Meituan publie les poids de LongCat-2.5 : 1 600 milliards de paramètres, licence MIT et multimodalité

Le chinois Meituan, surtout connu pour la livraison de repas, poursuit ses ambitions dans l’IA open source. L’équipe LongCat a publié les poids de LongCat-2.5 sur Hugging Face sous licence MIT. C’est l’une des licences les plus permissives : le modèle peut être affiné, intégré à un produit et commercialisé sans accord spécifique.

Sous le capot

LongCat-2.5 repose sur une architecture Mixture-of-Experts. Il compte au total 1 600 milliards de paramètres, mais environ 48 milliards seulement sont activés pour chaque token. L’idée est simple : le modèle ressemble à un grand bureau réunissant des centaines de spécialistes, où seuls les quelques experts pertinents répondent à chaque question. La qualité se rapproche de celle d’un modèle immense, avec un coût de calcul par token comparable à celui d’un modèle de taille moyenne.

Autre particularité : le modèle est nativement multimodal. La vision n’a pas été greffée au moyen d’un encodeur distinct ; elle a été entraînée avec le reste du modèle. Ses concepteurs revendiquent de solides capacités de compréhension visuelle et de programmation agentique au sein d’un même modèle. Parmi les exemples cités figurent des projets logiciels complexes, du design créatif et des tâches en 3D.

Pourquoi cela compte en pratique

Imaginez un cas classique : un designer envoie une capture d’écran d’une maquette, et l’agent doit en tirer une interface fonctionnelle, la lancer, examiner le résultat et corriger la mise en page. Habituellement, on associe un modèle de vision à un modèle de code, et une partie du contexte se perd au passage. Si un même modèle voit l’écran et écrit le code, la boucle « observer, corriger, vérifier » devient plus courte et plus fiable.

Pour les entreprises qui ne peuvent pas envoyer leur code et leurs maquettes à des API externes, c’est aussi l’occasion de disposer d’un agent performant sur leur propre infrastructure. La licence MIT lève les obstacles juridiques qui compliquent souvent l’utilisation de modèles soumis à des conditions particulières.

Limites

Premier point, et le plus important : l’annonce ne présente aucun benchmark. Les affirmations concernant des capacités « plus performantes » en vision et en programmation ne sont pour l’instant étayées par aucun résultat, et il reste à la communauté à comparer le modèle aux autres modèles ouverts. En attendant des mesures indépendantes, il convient de considérer ces affirmations comme du marketing.

Deuxième point : il faut bien stocker ces 1 600 milliards de paramètres quelque part. Même avec 48 milliards de paramètres actifs, l’intégralité du modèle doit résider en mémoire, soit environ 1,6 To au format 8 bits. Cela nécessite un cluster de plusieurs serveurs équipés de GPU, et non une station de travail. En pratique, seules de grandes équipes ou des fournisseurs cloud le feront tourner sur leur propre matériel ; les autres attendront des versions quantifiées et un hébergement accessible via des API tierces.

Troisième point : la qualité de la prise en charge des outils, la longueur du contexte et la fiabilité sur de longues séquences d’actions agentiques restent à préciser. C’est précisément sur ces aspects que la plupart des modèles qui brillent dans les tests échouent dans les projets réels.

Que faire

Si vous développez des agents de programmation ou travaillez sur la conversion d’images en code, ajoutez LongCat-2.5 à votre sélection et évaluez-le sur vos propres tâches, plutôt que sur les benchmarks d’autres acteurs. Si votre indépendance vis-à-vis des API propriétaires est importante, surveillez l’arrivée de versions quantifiées et leur prise en charge dans vLLM et SGLang. Et si vous êtes responsable produit, tenez compte de la tendance générale : les modèles ouverts chinois sous licence MIT comptant des milliers de milliards de paramètres sont devenus courants, ce qui exerce une pression sur les prix des fournisseurs de modèles propriétaires.