ไทย(TH) LongCat-2.5 โมเดล AI 1.6 ล้านล้านพารามิเตอร์ ฝึกบนชิปจีนล้วนได้อย่างไร?

美团的LongCat-2.5：1.6T参数在中国芯片上训练

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-04 12:30

美团发布了LongCat-2.5，一个拥有1.6万亿参数的AI模型，该模型完全在中国制造的芯片上训练，每张卡的内存有限。该模型采用了一种新颖的分布式训练架构，通过超级节点内的参数拆分和专家并行等技术，在大量GPU上管理其庞大的参数数量。LongCat-2.5还采用了4位精度来表示权重和激活，显著提高了推理速度并降低了计算负载，据报道其性能可与Claude Opus 4.8和5等模型相媲美。 AI

影响在受限硬件上展示了先进的分布式训练技术，可能使在高端GPU可及性受限的地区能够构建更大的模型。

排序理由前沿实验室模型发布，包含系统卡和技术细节。[lever_c_从frontier_release降级：ic=1 ai=1.0]

在 dev.to — LLM tag 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 83 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Significant; 前沿实验室模型发布，包含系统卡和技术细节。[lever_c_从frontier_release降级：ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: model release, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

dev.to — LLM tag TIER_1 ไทย(TH) · Nokka · 2026-11-04 12:30

LongCat-2.5：一个拥有1.6万亿参数的AI模型是如何完全在中国芯片上训练的？

โดย Nokka (นก-กา) | 4 พ.ย. 2026 <a class="article-body-image-wrapper" href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F04z6…

本文如何被排名

报道来源 [1]

LongCat-2.5：一个拥有1.6万亿参数的AI模型是如何完全在中国芯片上训练的？

相关实体

相关话题