LongCat-2.0: milzīgs modelis bez Nvidia kartēm un testi

Iedomājieties, ka veidojat milzīgu valodas modeli, bet plauktā nav nevienas Nvidia kartes. Dīvaini? Vairs ne. Meituan klusi izlaida LongCat-2.0, atvērtā koda gigantu, kas apstrīd pieņēmumus par to, kāds aparatūras aprīkojums spēj uzņemties lielākos mākslīgā intelekta uzdevumus.

LongCat-2.0 satur aptuveni 1,6 triljonus parametru un atbalsta apmēram miljona tokenu konteksta logu, kas to nostāda starp plašākajiem valodas modeļiem. Savā apjomā tā veidotāji apgalvo, ka tas sacenšas ar tādiem modeļiem kā DeepSeek-V4-pro, bet galvenais nav tikai lielums. Svarīgākais ir aparatūras stāsts.

Atšķirībā no iepriekšējiem centieniem, kas izmantoja vietējās mikroshēmas tikai inferencē, Meituan ziņo, ka LongCat-2.0 gan apmācīja, gan palaida inferenci pilnībā Ķīnā bāzētā tehnoloģiju stekā. Uzņēmums apgalvo, ka izmantojis aprēķinu klasteri, kas izveidots no aptuveni 50 000 ķīniešu grafiskajām kartēm un desmitiem tūkstošu ASIC, kas pielāgoti mākslīgā intelekta uzdevumiem. Rezultāts: lielapjoma apmācība veikta uz aparatūras alternatīvām globālajai ar Nvidia dominēto piegādes ķēdi.

Uzņēmums nav atklājis precīzas procesoru sērijas. Huawei ir acīmredzams kandidāts, bet Meituan atturējās nosaukt piegādātājus. Šī necaurredzamība ir svarīga: programmatūras saderība, draiveru nobriešana un orkestrācijas slāņi visi ietekmē reālo veiktspēju, ne tikai pašas mikroshēmas.

LongCat-2.0 iezīmē pagrieziena punktu aparatūras neatkarībā, taču tā praktiskās spējas paliek nepierādītas, līdz parādīsies neatkarīgi etaloni.

Līdz šim modelis nav palaists caur vadošajiem novērtējuma komplektiem, piemēram, Artificial Analysis vai Arena, ne arī caur specializētiem testiem kā Agents' Last Exam un CyberGym. Etaloni parādīs, vai apmācība uz vietējā steka pārtulkojas konkurētspējīgā precizitātē, latentumā un efektivitātē. Vai tas sasniegs līdzvērtību ar Nvidia apmācītajiem kolēģiem, vai būs pilnīgi cits kompromiss?

Plašākā nozīmē tas ir skaidrs: Ķīnas ekosistēma pārbauda, vai alternatīvas mikroshēmas un lieli vietējie klasteri spēj uzturēt malējo AI pētniecību. Tas varētu pārveidot piegādes ķēdes pieņēmumus un veicināt vietējo inovāciju. Pašlaik LongCat-2.0 ir spējas pierādījums un aicinājums sekot etalonu rezultātiem, kas izlems, vai tas ir izrāviens vai saistošs eksperiments.