En vivo 18.11 · Cohorte 318 nov, 19:00 MSK — taller práctico gratuito de agentes IA · Cohorte 3 en vivo inicia 23.11Taller 18 nov →Cohorte 3 (23.11)
LanzamientoAPI / Producto · Listo para usarThe Decoder→ original

Meituan abre los pesos de un modelo agéntico de 1,6 billones de parámetros entrenado sin Nvidia

La china Meituan ha publicado con licencia MIT los pesos de LongCat-2.5, un modelo para agentes capaces de resolver por sí solos tareas largas de programación. Tiene 1,6 billones de parámetros en total, de los que se activan unos 48 mil millones por token, y se entrenó sin una sola Nvidia. En la prueba de línea de comandos Terminal Bench v2.1 obtuvo 88,4 puntos frente a los 89,1 de Claude Opus 5. Las cifras las declara la propia Meituan, pero los equipos que trabajan con agentes disponen ahora de una opción abierta, sin depender de API cerradas.

Procesado por IA desde The Decoder; editado por Hamidun News
Meituan abre los pesos de un modelo agéntico de 1,6 billones de parámetros entrenado sin Nvidia
Fuente: The Decoder. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalThe Decoder ↗
Editor jefe
Ejemplo de despliegueun clúster de 194 chips Huawei Ascend; no hay guía para Nvidia
Dato clave #2La API cuesta unos €0,27 por millón de tokens de entrada y €1,07 por millón de tokens de salida
Dato clave #3La cuantización a 4 bits aceleró el procesamiento del prompt un 43,3% frente a la versión de 8 bits

La compañía que la mayoría conoce por el reparto de comida ha publicado en abierto uno de los modelos agénticos más grandes. Meituan ha liberado los pesos de LongCat-2.5: 1,6 billones de parámetros, licencia MIT y entrenamiento íntegro con hardware chino. Para quienes construyen agentes de programación, esto envía dos señales a la vez: los modelos abiertos vuelven a acercarse al nivel de los cerrados, y Nvidia ha dejado de ser un requisito imprescindible.

Qué es este modelo y cómo está construido

LongCat-2.5 usa una arquitectura mixture-of-experts. Es como una gran consulta médica en la que, para cada pregunta, no se llama a todos los doctores, sino solo a unos cuantos especialistas. Con el modelo ocurre lo mismo: de sus 1,6 billones de parámetros, se activan unos 48 mil millones por cada token. Eso lo hace bastante más barato de ejecutar que un modelo denso del mismo tamaño.

A través de la API ofrece un contexto de hasta un millón de tokens, y la respuesta puede alcanzar los 128 mil tokens. El modelo entiende texto, imágenes y vídeo, responde con texto y permite activar y desactivar el razonamiento. Respecto a LongCat-2.0 se ha añadido la comprensión de imágenes: se dividen en resolución nativa en tokens discretos y se procesan junto con el texto, sin un codificador externo independiente. Meituan espera que esto ayude en programación visual, diseño y tareas 3D.

Para el aprendizaje por refuerzo, el equipo usó tareas reales de pull requests de GitHub y errores de agentes reproducidos. Para evitar que el modelo hiciera trampas, desactivaron internet en el entorno, eliminaron el historial de Git y las cachés, y pidieron a otro modelo de lenguaje que revisara las soluciones en busca de atajos. Las habilidades de varios modelos maestros especializados (trabajo agéntico, razonamiento y diálogo) se destilaron en uno solo.

El hardware: 194 chips de Huawei

Lo más llamativo es la infraestructura. Meituan cuantiza a 4 bits los pesos y las activaciones de los expertos, un formato que los aceleradores chinos pueden procesar de forma nativa. Según las pruebas internas de carga, el rendimiento aumentó un 43,3% en el procesamiento del prompt y un 42,77% en la generación de la respuesta respecto a la versión de 8 bits. La precisión, según la compañía, se mantuvo al nivel del modelo sin comprimir. Esta versión está en un repositorio aparte.

La guía de despliegue propio describe un clúster de 194 aceleradores Huawei Ascend de la serie Atlas A2: dos se encargan de las imágenes, 64 reciben los prompts y 128 generan la respuesta. No hay instrucciones para Nvidia. La predecesora, LongCat-2.0, se entrenó en junio en un clúster de más de 50 000 chips chinos y, antes de su lanzamiento, funcionó de forma anónima en OpenRouter con el nombre Owl Alpha.

