Meituan ha publicado los pesos de LongCat-2.5, un modelo de 1,6 billones de parámetros diseñado para realizar tareas largas y con varios pasos, especialmente de programación. Según informa The Decoder, el modelo se entrenó íntegramente con hardware chino y sus pesos estuvieron disponibles una semana después de su presentación.
LongCat-2.5 es un modelo de mezcla de expertos: cuenta con subredes especializadas, pero solo utiliza algunas para cada token. Aunque tiene 1,6 billones de parámetros en total, activa unos 48.000 millones por token. La API de Meituan admite entradas de hasta un millón de tokens y respuestas de hasta 128.000. El modelo procesa texto, imágenes y video, y permite activar o desactivar el modo de razonamiento.
¿Qué pueden ejecutar los desarrolladores?
Los pesos se publican con licencia MIT, que permite el uso comercial, la modificación y la redistribución. Los desarrolladores también pueden probar el modelo mediante una interfaz de chat o una API. Esta admite los formatos de OpenAI y Anthropic, y funciona con herramientas para agentes como Claude Code, Codex y Hermes. Durante la promoción de lanzamiento de Meituan, el precio de entrada es de unos €0.27 por millón de tokens y el de salida, de unos €1.07 por millón de tokens.
Meituan también ha publicado una versión de 4 bits, que reduce la precisión numérica empleada para almacenar los pesos y las activaciones del modelo. La empresa afirma que esta versión mantiene una precisión equivalente a la del modelo sin comprimir. En sus pruebas de carga, aumentó el rendimiento del procesamiento de prompts un 43.3 por ciento y el de generación de respuestas un 42.77 por ciento frente a una versión de 8 bits. Una guía para alojar el modelo por cuenta propia describe una implementación con 194 aceleradores Huawei Ascend Atlas A2: dos para procesar imágenes, 64 para los prompts y 128 para las respuestas.
¿Qué tan buenos son los resultados?
Meituan informa de una puntuación de 88.4 en Terminal Bench v2.1, que evalúa tareas de línea de comandos. Está por debajo de Claude Opus 5, con 89.1, y GPT-5.6 Sol, con 88.8. Deepseek-V4.1-Flash lidera los resultados citados con 90.6. En Terminal Bench v4.0, LongCat-2.5 obtuvo 38.5, por encima de los 37.3 de GPT-5.6 Sol, pero por debajo de los 53.9 de Claude Opus 5.
En DeepSWE, una prueba de corrección de errores en repositorios de código reales, Meituan informa de una mejora de 9.7 en el resultado anterior a 64.6 con LongCat-2.5. Aun así, queda por detrás de Deepseek-V4.1-Flash, con 74.2, y GPT-5.6 Sol, con 72.7. El modelo obtuvo 91.9 en BrowseComp, una prueba de búsqueda web, el resultado más alto de la tabla de Meituan; la empresa realizó la prueba en su propio entorno. Se trata de evaluaciones comunicadas por Meituan, y The Decoder no cita pruebas independientes de estos benchmarks.
Por qué importa
Para los desarrolladores que quieran adaptar o implementar comercialmente un modelo agéntico, la licencia MIT permite modificarlo y redistribuirlo, y la API ofrece una forma de probar LongCat-2.5 sin instalar el hardware necesario. Sin embargo, la guía de implementación propia describe un clúster de 194 chips Huawei; los resultados de los benchmarks son los que comunica Meituan, así que aún se desconoce cómo se compararía el modelo en pruebas independientes.
