LongCat-2.5 muscle le raisonnement agentique et le code

LongCat a présenté le 1er novembre 2026 LongCat-2.5, un modèle multimodal natif de type mixture-of-experts pensé pour les tâches agentiques longues, le code et la vision. L’éditeur revendique 1,6 trillion de paramètres au total et environ 48 milliards activés par jeton, avec une API déjà disponible mais des dépôts GitHub et Hugging Face encore annoncés comme coming soon. Le lancement compte, car il combine contexte d’un million de jetons, intégration aux outils d’agent et volonté affichée d’aller plus vite sur les gros projets logiciels.

Un modèle qui vise les longues tâches, pas seulement les réponses rapides

LongCat-2.5 s’appuie sur l’idée qu’un modèle utile en entreprise doit tenir la distance. L’éditeur dit avoir renforcé la compréhension visuelle native et le agentic coding, c’est-à-dire la capacité à enchaîner des actions, lire des outils, corriger, relancer et terminer une tâche complexe sans perdre le fil au premier détour. Dans cette logique, l’entraînement inclut davantage de trajectoires longues et du renforcement à grande échelle pour le développement de codebases complexes et les builds de projet de bout en bout.

La partie visuelle suit la même logique d’unification. LongCat-2.5 représente les signaux visuels sous forme de jetons discrets multi-niveaux, afin de traiter texte et image dans un format commun. Le système combine tokenisation visuelle à résolution native, prétraitement hors ligne et embeddings appris conjointement avec le backbone. Le tout repose sur une quantification vectorielle résiduelle appliquée aux caractéristiques extraites par un encodeur sémantique et aligné.

Pourquoi le code et la vision ont été mis dans le même panier

Le choix n’a rien d’anecdotique. En pratique, LongCat dit pouvoir pré-calculer et mettre en cache les IDs de jetons visuels, ce qui rend le débit de données plus prévisible pendant l’entraînement. Selon la société, cette organisation aide aussi à garder une répartition à peu près uniforme des modalités sur les différents rangs de calcul. Sur un petit MoE d’environ 3 milliards de paramètres activés en moyenne, la validation préliminaire aurait montré, via des visualisations t-SNE, un entrelacement des embeddings visuels et textuels dans un espace sémantique partagé.

Pour les tâches agentiques de code, LongCat décrit un pipeline de synthèse plus concret que glamour. Le système filtre des pull requests GitHub et les issues liées, fait annoter les tâches par des agents, génère des environnements interactifs et les vérifie avec des tests fail-to-pass et pass-to-pass. Les trajectoires d’échec du monde réel sont ensuite converties en tâches d’entraînement reproductibles. Une manière de dire que, chez LongCat, les bugs servent enfin à quelque chose. La société ajoute avoir désactivé l’accès réseau dans les environnements, retiré l’historique Git et les fichiers mis en cache, puis utilisé un juge LLM pour repérer les détournements et limiter le reward hacking, quand un modèle apprend à tricher avec la récompense plutôt qu’à résoudre le problème.

Une architecture pensée pour tenir la cadence

Le volet infrastructure est tout aussi central. LongCat indique avoir entraîné de longues séquences sur des accélérateurs IA domestiques avec moins de 80 Go de mémoire par appareil, en s’appuyant sur la topologie de supernœud pour garder les échanges lourds dans une interconnexion à haut débit. La méthode dual-shard FSDP découpe les poids du modèle à l’intérieur de chaque supernœud, puis répartit encore les poids maîtres FP32 et l’état de l’optimiseur entre domaines FSDP.

La société affirme aussi avoir obtenu 86 % de débit par appareil en plus que sa base DDP sur les tâches de supervision à longues séquences. Dans le même esprit, LongCat dit préserver des probabilités logarithmiques par jeton bit à bit identiques entre entraînement et inférence, avec un coût de performance quasi nul, tout en séparant les configurations de parallélisme. Une promesse technique qui intéresse surtout les équipes qui veulent faire tourner le même système en formation et en production sans mauvaise surprise.

Des résultats en hausse sur le papier, avec une lecture prudente

Les scores publiés par LongCat montrent un bond net face à LongCat-2.0 sur plusieurs benchmarks. Terminal Bench v2.1 passe de 70,8 à 88,4, DeepSWE de 9,7 à 64,6, BrowseComp de 79,9 à 91,9 et AutomationBench de 15,8 à 51,8. Sur MCP Atlas, le score atteint 83,1 contre 61,8, et sur HLE avec outils, 63,1 contre 37,5. Pour les tâches visuelles, LongCat annonce 55,4 sur 3DCodeBench Text-to-3D et 78,6 sur Vision2Web.

Ces chiffres méritent toutefois une lecture attentive. La société précise que certaines valeurs de son tableau complet proviennent de rapports techniques ou de classements publics, tandis que d’autres sont auto-évaluées et simplement indicatives. Les tests ont été menés avec le mode de réflexion activé, une température de 1,0 et un top_p de 0,95, ce qui compte pour l’interprétation des scores. Les benchmarks ne racontent jamais toute l’histoire, mais ils donnent ici un signal clair : LongCat veut être jugé sur sa capacité à enchaîner les tâches complexes, pas seulement à bavarder joliment.

API, tarification et accès : ce qui est déjà disponible

Pour l’instant, l’accès public passe surtout par la chat interface et l’API. Le guide de démarrage rapide liste LongCat-2.5 en formats compatibles OpenAI et Anthropic, avec des points de terminaison sur api.longcat.chat/openai et api.longcat.chat/anthropic. Un appel peut utiliser une fenêtre de contexte de 1 million de jetons et produire jusqu’à 128 000 jetons en sortie.

La page produit dit aussi prendre en charge Claude Code, Codex, Hermes et d’autres harness d’agents, avec des usages annoncés en codage visuel, design créatif, tâches 3D, projets complexes et raisonnement multi-étapes. Côté prix, LongCat affiche temporairement 0,30 dollar par million de jetons en entrée non cachée, 0,006 dollar en entrée mise en cache et 1,20 dollar en sortie, soit respectivement 2 yuans, 0,04 yuan et 8 yuans. Les tarifs peuvent changer, et la plateforme précise que les prix affichés et les relevés de facturation font foi.