.6조 개의 매개변수를 갖춘 이 모델은 코드베이스 개발, 창의적 디자인 및 3D 애플리케이션과 같은 작업을 위해 시각적 이해와 에이전트 코딩 기능을 통합합니다. 이 모델은 효율적인 성능을 위해 고급 훈련 기술과 인프라 최적화를 활용합니다.

URL 방문
공유
LongCat-2.5 스크린샷
LongCat-2.5 스크린샷

설명

LongCat-2.5는 이전 모델인 LongCat-2.0을 기반으로 한 다중 모달 AI의 중요한 발전을 나타냅니다. 이 모델은 강력한 시각적 이해와 정교한 에이전트 코딩을 결합하여 복잡하고 다단계의 에이전트 작업을 처리하도록 설계되었습니다. 총 1.6조 개의 매개변수를 특징으로 하며, 토큰당 약 480억 개의 활성화된 매개변수를 가지고 있어 요구되는 애플리케이션에 강력한 도구가 됩니다.

더 읽기

모델의 핵심 기능은 여러 주요 혁신에 의해 뒷받침됩니다. 네이티브 시각 모델링(Native Visual Modeling)은 LongCat-2.5가 네이티브 해상도의 시각적 특징을 이산 토큰으로 변환하여 텍스트와 공유 의미 공간에서 정렬할 수 있게 합니다. 이는 다중 모달 입력에 대한 더 깊고 통합된 이해를 가능하게 합니다. 긴 수명의 작업을 위해 이 모델은 실제 엔지니어링 시나리오와 재현 가능한 에이전트 실패를 기반으로 훈련된 에이전트 강화 학습(Agentic Reinforcement Learning, RL)을 사용합니다. 이 훈련 방법론은 효율적인 롤아웃 전략 및 보상 해킹에 대한 안전 장치와 결합되어 엔드 투 엔드 작업을 수행하는 데 있어 신뢰성을 높입니다.

다중 교사 학습(Multi-Teacher Learning)은 또 다른 중요한 측면으로, 전문화된 에이전트, 추론 및 상호작용 교사가 모델을 전체 어휘 KL 증류 및 트리 주의(Tree Attention)를 통해 안내합니다. 이 과정은 다중 턴 실행, 복잡한 추론 및 정확한 지시 따르기를 수행하는 능력을 강화하며, 안전성도 향상시킵니다. 또한 LongCat-2.5는 효율적인 긴 맥락 훈련(Efficient Long-Context Training)을 통합하여 슈퍼노드 인식 병렬 처리, 효율적인 샤딩 및 통신-계산 오버랩을 활용합니다. 이러한 최적화는 긴 시퀀스 SFT 작업에서 전통적인 기준에 비해 장치당 처리량을 상당히 높입니다.

LongCat-2.5의 배포는 NPU 플랫폼에서 지원되며, SGLang-FluentLLM을 통해 NPU 배포에 대한 구체적인 지침이 제공됩니다. 이 모델은 전문가 가중치 및 활성화를 위한 W4A4 양자화를 특징으로 하여 국내 AI 가속기에서 정확성을 유지하면서 네이티브 INT4 계산을 가능하게 합니다. 이 양자화는 최적화된 가중치 레이아웃 및 조정된 프리필/디코드 파이프라인과 함께 처리량을 크게 개선하고 지연 시간을 줄입니다. LongCat-2.5는 성능과 토큰 효율성을 균형 있게 조정할 수 있도록 사고 모드와 비사고 모드를 모두 제공합니다. MIT 라이센스 하에 출시되어 다양한 개발자와 애플리케이션이 접근할 수 있습니다.