Qué muestran los benchmarks y dónde está la trampa

En Terminal Bench v2.1, que mide cómo se desenvuelve un agente en tareas de línea de comandos, LongCat-2.5 obtuvo 88,4.

Claude Opus 5 marca 89,1 en la tabla de Meituan, GPT-5.6 Sol, 88,8, y el líder es Deepseek-V4.1-Flash con 90.

6. En DeepSWE, donde los modelos corrigen errores en repositorios reales, el resultado subió de 9,7 a 64,6 puntos, pero sigue siendo el más bajo de la tabla, salvo por Claude Opus 4.8; el líder es Deepseek-V4.

1-Flash con 74,2. En el más exigente Terminal Bench v4.0 logra 38,5: algo por encima de GPT-5.

6 Sol (37,3), pero lejos de Opus 5 (53,9). En la búsqueda web de BrowseComp, el modelo obtuvo 91,9, el mejor resultado de la tabla, aunque Meituan ejecutó la prueba en su propio entorno.

Algunas salvedades: todas las cifras proceden de la propia compañía, y en la tabla no figuran los más recientes Claude Opus 5.5 y GPT-6.1 Sol. Por nivel, se parece más a «lo que los modelos de primera línea sabían hacer hace unos meses».

Qué significa en la práctica

Para los desarrolladores, lo esencial son las condiciones. La licencia MIT permite el uso comercial, la modificación y la distribución. La API es compatible con los formatos de OpenAI y Anthropic y se conecta a Claude Code, Codex y Hermes, de modo que se puede probar casi sin cambiar la infraestructura de apoyo. Por ahora hay un precio promocional: unos €0,27 por millón de tokens de entrada y €1,07 por millón de tokens de salida. También hay un chat web en longcat.ai.

Sin embargo, alojar por cuenta propia un modelo de este tamaño exige un clúster de más de un centenar de aceleradores, y además Ascend, no los habituales Nvidia. Para la mayoría de los equipos, lo más realista es la API. Para la industria, lo importante es otra cosa: los modelos chinos abiertos como Kimi K3.1 y GLM-5.3 ya casi han alcanzado a los líderes en las pruebas más populares, y cuando se optimizan desde el principio para chips locales, ese hardware resulta más atractivo también fuera de China.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Qué es este modelo y cómo está construido?

LongCat-2.5 usa una arquitectura mixture-of-experts. Es como una gran consulta médica en la que, para cada pregunta, no se llama a todos los doctores, sino solo a unos cuantos especialistas. Con el modelo ocurre lo mismo: de sus 1,6 billones de parámetros, se activan unos 48 mil millones por cada token. Eso lo hace bastante más barato de ejecutar que un modelo denso del mismo tamaño. A través de la API ofrece un contexto de hasta un millón de tokens, y la respuesta puede alcanzar los 128 mil tokens.

¿Qué se sabe sobre El hardware: 194 chips de Huawei?

Lo más llamativo es la infraestructura. Meituan cuantiza a 4 bits los pesos y las activaciones de los expertos, un formato que los aceleradores chinos pueden procesar de forma nativa. Según las pruebas internas de carga, el rendimiento aumentó un 43,3% en el procesamiento del prompt y un 42,77% en la generación de la respuesta respecto a la versión de 8 bits. La precisión, según la compañía, se mantuvo al nivel del modelo sin comprimir. Esta versión está en un repositorio aparte.

¿Qué se sabe sobre Qué muestran los benchmarks y dónde está la trampa?

En Terminal Bench v2.1, que mide cómo se desenvuelve un agente en tareas de línea de comandos, LongCat-2.5 obtuvo 88,4. Claude Opus 5 marca 89,1 en la tabla de Meituan, GPT-5.6 Sol, 88,8, y el líder es Deepseek-V4.1-Flash con 90.6. En DeepSWE, donde los modelos corrigen errores en repositorios reales, el resultado subió de 9,7 a 64,6 puntos, pero sigue siendo el más bajo de la tabla, salvo por Claude Opus 4.8; el líder es Deepseek-V4.1-Flash con 74,2.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…