es.wedoany.com Noticia: El 30 de junio, Meituan lanzó oficialmente su nuevo modelo de lenguaje de gran escala LongCat-2.0, con billones de parámetros, y anunció su publicación como código abierto. El modelo cuenta con un total de 1,6 billones de parámetros, con un promedio de aproximadamente 48 mil millones de parámetros activos, un rango de activación dinámica de 33 a 56 mil millones, y soporta de forma nativa un contexto ultralargo de 1M. LongCat-2.0 es un modelo de billones de parámetros entrenado e inferido completamente en un clúster de computación nacional de 50.000 tarjetas, con un volumen de datos de preentrenamiento superior a 30 billones de tokens, que abarca datos en chino, inglés, multilingües y código, proporcionando capacidades de modelo base para la comprensión de textos largos, procesamiento de código, tareas multilingües y aplicaciones de agentes complejos.
Con el lanzamiento de LongCat-2.0, las capacidades de modelos de gran escala de Meituan se extienden desde aplicaciones comerciales hasta la apertura de modelos base. El clúster de computación nacional de 50.000 tarjetas, los 1,6 billones de parámetros totales y la ventana de contexto de 1M son los datos técnicos más destacados de este lanzamiento.
En cuanto a la estructura del modelo, LongCat-2.0 adopta una configuración de billones de parámetros totales y decenas de miles de millones de parámetros activos, con un promedio de aproximadamente 48 mil millones de parámetros activos y un rango de activación dinámica de 33 a 56 mil millones. Las tareas complejas pueden invocar más parámetros, mientras que las tareas ligeras pueden reducir el consumo computacional. Este diseño ayuda a controlar los costos de inferencia y mejora la eficiencia en el uso de recursos en diferentes escenarios de tareas. La capacidad de contexto ultralargo de 1M permite al modelo procesar de una sola vez documentos, repositorios de código, contratos, archivos de proyectos y registros de tareas de múltiples rondas de mayor escala, reduciendo la pérdida de información causada por la segmentación de contenido extenso.
La computación nacional es otro dato clave de este lanzamiento. LongCat-2.0 se entrenó e infirió en un clúster de computación nacional de 50.000 tarjetas, lo que demuestra que la infraestructura de IA nacional ya ha entrado en la cadena de entrenamiento de modelos a escala masiva.
Tras su publicación como código abierto, LongCat-2.0 estará disponible para desarrolladores, empresas e instituciones de investigación. Industrias como la manufactura, el comercio minorista, la logística, la cadena de suministro y los servicios de ingeniería cuentan con una gran cantidad de materiales de texto largo, incluidos manuales de equipos, especificaciones técnicas, contratos de compra, archivos de proyectos, registros de servicio al cliente, repositorios de código y bases de conocimiento empresariales. El modelo de contexto de 1M se puede utilizar para preguntas y respuestas en bases de conocimiento, análisis de documentos largos, asistencia en código, automatización de procesos comerciales y orquestación de tareas de agentes, reduciendo la barrera para que las empresas construyan modelos industriales y aplicaciones privadas.
El lanzamiento de LongCat-2.0 por parte de Meituan indica su señal de continuar invirtiendo en las capacidades base de modelos de gran escala. El efecto de las aplicaciones posteriores aún dependerá de los pesos del modelo, los informes técnicos, los términos de la licencia, los costos de inferencia y el alcance de apertura de las herramientas complementarias.
