Meituan publica LongCat-2.5, entrenado sin GPU de Nvidia

Meituan publica LongCat-2.5, entrenado sin GPU de Nvidia

Meituan ha publicado los pesos de LongCat-2.5, con 1,6 billones de parámetros, un modelo para agentes de inteligencia artificial entrenado íntegramente con hardware chino y sin GPU de Nvidia. La compañía presenta el sistema como una herramienta para tareas prolongadas y de varios pasos, sobre todo de programación, y ofrece los pesos bajo licencia MIT.

La publicación de los pesos llegó después de la presentación oficial del modelo. Caixin Global informó de su lanzamiento el 3 de noviembre; VentureBeat sitúa la publicación de los pesos en Hugging Face el 9 de noviembre, una semana después de la presentación. LongCat, el equipo de Meituan detrás del modelo, también ofrece una interfaz de chat y una API.

Un modelo grande que activa solo parte de sus parámetros

LongCat-2.5 utiliza una arquitectura de mezcla de expertos: para procesar cada token recurre a un subconjunto de sus redes especializadas, en lugar de activar todos los parámetros. De los 1,6 billones de parámetros totales, unos 48.000 millones se activan por token, según Meituan.

La API admite contextos de hasta un millón de tokens y respuestas de hasta 128.000 tokens. El modelo recibe texto, imágenes y vídeo, pero responde en texto. También permite activar o desactivar el modo de razonamiento, una opción que LongCat describe como una forma de priorizar el rendimiento o reducir el consumo de tokens.

La capacidad visual forma parte del modelo desde su diseño: LongCat-2.5 convierte imágenes en tokens y las procesa junto con el texto. Meituan afirma que este enfoque se apoya en su modelo de investigación LongCat-Next y busca reforzar tareas de programación visual, diseño y creación de contenido 3D. La versión anterior, LongCat-2.0, no incluía comprensión de imágenes.

En el repositorio del proyecto, Meituan describe el sistema como un modelo multimodal nativo para tareas de agente de larga duración, desarrollo de bases de código y compilaciones de proyectos completos. La empresa también destaca el aprendizaje con varios modelos docentes especializados en agentes, razonamiento e interacción.

Entrenamiento con tareas reales y cortafuegos contra atajos

Para el aprendizaje por refuerzo, el equipo utilizó tareas de software extraídas de solicitudes de cambios reales en GitHub y fallos de agentes recreados. Según Meituan, aisló los entornos de entrenamiento de Internet, eliminó el historial de Git y los archivos almacenados en caché, y recurrió a un modelo de lenguaje para revisar las soluciones en busca de atajos.

La intención declarada es que el agente resuelva el trabajo asignado y no dependa de búsquedas externas o rastros de soluciones previas. El entrenamiento combinó esas tareas con métodos de despliegue de ejecuciones y salvaguardas frente a la manipulación de las recompensas, de acuerdo con la ficha técnica del proyecto.

Meituan también cuantizó los pesos y las activaciones de los expertos a cuatro bits (W4A4), un formato que los aceleradores chinos pueden procesar de manera nativa. En pruebas de carga, la compañía midió un aumento del 43,3 % en el rendimiento al procesar solicitudes y del 42,77 % al generar respuestas, frente a una versión de ocho bits. Afirma que la precisión se mantiene comparable a la del modelo sin comprimir.

El repositorio técnico añade otras cifras para esa comparación: un 15,91 % menos de tiempo hasta el primer token y un 19,72 % menos de tiempo por token de salida. También informa de que los núcleos Grouped GEMM alcanzan una aceleración media de 1,73 veces frente a la base W8A8. Son resultados comunicados por Meituan en sus propias pruebas, no una comparación independiente.

Meituan publica LongCat-2.5, entrenado sin GPU de Nvidia
© Meituan LongCat / Hugging Face

Una guía de despliegue con 194 aceleradores Huawei

La guía de autoalojamiento describe una configuración de 194 aceleradores Huawei Ascend de la serie Atlas A2. De ellos, dos se destinan al procesamiento de imágenes, 64 a la ingestión de solicitudes y 128 a generar respuestas. La documentación no incluye instrucciones para GPU de Nvidia; el repositorio de Meituan remite a SGLang-FluentLLM para el despliegue en plataformas NPU.