  • 카테고리AI 모델 및 LLM
  • 요금제오픈소스
  • 배포클라우드
  • 플랫폼웹

LongCat-2.5 하이라이트

  • 네이티브 다중 모달 MoE 모델

  • 총 1.6조 개의 매개변수

  • 토큰당 480억 개의 활성화된 매개변수

  • 시각적 이해 통합

  • 에이전트 코딩 기능

  • 긴 수명의 에이전트 RL 훈련

  • 추론 및 지시 따르기를 위한 다중 교사 학습

  • 효율적인 긴 맥락 훈련

  • KV 캐시 최적화가 포함된 RL 인프라

  • 전문가 가중치 및 활성화를 위한 W4A4 양자화

  • NPU 플랫폼 배포 지원

  • 향상된 성능을 위한 사고 모드

  • 토큰 효율성을 위한 비사고 모드

  • 모델 가중치에 대한 MIT 라이센스

  • 코딩, 일반 에이전트 및 시각 작업 전반에 걸친 평가

LongCat-2.5 시작하기

  1. 모델 접근: Hugging Face의 LongCat-2.5 페이지로 이동합니다.

  2. 파일 탐색: 모델의 파일 및 문서를 검토하여 기술 세부 정보를 확인합니다.

  3. NPU에 배포: NPU 플랫폼 배포에 대한 지침은 SGLang-FluentLLM을 참조합니다.

  4. 모드 구성: 성능을 위한 사고 모드(enable_thinking=True) 또는 토큰 효율성을 위한 비사고 모드(enable_thinking=False) 중에서 선택합니다.

  5. 프롬프트 전송: 공식 채팅 웹사이트(longcat.ai) 또는 프로그래밍 방식으로 모델과 상호작용합니다.

  6. 성능 평가: 특정 작업을 위한 온도 및 top_p와 같은 평가 설정을 활용합니다.

LongCat-2.5의 사용 사례

  • 복잡한 코드베이스 개발
  • 전체 프로젝트 빌드
  • 창의적 디자인 작업
  • 3D 작업 실행
  • 다중 모달 에이전트 작업
  • 코드 에이전트 벤치마킹
  • 일반 에이전트 벤치마킹
  • 시각 작업 벤치마킹

LongCat-2.5의 FAQ

Meituan의 제품

LongCat-2.5 리뷰

LongCat-2.5 리뷰

로딩 중...

LongCat-2.5와(과) 비슷한 인기 AI 도구

MiniMax M3 - 코딩 및 에이전틱 프론티어

LLM

MiniMax M3는 코딩 및 에이전틱 작업에서 뛰어난 성능을 발휘하는 고급 AI 모델입니다. 1M 컨텍스트 윈도우와 네이티브 멀티모달 이해 기능을 갖추고 있으며, MSA 아키텍처에 의해 구동됩니다. 이 모델은 오픈 웨이트 기능을 제공하여 개발자와 연구자에게 다재다능한 도구가 됩니다.

AI 모델 및 LLM
도구 보기

MiniMax M3 - 코딩 및 에이전틱 프론티어

LLM

코딩 및 에이전틱 작업에서 뛰어난 성능을 발휘하는 고급 AI 모델입니다. 1M 컨텍스트 윈도우와 네이티브 멀티모달 이해 기능을 갖추고 있으며, MSA 아키텍처에 의해 구동됩니다. 이 모델은 오픈 웨이트 기능을 제공하여 개발자와 연구자에게 다재다능한 도구가 됩니다.MiniMax M3는 코딩 및 에이전틱 작업에서 뛰어난 성능을 발휘하는 고급 AI 모델입니다. 1M 컨텍스트 윈도우와 네이티브 멀티모달 이해 기능을 갖추고 있으며, MSA 아키텍처에 의해 구동됩니다. 이 모델은 오픈 웨이트 기능을 제공하여 개발자와 연구자에게 다재다능한 도구가 됩니다.

AI 모델 및 LLM
LLM TOP 50 보기

MiniMax-M3.1-Flash

LLM

MiniMax-M3.1-Flash는 코딩, 에이전트 워크플로우 및 사이버 보안을 위해 설계된 다중 모달 전문가 혼합 모델입니다. 텍스트, 이미지 및 비디오 입력을 지원하며, 희소 주의 및 양자화 인식 훈련을 통해 작업 성능과 추론 효율성을 향상시킵니다.

