Meituan lanza LongCat-2.0: un modelo MoE abierto de 1,6 billones de parámetros con un contexto de 1 millón de tokens

La tecnológica china Meituan lanzó el 5 de julio de 2026 LongCat-2.0, un modelo abierto de tipo Mixture-of-Experts con 1,6 billones de parámetros y una ventana de contexto nativa de 1 millón de tokens, entrenado y desplegado íntegramente en aceleradores de IA nacionales.

Qué hay dentro de LongCat-2.0

LongCat-2.0 se basa en una arquitectura Mixture-of-Experts: por cada token que procesa, solo se activan unos 48.000 millones de los 1,6 billones de parámetros. Este enfoque permite mantener la calidad de los modelos densos de escala comparable con un coste de cómputo de inferencia mucho menor. El modelo recurre de forma selectiva a los bloques de expertos necesarios, en lugar de «gastar» todo el presupuesto de cómputo en cada token.

Características principales del modelo:

• Parámetros totales: 1,6 billones; activos por token: ~48.000 millones
• Contexto nativo: 1 millón de tokens
• Mecanismo de atención: LongCat Sparse Attention (desarrollo propio de Meituan)
• Infraestructura: entrenamiento e inferencia en supercúmulos de IA nacionales basados en ASIC
• Estado: modelo abierto, disponible mediante API

Por qué un contexto de 1 millón de tokens cambia las reglas del juego

Una ventana de contexto de 1 millón de tokens es hoy una de las más largas entre los modelos abiertos. En la práctica, permite procesar repositorios de código enteros, documentos legales o financieros extensos e historiales largos de conversación en una sola solicitud, sin dividirlos en fragmentos ni perder coherencia.

Para que un contexto tan largo siga siendo manejable en términos de cómputo, Meituan desarrolló un mecanismo propio, LongCat Sparse Attention. Reduce la complejidad cuadrática de la autoatención estándar: en lugar de una atención mutua completa entre todos los tokens, el modelo aplica patrones dispersos que recortan el volumen de cálculo sin una pérdida significativa de calidad en secuencias largas.

Infraestructura soberana: el ciclo completo sin GPU extranjeras

Un detalle llamativo del lanzamiento es que Meituan realizó todo el ciclo, desde el entrenamiento hasta la inferencia en producción, en supercúmulos con aceleradores de IA nacionales basados en ASIC. En el contexto de las restricciones de exportación de EE. UU. sobre GPU de alto rendimiento, esto indica que las grandes empresas chinas no solo se adaptan a las barreras de infraestructura, sino que crean productos competitivos de nivel frontera sobre su propia base de cómputo.

Meituan es conocida sobre todo como plataforma de reparto y servicios de estilo de vida, no como un laboratorio de IA tradicional. Eso hace más relevante que la compañía haya cerrado el ciclo, del silicio a un modelo abierto de 1,6 billones de parámetros, sin recurrir a hardware extranjero. Hasta ahora, los informes públicos sobre el entrenamiento completo de modelos de esta escala sin NVIDIA H100 eran raros entre las tecnológicas no especializadas.

Qué significa

El lanzamiento de LongCat-2.0 amplía el conjunto de modelos MoE abiertos con contexto extremadamente largo y confirma una tendencia: grandes tecnológicas chinas ajenas al círculo clásico de la investigación en IA han aprendido a producir modelos de frontera competitivos, y lo hacen con hardware propio. Para los desarrolladores, supone una opción abierta más con contexto de 1 millón de tokens para tareas en las que la longitud de la secuencia es crítica.

Preguntas frecuentes

¿Cuántos parámetros se usan realmente al ejecutar

LongCat-2.0?

Por cada token procesado se activan unos 48.000 millones de los 1,6 billones de parámetros. Es el principio estándar de la arquitectura MoE, que permite mantener una calidad alta con costes de cómputo de inferencia controlables.

¿Cómo logró Meituan un contexto de 1 millón de tokens?

La compañía desarrolló un mecanismo propio, LongCat Sparse Attention, que reduce la complejidad cuadrática de la atención estándar mediante patrones dispersos para procesar secuencias largas.