Meituan LongCat-2.5-Preview modelini chiqardi: 1,6 trillion parametr va 1 million token kontekstli multimodal agent

StepFun 2026-yil 20-sentabrda oʻzining keyingi flagmanli asosiy modeli boʻlgan Step 5 ning dastlabki versiyasini taqdim etdi. Bu model uzoq muddatli agentlar uchun moʻljallangan. Bu maʼlumot Tencent Tech, DataLearner model kartochkalari va stepfun.com saytida mavjud boʻlgan kompaniya materiallari orqali berildi. Modelning rasmiy inglizcha nomi — StepFun / Step 5.

Muhim jihat shundaki, garchi step-5-preview model identifikatori allaqachon mahsulot API va StepFun ochiq platformasi orqali mavjud boʻlsa-da, BF16 formatidagi ochiq vaznlar faqat 2026-yil 15-oktabrga rejalashtirilgan va ishga tushirish paytida mavjud emas edi. Shunday qilib, API orqali mavjudlik va vaznlarning ochiqligini alohida jihat sifatida koʻrish kerak.

Model arxitekturasi umumiy taxminan 600 milliard parametrli MoE (ekspertlar aralashmasi) bilan ajratilgan holda amalga oshirilgan. Shu bilan birga, 92 qatlamli 'tor va chuqur' Transformer doirasida har bir token uchun taxminan 27 milliard parametr faollashtiriladi. Chuqurlik tanlovi agentlarning ehtiyojlari bilan bogʻliq, chunki qatlamlar orqali maʼlumotning uzoqroq yoʻllari koʻp bosqichli noaniq fikrlash va uzoq vosita natijalarini qayta ishlashni yaxshilashga yordam beradi.

Model bir million token atrofidagi kontekst oynasini qoʻllab-quvvatlaydi va matn ham, grafik kirishni qabul qiladi (video kirishi tashqi kartochkalarda tilga olingan). U AI kodlash, dasturiy taʼminot ishlab chiqish, moliyaviy tahlil va professional agentlardan foydalanish sohalarida qoʻllashga qaratilgan. Bir million tokenli diqqatni amaliy saqlash uchun, indeksator va top-k tanlash xarajatlarini taxminan sakkizdan biriga kamaytirish maqsadida tarqalgan GQA blokli token birlashmasi qoʻllanildi.

Oʻqitish jarayonida MoE marshrutlashining barqarorligini taʼminlash uchun oʻquv va chiqarish oʻrtasida bit darajasini tenglashtirishga maxsus eʼtibor qaratildi, shuningdek, yukni rejalashtirish, spekulyativ dekodlash va FP8 yoʻllaridan foydalanildi. StepFun taʼkidlashicha, bu usullar uzoq muddatli kuchaytirish orqali oʻrganish (RL) jarayonini umuman uch marta dan ortiq tezlashtiradi.

Artificial Analysis tomonidan taqdim etilgan sunʼiy tahlilning kompozit indeksi 44 ballni tashkil etadi. Kompaniya bu bahoni ochiq kirishga yoʻnaltirilgan yetakchi modellar orasida joylashtiradi. Aggregator kartochkalarda API narxlari ham koʻrsatilgan: bir million token uchun kiruvchi token uchun taxminan 1,00 dollar va chiquvchi token uchun 2,70 dollar, ammo koʻrsatkichlar va narxlar boʻyicha taqqoslashlarni uchinchi tomon yoki yetkazib beruvchilarning bayonoti sifatida qarash lozim.

15-oktabrgacha Step 5 Preview asosan uzoq muddatli agentlar uchun ishlaydigan API sifatida qaralishi kerak, uning ochiq vaznlarga faqat rejalashtirilgan majburiyati bor, Hugging Faceʼdagi vaznlar chiqarilishi yoki Meituan LongCat, MiniMax Code Flash yoki NaiveAI OSS MoE bilan almashinuvchi mahsulot sifatida emas.

