Meituan publie les poids d'un modèle agentique de 1,6 billion de paramètres, entraîné sans Nvidia
Le chinois Meituan publie sous licence MIT les poids de LongCat-2.5, un modèle destiné aux agents capables de mener seuls de longues tâches de programmation. Il compte 1,6 billion de paramètres au total, dont environ 48 milliards actifs par token, et a été entraîné sans une seule puce Nvidia. Sur le test en ligne de commande Terminal Bench v2.1, il obtient 88,4 points contre 89,1 pour Claude Opus 5. Ces chiffres viennent de Meituan elle-même, mais les équipes qui travaillent avec des agents disposent désormais d'une option ouverte, qui ne les lie pas à des API fermées.
Traité par IA depuis The Decoder ; édité par Hamidun News
L'entreprise que la plupart des gens connaissent pour la livraison de repas vient de publier en accès libre l'un des plus gros modèles agentiques. Meituan a mis en ligne les poids de LongCat-2.5 : 1,6 billion de paramètres, licence MIT, entraînement intégralement sur matériel chinois. Pour ceux qui développent des agents de programmation, le signal est double : les modèles ouverts ont de nouveau rattrapé le niveau des modèles fermés, et Nvidia n'est plus un passage obligé.
Quel est ce modèle et comment est-il conçu ?
LongCat-2.5 repose sur une architecture mixture-of-experts. Imaginez une grande consultation médicale où, pour chaque question, on ne sollicite pas tous les médecins, mais seulement quelques spécialistes. Le modèle fonctionne de la même façon : sur 1,6 billion de paramètres, environ 48 milliards s'activent pour chaque token. Il coûte donc nettement moins cher à exécuter qu'un modèle dense de même taille.
L'API offre un contexte allant jusqu'à un million de tokens, et une réponse peut atteindre 128 mille tokens. Le modèle comprend le texte, les images et la vidéo, répond sous forme de texte, et son mode de raisonnement peut être activé ou désactivé. Par rapport à LongCat-2.0, il gagne la compréhension des images : elles sont découpées en tokens discrets à leur résolution native, puis traitées avec le texte, sans encodeur externe distinct. Meituan compte sur cette évolution pour progresser en programmation visuelle, en design et sur les tâches 3D.
Pour l'apprentissage par renforcement, l'équipe a utilisé de vraies tâches issues de pull requests GitHub, ainsi que des erreurs d'agents reproduites. Pour empêcher le modèle de tricher, elle a coupé Internet dans l'environnement, supprimé l'historique Git et les caches, et chargé un autre modèle de langage de repérer les tricheries dans les solutions. Les compétences de plusieurs modèles enseignants spécialisés (travail agentique, raisonnement, dialogue) ont été distillées dans un seul modèle.
Le matériel : 194 puces Huawei
L'infrastructure est le point le plus inhabituel. Meituan quantifie les poids et les activations des experts en 4 bits, un format que les accélérateurs chinois savent traiter nativement. D'après les tests de charge internes, le débit augmente de 43,3% pour l'analyse du prompt et de 42,77% pour la génération de la réponse, par rapport à la version en 8 bits. Selon l'entreprise, la précision reste au niveau du modèle non compressé. Cette version est disponible dans un dépôt distinct.
Le guide de déploiement autonome décrit un cluster de 194 accélérateurs Huawei Ascend de la série Atlas A2 : deux traitent les images, 64 reçoivent les prompts et 128 génèrent la réponse. Il n'existe aucune instruction pour Nvidia. Le prédécesseur, LongCat-2.0, a été entraîné en juin sur un cluster de plus de 50 000 puces chinoises. Avant sa sortie, il tournait de façon anonyme sur OpenRouter sous le nom Owl Alpha.
Ce que montrent les benchmarks, et où est le piège
Sur Terminal Bench v2.1, qui évalue la façon dont un agent se débrouille avec des tâches en ligne de commande, LongCat-2.5 obtient 88,4.
Dans le tableau de Meituan, Claude Opus 5 a 89,1 et GPT-5.6 Sol 88,8, tandis que Deepseek-V4.1-Flash mène avec 90.
6. Sur DeepSWE, où les modèles corrigent des bugs dans de vrais dépôts, le résultat passe de 9,7 à 64,6 points, mais il reste le plus bas du tableau, à l'exception de Claude Opus 4.8 ; le leader est Deepseek-V4.
