Meituan выпустила LongCat-2.0: открытая MoE-модель на 1,6 трлн параметров с контекстом в 1 млн токенов

Китайская технологическая компания Meituan 5 июля 2026 года выпустила LongCat-2.0 — открытую Mixture-of-Experts-модель с 1,6 трлн параметров и нативным контекстным окном в 1 миллион токенов, обученную и развёрнутую полностью на отечественных AI-ускорителях.

Что внутри LongCat-2.0

LongCat-2.0 построена на архитектуре Mixture-of-Experts: при обработке каждого токена активируется лишь около 48 млрд из 1,6 трлн параметров. Такой подход позволяет сохранять качество плотных моделей сопоставимого масштаба при существенно меньших вычислительных затратах на инференс — модель точечно задействует нужные экспертные блоки, а не «тратит» весь вычислительный бюджет на каждый токен.

Ключевые характеристики модели:

• Общий объём параметров — 1,6 трлн, активных на токен — ~48 млрд
• Нативный контекст — 1 млн токенов
• Механизм внимания — LongCat Sparse Attention (собственная разработка Meituan)
• Инфраструктура — обучение и инференс на отечественных AI-суперподах на базе ASIC
• Статус — открытая модель, доступна через API

Почему контекст в 1 миллион токенов меняет правила игры

Контекстное окно в 1 млн токенов — одно из наиболее протяжённых среди открытых моделей на сегодняшний день. На практике это означает возможность обрабатывать целые кодовые репозитории, объёмные юридические или финансовые документы, длинные диалоговые истории — в рамках единственного запроса, без разбивки на чанки и потери связности.

Чтобы такая длина контекста оставалась вычислительно управляемой, Meituan разработала собственный механизм LongCat Sparse Attention. Он снижает квадратичную сложность стандартного self-attention: вместо полного взаимного внимания всех токенов модель применяет разреженные паттерны, сокращающие объём вычислений без существенной потери качества обработки длинных последовательностей.

Суверенная инфраструктура: полный цикл без иностранных GPU

Одна из примечательных деталей релиза — Meituan провела весь цикл от обучения до продакшн-инференса на суперподах с отечественными AI-ускорителями на базе ASIC. На фоне американских экспортных ограничений на высокопроизводительные GPU это показывает: крупные китайские компании не просто адаптируются к инфраструктурным барьерам, но и создают конкурентоспособные продукты фронтирного класса на собственной вычислительной базе.

Meituan известна прежде всего как платформа доставки и lifestyle-сервисов, а не как традиционная AI-лаборатория. Тем значимее, что компания замкнула цикл — от кремния до открытой модели с 1,6 трлн параметров — без привлечения иностранного оборудования. Ранее публичные отчёты о полноценном обучении моделей такого масштаба без NVIDIA H100 были редкостью среди не-специализированных технологических компаний.

Что это значит

Выпуск LongCat-2.0 расширяет пул открытых MoE-моделей с экстремально длинным контекстом и одновременно фиксирует тренд: крупные китайские технологические компании вне классического AI-исследовательского круга научились производить конкурентоспособные фронтирные модели — и делают это на собственном железе. Для разработчиков появляется ещё один открытый вариант с контекстом в 1 млн токенов для задач, где длина последовательности критична.

Частые вопросы

Сколько параметров реально используется при работе

LongCat-2.0?

При обработке каждого токена активируется около 48 млрд параметров из 1,6 трлн — это стандартный принцип MoE-архитектуры, позволяющий держать высокое качество при управляемых вычислительных затратах на инференс.

Как Meituan добилась контекста в 1 миллион токенов?

Компания разработала собственный механизм LongCat Sparse Attention, снижающий квадратичную сложность стандартного внимания за счёт разреженных паттернов обработки длинных последовательностей.