Meituan pubblica LongCat-2.5, addestrato senza GPU Nvidia

Meituan pubblica LongCat-2.5, addestrato senza GPU Nvidia

Meituan ha pubblicato i pesi di LongCat-2.5, con 1,6 trilioni di parametri, un modello per agenti di intelligenza artificiale addestrato interamente con hardware cinese e senza GPU Nvidia. L'azienda presenta il sistema come uno strumento per attività prolungate e articolate in più passaggi, soprattutto di programmazione, e offre i pesi con licenza MIT.

La pubblicazione dei pesi è avvenuta dopo la presentazione ufficiale del modello. Caixin Global ha riferito del suo lancio il 3 novembre; VentureBeat colloca la pubblicazione dei pesi su Hugging Face al 9 novembre, una settimana dopo la presentazione. LongCat, il team di Meituan che ha sviluppato il modello, offre anche un'interfaccia di chat e un'API.

Un modello di grandi dimensioni che attiva solo una parte dei parametri

LongCat-2.5 utilizza un'architettura a miscela di esperti: per elaborare ogni token ricorre a un sottoinsieme delle sue reti specializzate, invece di attivare tutti i parametri. Dei 1,6 trilioni di parametri totali, circa 48 miliardi vengono attivati per token, secondo Meituan.

L'API supporta contesti fino a un milione di token e risposte fino a 128.000 token. Il modello riceve testo, immagini e video, ma risponde in testo. Consente anche di attivare o disattivare la modalità di ragionamento, un'opzione che LongCat descrive come un modo per privilegiare le prestazioni o ridurre il consumo di token.

La capacità visiva è integrata nel modello fin dalla progettazione: LongCat-2.5 converte le immagini in token e le elabora insieme al testo. Meituan afferma che questo approccio si basa sul suo modello di ricerca LongCat-Next e mira a potenziare le attività di programmazione visiva, progettazione e creazione di contenuti 3D. La versione precedente, LongCat-2.0, non includeva la comprensione delle immagini.

Nel repository del progetto, Meituan descrive il sistema come un modello multimodale nativo per attività di agenti di lunga durata, sviluppo di codebase e compilazione di progetti completi. L'azienda sottolinea inoltre l'addestramento con diversi modelli docenti specializzati in agenti, ragionamento e interazione.

Addestramento con attività reali e barriere contro le scorciatoie

Per l'apprendimento per rinforzo, il team ha utilizzato attività software ricavate da richieste di modifica reali su GitHub e da errori degli agenti ricreati. Secondo Meituan, ha isolato gli ambienti di addestramento da Internet, rimosso la cronologia Git e i file memorizzati nella cache e impiegato un modello linguistico per esaminare le soluzioni alla ricerca di scorciatoie.

L'obiettivo dichiarato è fare in modo che l'agente porti a termine il lavoro assegnato senza dipendere da ricerche esterne o tracce di soluzioni precedenti. L'addestramento ha combinato queste attività con metodi di distribuzione delle esecuzioni e misure di protezione contro la manipolazione delle ricompense, secondo la scheda tecnica del progetto.

Meituan ha inoltre quantizzato a quattro bit (W4A4) i pesi e le attivazioni degli esperti, un formato che gli acceleratori cinesi possono elaborare nativamente. Nei test di carico, l'azienda ha misurato un aumento delle prestazioni del 43,3% nell'elaborazione delle richieste e del 42,77% nella generazione delle risposte, rispetto a una versione a otto bit. Afferma che la precisione rimane paragonabile a quella del modello non compresso.

Il repository tecnico aggiunge altri dati relativi a questo confronto: una riduzione del 15,91% del tempo necessario per il primo token e del 19,72% del tempo per token in uscita. Riporta inoltre che i kernel Grouped GEMM raggiungono un'accelerazione media di 1,73 volte rispetto alla base W8A8. Si tratta di risultati comunicati da Meituan sulla base dei propri test, non di un confronto indipendente.

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

Una guida alla distribuzione con 194 acceleratori Huawei

La guida per l'hosting autonomo descrive una configurazione con 194 acceleratori Huawei Ascend della serie Atlas A2. Due sono destinati all'elaborazione delle immagini, 64 alla ricezione delle richieste e 128 alla generazione delle risposte. La documentazione non include istruzioni per GPU Nvidia; il repository di Meituan rimanda a SGLang-FluentLLM per la distribuzione su piattaforme NPU.