AI 모델 및 LLM
도구 보기

MiniMax-M3.1-Flash

LLM

코딩, 에이전트 워크플로우 및 사이버 보안을 위해 설계된 다중 모달 전문가 혼합 모델입니다. 텍스트, 이미지 및 비디오 입력을 지원하며, 희소 주의 및 양자화 인식 훈련을 통해 작업 성능과 추론 효율성을 향상시킵니다.MiniMax-M3.1-Flash는 코딩, 에이전트 워크플로우 및 사이버 보안을 위해 설계된 다중 모달 전문가 혼합 모델입니다. 텍스트, 이미지 및 비디오 입력을 지원하며, 희소 주의 및 양자화 인식 훈련을 통해 작업 성능과 추론 효율성을 향상시킵니다.

AI 모델 및 LLM
LLM TOP 50 보기

Kimi K3.1 Pro

LLM

Kimi K3.1 Pro는 2.8조 개의 매개변수를 가진 개방형 가중치, 본래 다중 모달 에이전틱 모델로, 고급 애플리케이션을 위해 설계되었습니다. 100만 토큰의 컨텍스트 윈도우를 특징으로 하며, 코딩, 3D 생성, 금융 연구 및 사실 정확성에서 상당한 개선을 제공합니다. 이 모델은 K3.1 시리즈의 첫 번째 모델로,…

AI 모델 및 LLM

LLM 4위

도구 보기

Kimi K3.1 Pro

LLM

2.8조 개의 매개변수를 가진 개방형 가중치, 본래 다중 모달 에이전틱 모델로, 고급 애플리케이션을 위해 설계되었습니다. 100만 토큰의 컨텍스트 윈도우를 특징으로 하며, 코딩, 3D 생성, 금융 연구 및 사실 정확성에서 상당한 개선을 제공합니다. 이 모델은 K3.1 시리즈의 첫 번째 모델로,…Kimi K3.1 Pro는 2.8조 개의 매개변수를 가진 개방형 가중치, 본래 다중 모달 에이전틱 모델로, 고급 애플리케이션을 위해 설계되었습니다. 100만 토큰의 컨텍스트 윈도우를 특징으로 하며, 코딩, 3D 생성, 금융 연구 및 사실 정확성에서 상당한 개선을 제공합니다. 이 모델은 K3.1 시리즈의 첫 번째 모델로,…

AI 모델 및 LLM
LLM 4위

Kimi-K2-Instruct 모델

LLM

Kimi-K2-Instruct는 고급 AI 작업을 위해 설계된 최첨단 전문가 혼합 언어 모델입니다. 이 모델은 추론, 코딩 및 도구 사용에서 뛰어난 성능을 제공하며, 320억 개의 활성화된 매개변수를 갖추고 있습니다.

AI 모델 및 LLM

LLM 47위

도구 보기

Kimi-K2-Instruct 모델

LLM

고급 AI 작업을 위해 설계된 최첨단 전문가 혼합 언어 모델입니다. 이 모델은 추론, 코딩 및 도구 사용에서 뛰어난 성능을 제공하며, 320억 개의 활성화된 매개변수를 갖추고 있습니다.Kimi-K2-Instruct는 고급 AI 작업을 위해 설계된 최첨단 전문가 혼합 언어 모델입니다. 이 모델은 추론, 코딩 및 도구 사용에서 뛰어난 성능을 제공하며, 320억 개의 활성화된 매개변수를 갖추고 있습니다.

AI 모델 및 LLM
LLM 47위

DeepSeek-V4-Flash-Vision-Exp

LLM

DeepSeek-V4-Flash-Vision-Exp는 시각적 이해 능력을 향상시키는 DeepSeek-V4 계열의 실험적인 다중 모달 모델입니다. 이는 DeepSeek-V4-Flash 아키텍처를 기반으로 하여 텍스트 전용 성능을 유지하면서 개선된 다중 모달 에이전트 기능을 제공합니다.

AI 모델 및 LLM
도구 보기

DeepSeek-V4-Flash-Vision-Exp

LLM

시각적 이해 능력을 향상시키는 DeepSeek-V4 계열의 실험적인 다중 모달 모델입니다. 이는 DeepSeek-V4-Flash 아키텍처를 기반으로 하여 텍스트 전용 성능을 유지하면서 개선된 다중 모달 에이전트 기능을 제공합니다.DeepSeek-V4-Flash-Vision-Exp는 시각적 이해 능력을 향상시키는 DeepSeek-V4 계열의 실험적인 다중 모달 모델입니다. 이는 DeepSeek-V4-Flash 아키텍처를 기반으로 하여 텍스트 전용 성능을 유지하면서 개선된 다중 모달 에이전트 기능을 제공합니다.