1-Flash avec 74,2. Sur le plus difficile Terminal Bench v4.0, le modèle obtient 38,5 : un peu plus que GPT-5.
6 Sol (37,3), mais très loin d'Opus 5 (53,9). Sur BrowseComp, test de recherche web, il atteint 91,9, le meilleur score du tableau, mais Meituan a lancé ce test dans son propre environnement.
Quelques réserves : tous les chiffres viennent de l'entreprise elle-même, et les modèles plus récents Claude Opus 5.5 et GPT-6.1 Sol ne figurent pas dans le tableau. Côté niveau, on est plutôt sur « ce que savaient faire les meilleurs modèles il y a quelques mois ».
Ce que cela change en pratique
Pour les développeurs, l'essentiel tient aux conditions d'utilisation. La licence MIT autorise l'usage commercial, la modification et la redistribution. L'API est compatible avec les formats d'OpenAI et d'Anthropic et se branche à Claude Code, Codex et Hermes : on peut donc l'essayer en modifiant à peine son outillage. Un tarif promotionnel est actuellement en vigueur : environ 0,27 € par million de tokens en entrée et 1,07 € par million de tokens en sortie. Un chat web est également disponible sur longcat.ai.
Mais héberger soi-même un modèle de cette taille exige un cluster de plus d'une centaine d'accélérateurs, et sur Ascend, pas sur les Nvidia habituels. Pour la plupart des équipes, l'API est donc l'option la plus réaliste. Pour l'industrie, un autre point compte davantage : des modèles chinois ouverts comme Kimi K3.1 et GLM-5.3 ont déjà presque rattrapé le haut du classement sur les tests populaires, et lorsqu'ils sont optimisés dès l'origine pour les puces locales, ce matériel gagne en attrait, y compris hors de Chine.
- 18 nov. 2026Together AI remplace les mégakernels par des agents IA et accélère Llama 1B de 28 % sur B200
- 18 nov. 2026Une carte de minage à $3000 transformée en équivalent de l'A100 : de 8 à 80 Go de mémoire
- 12 nov. 2026Jensen Huang quitte son poste de PDG de Nvidia : l’entreprise perd 1 400 milliards de dollars en deux semaines
- 12 nov. 2026Deux ingénieurs ont intégré SGLang à IBM Spyre en une semaine et multiplié le débit par 3,6
Questions clés sur cet article
Quel est ce modèle et comment est-il conçu ?
LongCat-2.5 repose sur une architecture mixture-of-experts. Imaginez une grande consultation médicale où, pour chaque question, on ne sollicite pas tous les médecins, mais seulement quelques spécialistes. Le modèle fonctionne de la même façon : sur 1,6 billion de paramètres, environ 48 milliards s'activent pour chaque token. Il coûte donc nettement moins cher à exécuter qu'un modèle dense de même taille. L'API offre un contexte allant jusqu'à un million de tokens, et une réponse peut atteindre 128 mille tokens.
Que sait-on sur Le matériel : 194 puces Huawei ?
L'infrastructure est le point le plus inhabituel. Meituan quantifie les poids et les activations des experts en 4 bits, un format que les accélérateurs chinois savent traiter nativement. D'après les tests de charge internes, le débit augmente de 43,3% pour l'analyse du prompt et de 42,77% pour la génération de la réponse, par rapport à la version en 8 bits. Selon l'entreprise, la précision reste au niveau du modèle non compressé. Cette version est disponible dans un dépôt distinct.
Que sait-on sur Ce que montrent les benchmarks, et où est le piège ?
Sur Terminal Bench v2.1, qui évalue la façon dont un agent se débrouille avec des tâches en ligne de commande, LongCat-2.5 obtient 88,4. Dans le tableau de Meituan, Claude Opus 5 a 89,1 et GPT-5.6 Sol 88,8, tandis que Deepseek-V4.1-Flash mène avec 90.6. Sur DeepSWE, où les modèles corrigent des bugs dans de vrais dépôts, le résultat passe de 9,7 à 64,6 points, mais il reste le plus bas du tableau, à l'exception de Claude Opus 4.8 ; le leader est Deepseek-V4.1-Flash avec 74,2.
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.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.