메이투안, 중국산 칩 학습 롱캣-2.5 공개

메이투안은 2일(현지시간) 중국산 AI 반도체로 학습한 멀티모달 모델 롱캣-2.5(LongCat-2.5)를 공개하고 API 서비스를 시작했다고 밝혔습니다. 모델은 전체 매개변수 1조6000억 개 규모이며, 전문가 혼합(MoE) 구조를 사용해 토큰마다 약 480억 개를 활성화합니다. 이전 모델 롱캣-2.0과 전체 규모는 같지만 시각 정보 이해와 에이전트형 코딩 능력을 강화했고, 복잡한 소프트웨어 개발과 시각 디자인, 3D 콘텐츠 제작을 지원합니다. 메이투안은 이전 버전보다 장시간 작업 수행 능력이 크게 높아졌다고 설명했습니다.

메이투안 자체 평가에서 터미널벤치 4.0 점수는 3.0점에서 38.5점으로, 딥SWE 1.1은 9.7점에서 64.6점으로 올랐습니다. 웹 검색을 활용한 문제 해결 능력을 평가하는 브라우즈컴프 점수는 79.9점에서 91.9점으로 상승했습니다. 브라우즈컴프에서는 클로드 오퍼스 5의 90.8점과 GPT-5.6 솔의 90.4점을 앞섰고, 3D코드벤치에서는 55.4점으로 비교 모델 중 가장 높은 점수를 기록했습니다. 반면 터미널벤치 4.0에서는 클로드 오퍼스 5의 53.9점에 미치지 못했습니다. 점수는 메이투안이 공개한 평가 결과이며, 일부 경쟁 모델 점수는 자체 측정치입니다.

성능 개선에는 장기 강화학습(RL)이 쓰였습니다. 실제 소프트웨어 개발 과정에서 에이전트가 실패한 사례를 모아 재현 가능한 학습 과제로 바꾸고, 깃허브의 코드 수정 요청과 관련 문제를 바탕으로 학습 환경과 검증 테스트를 자동 생성했습니다. 반복적인 추론과 불필요한 도구 호출을 줄이는 학습 기법도 적용했습니다. 시각 정보를 여러 단계의 디지털 토큰으로 변환해 텍스트와 같은 모델 구조에서 처리하도록 멀티모달 방식을 개선했습니다.

메이투안은 웹페이지 디자인, 3D 모델, 인터랙티브 콘텐츠 제작 사례로 실시간 유체 시뮬레이션 웹페이지와 3D 유물을 회전·확대해 살펴보는 디지털 전시 페이지를 시연했습니다. 기업 업무에서는 사업 데이터 분석과 수익률 계산, 고객 피드백 분류, 보고서 작성을 지원합니다. 메이투안은 지난 6월 롱캣-2.0을 중국산 AI 반도체로 학습한 데 이어 이번 모델에도 자국산 연산 인프라를 사용했지만, 반도체 제조사와 제품명은 공개하지 않았습니다.

메이투안은 중국산 가속기의 메모리와 연산 특성에 맞춰 장문맥 학습·추론 시스템을 최적화하고, 모델 가중치와 연산 데이터를 각각 4비트로 압축하는 W4A4 양자화를 적용했습니다. 회사는 기존 8비트 방식과 비교해 입력 처리량이 43.3%, 출력 생성 처리량이 42.77% 증가했다고 밝혔습니다. 롱캣-2.5는 웹과 API로 제공되며 신규 가입자에게 1000만 토큰, 기존 이용자에게 500만 토큰을 추가로 제공합니다. 모델 가중치는 아직 공개되지 않았습니다.

메이투안은 2일(현지시간) 중국산 AI 반도체로 학습한 멀티모달 모델 롱캣-2.5(LongCat-2.5)를 공개하고 API 서비스를 시작했다고 밝혔습니다. 모델은 전체 매개변수 1조6000억 개 규모이며, 전문가 혼합(MoE) 구조를 사용해 토큰마다 약 480억 개를 활성화합니다. 이전 모델 롱캣-2.0과 전체 규모는 같지만 시각 정보 이해와 에이전트형 코딩 능력을 강화했고, 복잡한 소프트웨어 개발과 시각 디자인, 3D 콘텐츠 제작을 지원합니다. 메이투안은 이전 버전보다 장시간 작업 수행 능력이 크게 높아졌다고 설명했습니다.

메이투안 자체 평가에서 터미널벤치 4.0 점수는 3.0점에서 38.5점으로, 딥SWE 1.1은 9.7점에서 64.6점으로 올랐습니다. 웹 검색을 활용한 문제 해결 능력을 평가하는 브라우즈컴프 점수는 79.9점에서 91.9점으로 상승했습니다. 브라우즈컴프에서는 클로드 오퍼스 5의 90.8점과 GPT-5.6 솔의 90.4점을 앞섰고, 3D코드벤치에서는 55.4점으로 비교 모델 중 가장 높은 점수를 기록했습니다. 반면 터미널벤치 4.0에서는 클로드 오퍼스 5의 53.9점에 미치지 못했습니다. 점수는 메이투안이 공개한 평가 결과이며, 일부 경쟁 모델 점수는 자체 측정치입니다.

성능 개선에는 장기 강화학습(RL)이 쓰였습니다. 실제 소프트웨어 개발 과정에서 에이전트가 실패한 사례를 모아 재현 가능한 학습 과제로 바꾸고, 깃허브의 코드 수정 요청과 관련 문제를 바탕으로 학습 환경과 검증 테스트를 자동 생성했습니다. 반복적인 추론과 불필요한 도구 호출을 줄이는 학습 기법도 적용했습니다. 시각 정보를 여러 단계의 디지털 토큰으로 변환해 텍스트와 같은 모델 구조에서 처리하도록 멀티모달 방식을 개선했습니다.

메이투안은 웹페이지 디자인, 3D 모델, 인터랙티브 콘텐츠 제작 사례로 실시간 유체 시뮬레이션 웹페이지와 3D 유물을 회전·확대해 살펴보는 디지털 전시 페이지를 시연했습니다. 기업 업무에서는 사업 데이터 분석과 수익률 계산, 고객 피드백 분류, 보고서 작성을 지원합니다. 메이투안은 지난 6월 롱캣-2.0을 중국산 AI 반도체로 학습한 데 이어 이번 모델에도 자국산 연산 인프라를 사용했지만, 반도체 제조사와 제품명은 공개하지 않았습니다.

메이투안은 중국산 가속기의 메모리와 연산 특성에 맞춰 장문맥 학습·추론 시스템을 최적화하고, 모델 가중치와 연산 데이터를 각각 4비트로 압축하는 W4A4 양자화를 적용했습니다. 회사는 기존 8비트 방식과 비교해 입력 처리량이 43.3%, 출력 생성 처리량이 42.77% 증가했다고 밝혔습니다. 롱캣-2.5는 웹과 API로 제공되며 신규 가입자에게 1000만 토큰, 기존 이용자에게 500만 토큰을 추가로 제공합니다. 모델 가중치는 아직 공개되지 않았습니다.