Meituan Dévoile LongCat-2.0 : Modèle MoE Ouvert avec 1,6 Billions de Paramètres et Contexte de 1 Million de Tokens

L'entreprise de technologie chinoise Meituan a lancé LongCat-2.0 le 5 juillet 2026 : un modèle Mixture-of-Experts ouvert avec 1,6 trillion de paramètres et une fenêtre de contexte native de 1 million de tokens, entraîné et déployé entièrement sur des accélérateurs d'IA nationaux.

Ce Qu'il y a à l'Intérieur de LongCat-2.0

LongCat-2.0 est construit sur une architecture Mixture-of-Experts : lors du traitement de chaque token, seuls environ 48 milliards des 1,6 trillion de paramètres sont activés. Cette approche préserve la qualité des modèles denses à l'échelle comparable tout en nécessitant des coûts de calcul substantiellement plus faibles pour l'inférence — le modèle engage précisément les blocs d'experts nécessaires plutôt que de « dépenser » l'intégralité du budget informatique sur chaque token.

Caractéristiques clés du modèle :

• Nombre total de paramètres — 1,6 trillion, actifs par token — ~48 milliards
• Contexte natif — 1 million de tokens
• Mécanisme d'attention — LongCat Sparse Attention (développement propriétaire de Meituan)
• Infrastructure — entraînement et inférence sur des superpods d'IA nationaux basés sur ASIC
• Statut — modèle ouvert, disponible via API

Pourquoi un Contexte de 1 Million de Tokens Change la Donne

Une fenêtre de contexte de 1 million de tokens est l'une des plus longues parmi les modèles ouverts à ce jour. En pratique, cela permet de traiter des référentiels de code entiers, des documents juridiques ou financiers volumineux, des historiques de conversation longs — dans une seule requête, sans fragmentation et sans perdre de cohérence.

Pour que ce contexte si long reste informatiquement gérable, Meituan a développé son propre mécanisme LongCat Sparse Attention. Il réduit la complexité quadratique de l'auto-attention standard : au lieu d'une attention mutuelle complète parmi tous les tokens, le modèle applique des motifs épars qui réduisent le volume de calcul sans perte significative de qualité dans le traitement des longues séquences.

Infrastructure

Souveraine : un Cycle Complet Sans GPU Étrangères

Un détail remarquable de la sortie est que Meituan a mené l'ensemble du cycle, de l'entraînement à l'inférence en production, sur des superpods avec des accélérateurs d'IA nationaux basés sur ASIC. Face aux restrictions d'exportation américaines sur les GPU haute performance, cela démontre : les grandes entreprises de technologie chinoises ne s'adaptent pas simplement aux barrières infrastructurelles, mais créent des produits compétitifs de classe frontier sur leur propre base informatique.

Meituan est principalement connue comme une plateforme de livraison et de services de mode de vie, non comme un laboratoire d'IA traditionnel. D'autant plus remarquable que l'entreprise a fermé la boucle — du silicium à un modèle ouvert avec 1,6 trillion de paramètres — sans dépendre d'équipements étrangers. Auparavant, les rapports publics d'entraînement à grande échelle de modèles de cette magnitude sans NVIDIA H100 étaient rares parmi les entreprises de technologie non spécialisées.

Ce Que Cela Signifie

Le lancement de LongCat-2.0 élargit le pool de modèles MoE ouverts avec un contexte extrêmement long et consolide simultanément une tendance : les grandes entreprises de technologie chinoises en dehors de l'établissement traditionnel de la recherche en IA ont appris à produire des modèles compétitifs de frontier — et ils le font sur leurs propres équipements. Pour les développeurs, il y a une autre option ouverte avec un contexte de 1 million de tokens pour les tâches où la longueur de la séquence est critique.

Questions Fréquemment Posées

Combien de paramètres sont réellement utilisés lors de l'exécution de

LongCat-2.0 ?

Lors du traitement de chaque token, environ 48 milliards de paramètres sur 1,6 trillion sont activés — c'est le principe standard de l'architecture MoE, permettant une haute qualité tout en maintenant des coûts informatiques gérables pour l'inférence.

Comment

Meituan a-t-elle réalisé un contexte de 1 million de tokens ?

L'entreprise a développé son propre mécanisme LongCat Sparse Attention, qui réduit la complexité quadratique de l'attention standard par des motifs épars pour traiter les longues séquences.