MiniMax kompaniyasi 2026-yil 27-sentabrda M3.1-Flash-Preview modeli endi MiniMax Code kod yozishga yordam beruvchi mahsuloti ichida mavjudligini eʼlon qildi. Ushbu maʼlumot IT Home, Startup Fortune va dasturchilar uchun boshqa sharhlar kabi manbalar tomonidan tasdiqlangan. Mahsulotning rasmiy inglizcha nomi — MiniMax / MiniMax Code.

Ushbu sharhda asosiy eʼtibor mahsulot ichidagi kodlash modeli va fikrlashni boshqarish elementlariga qaratilgan. Shu bilan birga, MiniMax hali M3.1-Flash-Preview ning toʻliq jamoatchilik spetsifikatsiyasini yoki ochiq APIʼsini nashr etmagan, shuning uchun bu tafsilotlarni tasdiqlash mumkin emas.

Kompaniyaning marketing xabari ushbu Preview modelini kundalik ishlab chiqish uchun moʻljallangan ultra tezkor matnli model sifatida taqdim etadi. U xatolarni tuzatish, funksiya fragmentlarini yaratish, chegaralarni qayta ishlash, regressiya sinovlari va oʻzgarishlarning taʼsirini tekshirish kabi vazifalar uchun mos keladi, umumiy chat uchun yangi flagman sifatida emas.

Sharhlar MiniMax Code ichidagi yopiq siklni tavsiflaydi, u muammoni mahalliyroq qilishdan tortib uni amalga oshirish, keyin esa sinov va yetkazib berish orqali tekshirishni oʻz ichiga oladi. Modelni rasmiy eʼlon kunidan bir kun oldin mahsulot roʻyxatida koʻrgan dasturchilar uni eski M3 va M2.7 variantlari bilan bir interfeysda mavjud boʻlgan kodlash yuklari uchun SKU sifatida koʻrib chiqdilar.

Ingliz tilidagi mahsulot hisobotlarida qayd etilgan amaliy farq — bu pastdan yangi maksimal darajagacha choʻzilgan besh darajali fikrlash resursi surʼgʻuchi. Bu surʼgʻuchi foydalanuvchilarga oddiy yoki murakkabroq kodlash vazifalari bajarilayotganda hisoblash chuqurligi va kechikish oʻrtasida muvozanatni saqlash imkonini beradi. Ushbu boshqaruv elementi MiniMax Code ichida joylashgan; Preview nuqtasi kompaniya oʻzining vositasi bilan cheklangan deb taʼriflanadi, keng hujjatlashtirilgan jamoatchilik APIʼsi sifatida emas.

Parallel harakatlar 28-sentabrdan 7-oktyabrgacha boʻlgan Token Rejimini qayta tiklash va tekshirish kampaniyasini oʻz ichiga oladi, bu kod modellari, shu jumladan M3.1-Flash-Preview ga qoʻllaniladigan ikki barobar ball beradi. Foydalanuvchilar M3 arxitekturasi va SWE-bench koʻrsatkichlari MiniMax maxsus karta chiqarmaguncha avtomatik ravishda Flash-Previewga emas, balki avvalgi M3 flagmaniga tegishli ekanligini yodda tutishlari kerak.

Kodlash vositalari foydalanuvchilari uchun asosiy yangilik shundaki, MiniMax Code aniq fikrlash harakati surʼgʻuchi bilan Flash-Preview kodlash modelini oladi — bu ochiq ogʻirliklar bilan chiqarilgan mahsulot emas, balki ishlab chiqish muhitiga (IDE) integratsiyalashgan komponentdir.