Meituan ya había señalado una experiencia previa con hardware nacional: según The Decoder, entrenó LongCat-2.0 a finales de junio en un clúster de más de 50.000 chips de IA chinos. Antes de su presentación pública, ese modelo habría aparecido anónimamente en OpenRouter con el nombre «Owl Alpha».

El contexto es una apuesta por desarrollar modelos sobre aceleradores nacionales. Caixin Global describió LongCat-2.5 como parte de la creciente dependencia de las empresas tecnológicas chinas de chips locales y de su estrategia de integrar la IA en negocios existentes. Meituan es una compañía china de servicios de entrega y comercio electrónico.

Los resultados dependen de la prueba

En las evaluaciones que publicó Meituan, LongCat-2.5 logró 88,4 puntos en Terminal Bench v2.1, una prueba de tareas de línea de comandos. Quedó cerca de Claude Opus 5, con 89,1, y GPT-5.6 Sol, con 88,8; DeepSeek-V4.1-Flash encabezó esa tabla con 90,6.

PruebaLongCat-2.5Referencias comunicadas
Terminal Bench v2.188,4Claude Opus 5: 89,1; GPT-5.6 Sol: 88,8; DeepSeek-V4.1-Flash: 90,6
Terminal Bench v4.038,5GPT-5.6 Sol: 37,3; Claude Opus 5: 53,9
DeepSWE v1.164,6GPT-5.6 Sol: 72,7; DeepSeek-V4.1-Flash: 74,2
BrowseComp91,9Claude Opus 5: 90,8; DeepSeek-V4.1-Flash: 91,5
3DCodeBench55,4Claude Opus 5: 54,3; GPT-5.6 Sol: 52,3

En Terminal Bench v4.0, una variante más difícil, LongCat-2.5 obtuvo 38,5 puntos: superó los 37,3 de GPT-5.6 Sol, pero quedó por debajo de los 53,9 de Claude Opus 5. En DeepSWE v1.1, que evalúa la reparación de errores en repositorios reales, alcanzó 64,6 puntos. La versión anterior había obtenido 9,7; DeepSeek-V4.1-Flash lideró la comparación con 74,2.

El modelo marcó 91,9 en BrowseComp, la puntuación más alta de la tabla de Meituan para esa prueba de búsqueda web. The Decoder precisa que la compañía la ejecutó en su propio entorno. En 3DCodeBench obtuvo 55,4, por delante de las referencias recogidas en la tabla, aunque en tareas visuales como Vision2Web su puntuación fue 78,6, frente a 80,2 para Claude Opus 5.

La ficha de Hugging Face señala que las puntuaciones con asterisco proceden de informes técnicos, publicaciones o clasificaciones públicas; las demás se midieron internamente y son indicativas. Por tanto, las cifras no equivalen en todos los casos a pruebas realizadas bajo idénticas condiciones. Meituan tampoco incluye en su tabla resultados de los modelos más recientes mencionados por The Decoder, Claude Opus 5.5 y GPT-6.1 Sol.

Pesos MIT, API y precios promocionales

La licencia MIT permite usar, modificar y redistribuir los pesos, con las condiciones de la licencia. Meituan aclara que no concede derechos sobre sus marcas comerciales ni sus patentes. La API acepta los formatos de OpenAI y Anthropic, y LongCat indica compatibilidad con entornos de agentes como Claude Code, Codex y Hermes.

Para el servicio alojado, VentureBeat publica una tarifa promocional limitada de 0,30 dólares por millón de tokens de entrada sin caché y 1,20 dólares por millón de tokens de salida. The Decoder expresa esos importes como aproximadamente 0,27 y 1,07 euros, respectivamente. VentureBeat también recoge 0,006 dólares por millón de tokens de entrada en caché.

El acceso mediante API no es lo mismo que ejecutar el modelo en infraestructura propia: el segundo camino requiere desplegar el modelo y mantener el hardware y el entorno de servicio. Meituan ofrece además una interfaz de chat en LongCat.ai. La fecha de fin de la tarifa promocional no aparece en los detalles publicados por las fuentes.

La publicación amplía el acceso a un modelo de gran tamaño diseñado para combinar visión y programación, pero las pruebas muestran un rendimiento desigual entre tareas. LongCat-2.5 ya está disponible en Hugging Face bajo la licencia MIT; su guía de despliegue documenta una configuración con aceleradores Huawei, no con GPU de Nvidia.

Fuentes: The Decoder, Meituan LongCat / Hugging Face, Caixin Global, Venturebeat, LongCat / Meituan