AI 모델 및 LLM
LLM TOP 50 보기

Step 3.7 Flash

LLM

Step 3.7 Flash는 고주파 생산 작업을 위해 설계된 희소 Mixture-of-Experts 비전-언어 모델입니다. 이는 언어 백본과 비전 인코더를 결합하여 재무 보고서 파싱 및 다단계 검색 루프 실행과 같은 집중적인 작업을 지원합니다.

AI 모델 및 LLM
도구 보기

Step 3.7 Flash

LLM

고주파 생산 작업을 위해 설계된 희소 Mixture-of-Experts 비전-언어 모델입니다. 이는 언어 백본과 비전 인코더를 결합하여 재무 보고서 파싱 및 다단계 검색 루프 실행과 같은 집중적인 작업을 지원합니다.Step 3.7 Flash는 고주파 생산 작업을 위해 설계된 희소 Mixture-of-Experts 비전-언어 모델입니다. 이는 언어 백본과 비전 인코더를 결합하여 재무 보고서 파싱 및 다단계 검색 루프 실행과 같은 집중적인 작업을 지원합니다.

AI 모델 및 LLM
LLM TOP 50 보기

DeepSeek-V4.1-Flash-1017

LLM

DeepSeek-V4.1-Flash-1017은 DeepSeek 모델의 업데이트된 버전으로, 추론, 코딩 및 시각적 벤치마크를 향상시킵니다. 작업 실행 시간을 줄이고 출력 길이를 단축하여 사용자에게 더 빠르고 비용 효율적인 솔루션을 제공합니다.

AI 모델 및 LLM

LLM 12위

도구 보기

DeepSeek-V4.1-Flash-1017

LLM

DeepSeek 모델의 업데이트된 버전으로, 추론, 코딩 및 시각적 벤치마크를 향상시킵니다. 작업 실행 시간을 줄이고 출력 길이를 단축하여 사용자에게 더 빠르고 비용 효율적인 솔루션을 제공합니다.DeepSeek-V4.1-Flash-1017은 DeepSeek 모델의 업데이트된 버전으로, 추론, 코딩 및 시각적 벤치마크를 향상시킵니다. 작업 실행 시간을 줄이고 출력 길이를 단축하여 사용자에게 더 빠르고 비용 효율적인 솔루션을 제공합니다.

AI 모델 및 LLM
LLM 12위

Beam

LLM

Beam은 Reflection에서 개발한 오픈 소스 텍스트 생성 모델입니다. 5010억 개의 매개변수를 가진 희소 전문가 혼합 아키텍처를 특징으로 하며, 효율적인 추론 및 코딩 기능을 제공합니다. 영어에 최적화되어 있으며, 소프트웨어 엔지니어링, 에이전틱 도구 사용 및 과학적 추론에서 뛰어난 성능을 발휘합니다.

AI 모델 및 LLM
도구 보기

Beam

LLM

Reflection에서 개발한 오픈 소스 텍스트 생성 모델입니다. 5010억 개의 매개변수를 가진 희소 전문가 혼합 아키텍처를 특징으로 하며, 효율적인 추론 및 코딩 기능을 제공합니다. 영어에 최적화되어 있으며, 소프트웨어 엔지니어링, 에이전틱 도구 사용 및 과학적 추론에서 뛰어난 성능을 발휘합니다.Beam은 Reflection에서 개발한 오픈 소스 텍스트 생성 모델입니다. 5010억 개의 매개변수를 가진 희소 전문가 혼합 아키텍처를 특징으로 하며, 효율적인 추론 및 코딩 기능을 제공합니다. 영어에 최적화되어 있으며, 소프트웨어 엔지니어링, 에이전틱 도구 사용 및 과학적 추론에서 뛰어난 성능을 발휘합니다.

AI 모델 및 LLM
LLM TOP 50 보기
1/8