Meituan aveva già segnalato una precedente esperienza con hardware nazionale: secondo The Decoder, a fine giugno ha addestrato LongCat-2.0 su un cluster di oltre 50.000 chip IA cinesi. Prima della presentazione pubblica, quel modello sarebbe apparso anonimamente su OpenRouter con il nome «Owl Alpha».

Il contesto è quello di una scommessa sullo sviluppo di modelli basati su acceleratori nazionali. Caixin Global ha descritto LongCat-2.5 come parte della crescente dipendenza delle aziende tecnologiche cinesi dai chip locali e della loro strategia di integrare l'IA nelle attività esistenti. Meituan è un'azienda cinese che offre servizi di consegna e commercio elettronico.

I risultati dipendono dal test

Nelle valutazioni pubblicate da Meituan, LongCat-2.5 ha ottenuto 88,4 punti in Terminal Bench v2.1, un test di attività da riga di comando. Si è avvicinato a Claude Opus 5, con 89,1, e GPT-5.6 Sol, con 88,8; DeepSeek-V4.1-Flash ha guidato la classifica con 90,6.

TestLongCat-2.5Riferimenti riportati
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

In Terminal Bench v4.0, una variante più difficile, LongCat-2.5 ha ottenuto 38,5 punti: ha superato i 37,3 di GPT-5.6 Sol, ma è rimasto sotto i 53,9 di Claude Opus 5. In DeepSWE v1.1, che valuta la correzione di errori in repository reali, ha raggiunto 64,6 punti. La versione precedente aveva ottenuto 9,7; DeepSeek-V4.1-Flash ha guidato il confronto con 74,2.

Il modello ha totalizzato 91,9 in BrowseComp, il punteggio più alto nella tabella di Meituan per questo test di ricerca sul web. The Decoder precisa che l'azienda lo ha eseguito nel proprio ambiente. In 3DCodeBench ha ottenuto 55,4, superando i riferimenti riportati nella tabella, anche se in attività visive come Vision2Web il suo punteggio è stato 78,6, contro 80,2 per Claude Opus 5.

La scheda di Hugging Face indica che i punteggi contrassegnati da un asterisco provengono da schede tecniche, pubblicazioni o classifiche pubbliche; gli altri sono stati misurati internamente e sono indicativi. Di conseguenza, non tutti i dati corrispondono a test condotti in condizioni identiche. Meituan non include inoltre nella propria tabella i risultati dei modelli più recenti citati da The Decoder, Claude Opus 5.5 e GPT-6.1 Sol.

Pesi MIT, API e prezzi promozionali

La licenza MIT consente di utilizzare, modificare e ridistribuire i pesi, nel rispetto delle condizioni della licenza. Meituan chiarisce che non concede diritti sui propri marchi commerciali né sui propri brevetti. L'API accetta i formati di OpenAI e Anthropic e LongCat dichiara la compatibilità con ambienti per agenti come Claude Code, Codex e Hermes.

Per il servizio ospitato, VentureBeat riporta una tariffa promozionale limitata di 0,30 dollari per milione di token di input senza cache e 1,20 dollari per milione di token di output. The Decoder esprime questi importi come circa 0,27 e 1,07 euro, rispettivamente. VentureBeat riporta anche 0,006 dollari per milione di token di input in cache.

L'accesso tramite API non equivale a eseguire il modello sulla propria infrastruttura: quest'ultima opzione richiede di distribuire il modello e mantenere l'hardware e l'ambiente di servizio. Meituan offre anche un'interfaccia di chat su LongCat.ai. Le fonti non indicano quando terminerà la tariffa promozionale.

La pubblicazione amplia l'accesso a un modello di grandi dimensioni progettato per combinare visione e programmazione, ma i test mostrano prestazioni disomogenee tra le diverse attività. LongCat-2.5 è già disponibile su Hugging Face con licenza MIT; la guida alla distribuzione documenta una configurazione con acceleratori Huawei, non con GPU Nvidia.

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