Shanghai Artificial Intelligence Laboratory Atria Dawn Preview — murakkab tadqiqot va muhandislik jarayonlarini qoʻllab-quvvatlash uchun ishlab chiqilgan agentlik til modelini taqdim etdi, faqat namoyish chatlari uchun emas. Ushbu dastlabki versiya 744 milliard parametrli Mixture-of-Experts (MoE) asosida qurilgan boʻlib, u GLM-5.2 sifatida aniqlangan.

Model 256K hajmidagi kontekst oynasiga ega va MIT litsenziyasi ostida tarqatiladi. Checkpointlar, standart koʻrsatma va FP8-instruct formatida kvantlashtirilgan holda, Hugging Face va ModelScope platformalarida mavjud. Bundan tashqari, xalqaro va Xitoy mintaqalari uchun foydalanuvchilarga APIga kirish beriladi.

Model hujjatlari va arXivʼdagi qoʻshimcha maqolaga koʻra, tizim Verifiable Experience Pipeline (Tasdiqlanadigan Tajriba Kanalchasi) yordamida oʻqitilgan. Bu kanalcha vositalar orqali oʻylashni ijro etiladigan muhitlar va tashqi jihatdan tekshiriladigan natijalar bilan bogʻlaydi. Asosiy tushuncha toʻliq bajarilish siklida yotadi: muammoni tahlil qilish, yechimni loyihalash, vositalarni chaqirish, kod va tajribalarni bajarish, natijalarni tekshirish va muhitdan kelib kelayotgan uzluksiz qayta aloqa doirasida xatolardan keyin tiklanish, shunchaki bitta javob olish emas.

Laboratoriya modelning imkoniyatlarini kashfiyot, yaratish, yetkazib berish va kiberxavfsizlikni qamrab oluvchi ssenariylar uchun guruhladi. Ushbu ssenariylar chuqur tadqiqotlar, dasturiy taʼminotni ishlab chiqish, tuzilgan ofis materiallarini tayyorlash va avtorizatsiya qilingan xavfsizlik tekshiruvlarini oʻz ichiga oladi.

Laboratoriya tomonidan taqdim etilgan 16 ta benchmark boʻyicha baholashda, Atria Dawn Preview beshta vazifada eng yuqori koʻrsatkichni namoyish etdi. Ularning orasida AutomationBench 53.8 natijasi, BrowseComp 92.5, DeepSearchQA 96.0, BFCL v4 77.0 va CyberGym 86.5 kabi natijalar bor. Qolgan koʻrsatkichlar raqobatbardosh boʻlsa-da, ilgʻor agent bazaviy modellariga nisbatan ustun emas.

Bu chiqarish Shanghai AI Lab ning Intern W0 va NCP bilan bogʻliq boshqa ishlaridan farq qiladi. Dawn koʻp bosqichli ilmiy va muhandislik loyihalari uchun ochiq agent hamkori sifatida joylashtirilgan va ogʻirliklarning chiqarilishi bilan birga GitHub va Atria loyihasining maxsus saytida jamoatchilik aktivlari taqdim etildi.

Ishlab chiqaruvchilar SGLang va vLLM kabi freymvorklar orqali mahalliy foydalanish uchun ogʻirliklarni yuklab olishlari yoki mintaqaviy API konsollaridan foydalanishlari mumkin. Codex uslubidagi mijozlar faqat matn rejimi sozlamalaridan foydalanib, Responses API bilan oʻzaro aloqaga kirishishi mumkin. Biroq, jamoalarga AutomationBench natijalarini va vosita zanjirlarini uzoq muddatli vazifalar uchun mustaqil qayta tiklashlari, shuningdek, litsenziyalash va joylashtirish shartlarini tekshirish tavsiya etiladi. «Preview» belgisini jiddiy qabul qilish muhim, chunki agentning ishonchliligi eʼlon qilingan maʼlumotlar toʻplamlari tashqarisida hali nomaʼlum masala boʻlib qolmoqda, laboratoriya vazifalarni bajaruvchi yordamchilardan loyihalar ustida hamkorlik qilishga oʻtish jarayonida.