AI 编程实时动态与要闻速递 — 𝕏/Twitter 一手信源

👀10

🔥88

美团龙猫正式发布 LongCat-2.5：1.6T 总参、约 48B 激活的原生多模态智能体模型，API 限时 $0.30/$1.20

美团 LongCat 团队 11 月 2 日在 API 平台更新日志中上线 LongCat-2.5，这是 9 月 25 日 LongCat-2.5-Preview 的正式版。官方技术博客称它总参数 1.6 万亿、每个 token 激活约 480 亿，在 LongCat-2.0 基础上强化原生视觉理解和智能体编程，训练和 W4A4 推理都在国产 AI 加速卡上完成。官方口径成绩包括 Terminal Bench v2.1 88.4、Terminal Bench v4.0 38.5、BrowseComp 91.9、MCP Atlas 83.1。API 支持 OpenAI 和 Anthropic 两种格式，1M 上下文、最多 128K 输出，限时价每百万 token 输入 $0.30、缓存输入 $0.006、输出 $1.20。

核心要点速览

规模：1.6 万亿总参数 MoE，每 token 激活约 480 亿；1M 上下文、最高 128K 输出（官方博客、API 文档）
代码智能体（官方口径）：Terminal Bench v2.1 88.4（Claude Opus 5 89.1、GPT-5.6-Sol 88.8）、Terminal Bench v4.0 38.5（GPT-5.6-Sol 37.3、Claude Opus 5 53.9）、DeepSWE v1.1 64.6
通用智能体（官方口径）：BrowseComp 91.9、MCP Atlas 83.1、AutomationBench v1.0.6 51.8、HLE w/tools 63.1；相比 LongCat-2.0 的 AutomationBench 15.8 大幅提升
价格：限时每百万 token 输入 $0.30（¥2）、缓存输入 $0.006（¥0.04）、输出 $1.20（¥8）（定价页）
工程：W4A4 推理相比 W8A8 基线预填充吞吐 +43.3%、解码吞吐 +42.77%；长序列 SFT 中 FSDP 单卡吞吐比 DDP 基线高 86%

阅读全文

关联模型 / 智能体 / 厂商:

⚡ LongCat-2.5⚡ LongCat-2.5-Preview⚡ LongCat-2.0⚡ Claude Opus 5 ⚡ GPT-5.6 Sol ⚡ DeepSeek-V4.1-Flash 🤖 Claude Code 🤖 Codex 🤖 Hermes Agent 🤖 OpenCode 🤖 Cline 🌐 Meituan

#LongCat-2.5#美团#MoE#多模态#智能体#定价

@huggingface@huggingface·15 天前收录

👀69

🔥93

规则世界建模三大突破：OmniVerifier-C1 解耦分级验证器赋能迷宫/数独生成，美团 WorldCast 揭露开源仅 20.1 分代差，国大 RPO 扩散 RL 提速 4 倍

针对多模态生成模型向“严守物理与逻辑规则的世界模型”演进中的验证、评测与强化学习对齐难题，今日三项重磅研究给出系统答案：OmniVerifier-C1（arXiv:2610.22355，HF 32 赞）通过解耦强化学习（DAPO）将提示词拆解为子问题二元判断与全局连续打分，在 ViVerBench 上提至 0.684 并将 FLUX.1-dev 的 GenEval 推至 0.79；美团开源 320 例多步世界状态预测基准 WorldCast（arXiv:2610.20731，HF 30 赞），揭示 GPT-Image-2.5 System 达 72.8 分而最强开源模型仅 20.1 分；新加坡国立大学提出路由策略优化 RPO（arXiv:2610.22282），将注意力块路由作为随机探索动作，以仅 24.1 GPU 小时（较 Flow-GRPO 与 DanceGRPO 分别快 3.1 倍和 4.2 倍）大幅提升视频生成语义对齐。

核心要点速览

OmniVerifier-C1 采用解耦强化学习（DAPO）联合优化子问题二元判断与全局连续打分，在 ViVerBench 达 0.684 并将 FLUX.1-dev 的 GenEval 总分从 0.68 拉升至 0.79
美团开源 320 例多步世界状态预测基准 WorldCast：评测 12 款模型发现 GPT-Image-2.5 System 斩获 72.8 分，Nano Banana Pro 为 42.8 分，而最强开源模型仅得 20.1 分
新加坡国大提出路由策略优化（RPO）：在注意力块路由内部进行双轨迹随机探索且推理期零改动恢复稠密注意力，在 Wan2.2-TI2V-5B 上仅需 24.1 GPU 小时（较 Flow-GRPO 与 DanceGRPO 分别快 3.1 倍和 4.2 倍）

阅读全文

关联模型 / 智能体 / 厂商:

#OmniVerifier-C1#WorldCast#RPO#Diffusion-RL#世界模型#FLUX

Command Code@CommandCodeAI·60 天前收录

👀89

🔥87

查看推特原帖 ↗

Command Code 全量免费开放 LongCat-2.0：1.6T MoE、百万上下文

Command Code（@CommandCodeAI）宣布美团 LongCat-2.0 现对所有订阅档免费可用：1.6T 参数 MoE、约 48B 激活、百万上下文；可用 npm i -g command-code 安装 CLI 后直接调用。美团官方账号同步确认已在 Command Code 上线。