Meituan hat die Gewichte von LongCat-2.5 veröffentlicht, einem Modell mit 1,6 Billionen Parametern, das für lange, mehrstufige Aufgaben entwickelt wurde, insbesondere fürs Programmieren. Wie The Decoder berichtet, wurde das Modell vollständig auf chinesischer Hardware trainiert. Die Gewichte wurden eine Woche nach der Vorstellung verfügbar gemacht.
LongCat-2.5 ist ein Mixture-of-Experts-Modell: Es verfügt über spezialisierte Teilnetzwerke, nutzt für jedes Token aber nur einen Teil davon. Insgesamt umfasst es zwar 1,6 Billionen Parameter, pro Token sind jedoch etwa 48 Milliarden aktiv. Meituans API unterstützt Eingaben mit bis zu einer Million Tokens und Antworten mit bis zu 128.000 Tokens. Das Modell verarbeitet Text, Bilder und Videos; der Reasoning-Modus lässt sich ein- und ausschalten.
Was können Entwickler damit machen?
Die Gewichte stehen unter der MIT-Lizenz, die kommerzielle Nutzung, Änderungen und Weiterverbreitung erlaubt. Entwickler können das Modell auch über eine Chat-Oberfläche oder API ausprobieren. Die API unterstützt die Formate von OpenAI und Anthropic und funktioniert mit Agenten-Tools wie Claude Code, Codex und Hermes. Im Rahmen der Einführungsaktion verlangt Meituan rund €0.27 pro Million Eingabe-Tokens und rund €1.07 pro Million Ausgabe-Tokens.
Meituan hat außerdem eine 4-Bit-Version veröffentlicht. Sie verringert die numerische Präzision, mit der Modellgewichte und Aktivierungen gespeichert werden. Laut Unternehmen erreicht diese Version eine mit dem unkomprimierten Modell vergleichbare Genauigkeit. In Lasttests steigerte sie den Durchsatz bei der Prompt-Verarbeitung gegenüber einer 8-Bit-Version um 43.3 Prozent und den Durchsatz bei der Antwortgenerierung um 42.77 Prozent. Eine Anleitung zum Selbstbetrieb beschreibt eine Bereitstellung mit 194 Huawei-Ascend-Atlas-A2-Beschleunigern: zwei für die Bildverarbeitung, 64 für Prompts und 128 für Antworten.
Wie stark sind die Ergebnisse?
Meituan meldet für Terminal Bench v2.1, einen Benchmark für Kommandozeilenaufgaben, einen Wert von 88.4. Damit liegt LongCat-2.5 hinter Claude Opus 5 mit 89.1 und GPT-5.6 Sol mit 88.8. Deepseek-V4.1-Flash führt die aufgeführten Ergebnisse mit 90.6 an. Bei Terminal Bench v4.0 erreichte LongCat-2.5 einen Wert von 38.5. Das ist mehr als die 37.3 von GPT-5.6 Sol, aber weniger als die 53.9 von Claude Opus 5.
Beim DeepSWE-Benchmark, bei dem Fehler in echten Code-Repositories behoben werden müssen, meldet Meituan einen Anstieg von zuvor 9.7 auf 64.6 für LongCat-2.5. Das Modell liegt weiterhin hinter Deepseek-V4.1-Flash mit 74.2 und GPT-5.6 Sol mit 72.7. Bei BrowseComp, einem Benchmark für die Websuche, erzielte das Modell 91.9 – der höchste Wert in Meituans Tabelle. Das Unternehmen führte den Test in einer eigenen Umgebung durch. Die Ergebnisse stammen aus Meituans eigenen Tests; The Decoder verweist auf keine unabhängigen Benchmark-Läufe.
Warum es wichtig ist
Für Entwickler, die ein Agentenmodell anpassen oder kommerziell einsetzen möchten, erlaubt die MIT-Lizenz Änderungen und Weiterverbreitung. Über die API lässt sich LongCat-2.5 ausprobieren, ohne eigene Hardware einzurichten. Für den Selbstbetrieb beschreibt Meituan allerdings ein Huawei-Cluster mit 194 Chips. Die Benchmark-Ergebnisse stammen vom Unternehmen selbst; unabhängige Tests, die einen Vergleich ermöglichen, sind nicht bekannt.
