# Meituan släpper vikterna till LongCat-2.5 med 1,6 biljoner parametrar

> Agentmodellen är tillgänglig under MIT-licensen och kan köras på Huawei Ascend-chip. Meituan rapporterar starka resultat i flera tester av kodning och AI-agenter.

Oossa · 2026-11-15 · https://oossa.com/sv/meituan-releases-open-weights-for-1-6t-longcat-2-5

Meituan har släppt vikterna till LongCat-2.5, en modell med 1,6 biljoner parametrar som utformats för att hantera långa uppgifter i flera steg, särskilt programmering. The Decoder rapporterar att modellen tränades helt på kinesisk hårdvara och att vikterna blev tillgängliga en vecka efter att modellen presenterats.

LongCat-2.5 är en mixture-of-experts-modell: den består av specialiserade delnätverk, men använder bara några av dem för varje token. Trots att modellen totalt innehåller 1,6 biljoner parametrar är cirka 48 miljarder aktiva per token. Meituans API stöder indata på upp till en miljon token och svar på upp till 128 000 token. Modellen hanterar text, bilder och video, och användarna kan slå på eller av dess resonemangsläge.

## Vad kan utvecklare köra?

Vikterna släpps under MIT-licensen, som tillåter kommersiell användning, ändringar och vidare distribution. Utvecklare kan också prova modellen via ett chattgränssnitt eller API. API:et stöder formaten från OpenAI och Anthropic och fungerar med agentverktyg som Claude Code, Codex och Hermes. Under Meituans lanseringserbjudande kostar indata cirka €0.27 per miljon token och utdata cirka €1.07 per miljon token.

Meituan har också släppt en 4-bitarsversion, som minskar den numeriska precisionen för lagring av modellvikter och aktiveringar. Företaget uppger att versionen bibehåller samma träffsäkerhet som den okomprimerade modellen. I belastningstester ökade den genomströmningen för promptbearbetning med 43.3 procent och för svarsgenerering med 42.77 procent jämfört med en 8-bitarsversion. En guide för egen drift beskriver en installation med 194 Huawei Ascend Atlas A2-acceleratorer: två för bildbehandling, 64 för promptar och 128 för svar.

## Hur bra är resultaten?

Meituan rapporterar 88.4 på Terminal Bench v2.1, som testar kommandoradsuppgifter. Det är lägre än Claude Opus 5 med 89.1 och GPT-5.6 Sol med 88.8, men högre än Deepseek-V4.1-Flashs 90.6 – eller rättare sagt, det är det inte: Deepseek har högst resultat i den redovisade jämförelsen med 90.6. På Terminal Bench v4.0 fick LongCat-2.5 38.5, före GPT-5.6 Sol med 37.3 men efter Claude Opus 5 med 53.9.

På DeepSWE, ett test av hur modeller åtgärdar buggar i verkliga kodarkiv, rapporterar Meituan en ökning från det tidigare resultatet 9.7 till 64.6 för LongCat-2.5. Modellen ligger fortfarande efter Deepseek-V4.1-Flash med 74.2 och GPT-5.6 Sol med 72.7. Modellen fick 91.9 på BrowseComp, ett test av webbsökning, vilket är det högsta resultatet i Meituans tabell. Företaget genomförde testet i sin egen miljö. Det här är Meituans redovisade utvärderingar, och The Decoder hänvisar inte till några oberoende testkörningar.

## Fakta

- LongCat-2.5 har totalt 1,6 biljoner parametrar, varav cirka 48 miljarder är aktiva för varje token.
- Meituan rapporterar 88.4 på Terminal Bench v2.1 och 38.5 på Terminal Bench v4.0.
- Guiden för egen drift beskriver en installation med 194 Huawei Ascend Atlas A2-acceleratorer.
- Vikterna omfattas av MIT-licensen, och kampanjpriserna för API:et är cirka €0.27 per miljon indatatoken och €1.07 per miljon utdatatoken.

## Varför det spelar roll

För utvecklare som vill anpassa eller använda en agentmodell kommersiellt tillåter MIT-licensen ändringar och vidare distribution. API:et gör det möjligt att prova LongCat-2.5 utan att själv sätta upp den hårdvara som krävs. För egen drift beskriver Meituan däremot en installation med 194 Huawei-chip. Benchmarkresultaten kommer från Meituan självt, så det är ännu oklart hur modellen står sig i oberoende tester.

## Källor och referenser

1. [Meituan releases a 1.6-trillion-parameter agent model that never touched an Nvidia GPU](https://the-decoder.com/meituan-releases-a-1-6-trillion-parameter-agent-model-that-never-touched-an-nvidia-gpu/) – The Decoder, 2026-11-15

Senast uppdaterad: 2026-11-15