Meituan'dan Açık Ağırlıklı LongCat-2.5: Nvidia Yerine Huawei Çipleriyle Eğitildi
Çinli Meituan, 1,6 trilyon parametreli LongCat-2.5 modelinin ağırlıklarını MIT lisansıyla yayımladı. Model tamamen Çin donanımıyla eğitildi; örnek kurulum 194 Huawei Ascend çipi istiyor.
Çin'in yemek teslimatı devi Meituan, yapay zekâ ekibi LongCat'in geliştirdiği LongCat-2.5 modelinin ağırlıklarını 15 Kasım 2026'da herkese açtı. Model, toplamda 1,6 trilyon parametreye sahip ve şirketin ifadesiyle "tamamen Çin donanımı" üzerinde eğitildi. Lisans olarak ticari kullanıma da izin veren MIT lisansı seçildi.
LongCat-2.5 nedir, nasıl çalışıyor?
LongCat-2.5, "uzmanlar karışımı" (mixture-of-experts) denen bir mimari kullanıyor. Bu yapıda modelin tamamı her kelimede çalışmıyor; her adımda yalnızca bir bölümü devreye giriyor. Model kartına göre her token için yaklaşık 48 milyar parametre etkin oluyor. Bu yöntem, çok büyük bir modeli daha düşük işlem maliyetiyle çalıştırmayı amaçlıyor.
Model metin, görsel ve video girdisi alabiliyor, yanıtı metin olarak veriyor. Düşünme (reasoning) modu açılıp kapatılabiliyor. The Decoder'ın aktardığına göre API üzerinden 1 milyon token'a kadar girdi ve 128 bin token'a kadar çıktı destekleniyor. Meituan, modeli özellikle yazılım geliştirme ve ajan görevleri için konumluyor.
Küçük bir not: Model kartında 1,6 trilyon parametre yazarken Hugging Face'in otomatik bilgi alanında 1,8 trilyon görünüyor. Şirketin resmî açıklamasındaki rakam 1,6 trilyon.
Test sonuçları: Rakiplerle başa baş, ama çoğu şirketin kendi ölçümü
Meituan'ın paylaştığı tabloda LongCat-2.5, terminalde kod çalıştırma becerisini ölçen Terminal Bench v2.1'de 88,4 puan alıyor. The Decoder'ın derlediği karşılaştırmaya göre bu sonuç, aynı testte Claude Opus 5'in 89,1 ve GPT-5.6 Sol'un 88,8 puanına çok yakın. Yazılım hatası düzeltme testi DeepSWE'de ise model 64,6 puan alıyor; bir önceki sürüm LongCat-2.0'ın puanı 9,7'ydi.
Web'de bilgi bulma becerisini ölçen BrowseComp'ta 91,9 puanla tablonun zirvesinde. Ancak bu testi Meituan kendi ortamında yaptı. Model kartı da işaretsiz puanların şirket içi ölçüm olduğunu ve "yalnızca fikir vermesi" gerektiğini belirtiyor. Daha zor olan Terminal Bench v4.0'da ise LongCat-2.5'in 38,5 puanı, Claude Opus 5'in 53,9 puanının belirgin şekilde gerisinde.
Neden önemli: Nvidia'sız bir eğitim
ABD'nin gelişmiş yapay zekâ çiplerine uyguladığı ihracat kısıtlamaları, Çinli şirketleri yerli donanıma yöneltiyor. LongCat-2.5 bu açıdan dikkat çekici bir örnek. Meituan'ın yayımladığı kendi sunucunda çalıştırma rehberi yalnızca Huawei'nin Ascend yapay zekâ hızlandırıcılarını anlatıyor; Nvidia ekran kartları için bir yönlendirme içermiyor.
Rehberdeki örnek kurulum, Atlas A2 serisinden 194 Huawei Ascend çipinden oluşan bir küme kullanıyor: 2'si görsel işleme, 64'ü girdiyi okuma, 128'i yanıt üretme için ayrılmış. Meituan ayrıca ağırlıkları ve hesaplamaları 4 bite indiren W4A4 adlı sıkıştırılmış bir sürüm de yayımladı. Şirket bu sürümün 8 bitlik sürüme göre girdi işlemede yüzde 43,3, yanıt üretmede yüzde 42,77 daha hızlı olduğunu ve doğruluğun korunduğunu söylüyor.
Fiyat ve erişim
Model, ağırlık olarak Hugging Face ve ModelScope üzerinden indirilebiliyor. Kendi sunucusu olmayanlar longcat.ai üzerinden sohbet arayüzünü ya da API'yi kullanabiliyor. The Decoder'a göre lansmana özel sınırlı süreli fiyat, milyon girdi token'ı için yaklaşık 0,27 euro, milyon çıktı token'ı için yaklaşık 1,07 euro. API, OpenAI ve Anthropic biçimlerini desteklediği için Claude Code ve Codex gibi ajan araçlarına bağlanabiliyor.
Türk geliştiriciler için anlamı
Lisans avantajı: MIT lisansı, modeli değiştirip kendi ürününüzde ticari olarak kullanmanıza izin veriyor. Lisans, Meituan'ın marka ve patentleri üzerinde hak vermiyor; ürününüzde bu ayrıntıya dikkat edin.
Donanım gerçeği: "Açık ağırlıklı" olması, modeli kişisel bilgisayarda çalıştırabileceğiniz anlamına gelmiyor. Resmî örnek kurulum yüzlerce kurumsal hızlandırıcı gerektiriyor. Çoğu Türk girişimi ve geliştirici için gerçekçi yol API kullanımı olacak.
Veri ve KVKK: API'yi kullanmadan önce gönderdiğiniz verinin hangi ülkede işlendiğini ve saklandığını hizmet koşullarından kontrol edin. Müşteri verisi içeren işlerde, kişisel verilerin yurt dışına aktarılmasına ilişkin KVKK kurallarını hukuk danışmanınızla birlikte değerlendirin.
Test edin, puana güvenmeyin: Şirket içi puanlar umut verici olsa da kendi kod tabanınızda küçük bir deneme yapmak, model seçiminde tablolardan daha güvenilir sonuç verir.
KAYNAKLAR
