Meituan Releases LongCat-2.5 Trained Without Nvidia

Meituan ha publicado los pesos de LongCat-2.5, y la historia del hardware es el punto central. El modelo se entrenó por completo en aceleradores chinos, sin ninguna GPU de Nvidia en el ciclo de entrenamiento descrito por la empresa. Los pesos llegaron el 10 de noviembre, cerca de una semana después de que el modelo se presentara por primera vez el 2 de noviembre.

Ese calendario importa. El anuncio llegó primero como un producto de API. La publicación abierta es la noticia de esta semana, porque los desarrolladores ahora pueden descargar el modelo, ejecutarlo en el hardware que Meituan documenta, y poner las afirmaciones a prueba por sí mismos.

El anuncio

The Decoder informó sobre la publicación de los pesos el 15 de noviembre, una semana después de la presentación oficial. Meituan es una empresa de entrega de comida que se ha convertido en un laboratorio de modelos serio, y su equipo LongCat creó esta versión para agentes que planifican, escriben código, lo ejecutan, revisan el resultado, y siguen adelante a lo largo de muchos pasos.

LongCat-2.5 es un modelo de mezcla de expertos. Eso significa que solo una parte del modelo completo trabaja en cada token. El conteo total es de 1,6 billones de parámetros, pero cerca de 48 mil millones están activos a la vez, y ese número menor es el que determina el costo de ejecutarlo. A través de la API maneja hasta un millón de tokens a la vez y puede generar respuestas de hasta 128 000 tokens, según Meituan. Acepta texto, imágenes y video, devuelve texto, y permite activar o desactivar el razonamiento.

La parte nueva frente a LongCat-2.0 es la comprensión de imágenes. En lugar de añadir un sistema de imagen separado después, el modelo convierte las imágenes en su tamaño nativo en tokens y las lee en el mismo flujo que el texto. Meituan dice que ese enfoque debería ayudar con la codificación visual, el trabajo de diseño y las tareas en 3D. Esa es una afirmación de la empresa sobre su intención, no un resultado medido, y las pruebas externas tendrán que mostrar qué tan bien funciona en la práctica.

Para el entrenamiento, el equipo usó tareas reales de software tomadas de solicitudes de extracción de GitHub, junto con fallos de agentes que se recrearon como tareas de entrenamiento. En las salas de entrenamiento, el acceso a internet estaba bloqueado, se retiraron el historial de Git y los archivos en caché, y un modelo de lenguaje separado revisó las soluciones en busca de trucos. El objetivo era impedir que el modelo encontrara un atajo y obligarlo a resolver la tarea que tenía delante.

Detalles importantes

La guía de despliegue es donde la afirmación sobre el hardware se vuelve concreta. Meituan cuantiza los pesos y las activaciones de los expertos a 4 bits, un formato que los chips chinos pueden procesar de forma nativa. En sus propias pruebas de carga, la empresa dice que el rendimiento del procesamiento de instrucciones subió 43,3 por ciento y que la generación de respuestas subió 42,77 por ciento en comparación con una versión de 8 bits, con una precisión a la par del modelo sin comprimir. Esas cifras son cifras de Meituan, informadas por The Decoder, y no han sido reproducidas por un laboratorio externo en la cobertura revisada aquí.

La configuración de ejemplo para esa versión cuantizada usa 194 aceleradores Huawei Ascend de la serie Atlas A2. Dos se encargan del procesamiento de imágenes, 64 de la admisión de instrucciones, y 128 de la generación de respuestas. No hay guía para GPU de Nvidia en esa guía. Las publicaciones de la propia Meituan no nombran a ningún proveedor de chips para el ciclo de entrenamiento en sí. Describen aceleradores domésticos o fabricados en China, y el nombre del proveedor aparece en la guía de despliegue, no en la afirmación sobre el entrenamiento.

Esa distinción vale la pena mantenerla. Para el anterior LongCat-2.0, Meituan dijo que el entrenamiento se hizo a fines de junio en un grupo de más de 50 000 chips chinos. Ningún conteo de tarjetas para el ciclo de entrenamiento de LongCat-2.5 se dio en las publicaciones revisadas para este informe, y este artículo no asigna el número anterior al modelo nuevo.

En precio, Meituan ofrece una promoción de lanzamiento. The Decoder situó el precio en cerca de 0,27 euros por millón de tokens de entrada y 1,07 euros por millón de tokens de salida. Los usuarios también pueden probar el modelo en un servicio de chat en longcat.ai, y su API admite los formatos de OpenAI y de Anthropic, de modo que puede conectarse a herramientas de agentes como Claude Code, Codex y Hermes. Esa facilidad de intercambio es parte del argumento, y se acerca al trabajo de nuestro informe sobre los Claude Managed Agents autohospedados, donde el control sobre dónde se ejecuta un agente es toda la cuestión.

Qué dicen las referencias, y qué no dicen

Meituan informa 88,4 puntos en Terminal Bench v2.1, una prueba de qué tan bien los agentes resuelven tareas en una línea de comandos. En la misma tabla, la empresa anota a Claude Opus 5 en 89,1, a GPT-5.6 Sol en 88,8, y a DeepSeek V4.1 Flash en la cima con 90,6. En DeepSWE, una prueba de corrección de errores en código real, LongCat-2.5 salta de 9,7 para el modelo anterior a 64,6, todavía detrás de la mayoría de los rivales de esa tabla.

Otros números siguen el mismo patrón. Terminal Bench v4.0, la variante más difícil, pone a LongCat-2.5 en 38,5, un poco por encima de GPT-5.6 Sol en 37,3 pero bien por debajo de Opus 5 en 53,9. En BrowseComp, una prueba de búsqueda en la web, Meituan informa 91,9, el puntaje más alto de su tabla, aunque la empresa hizo esa prueba en su propio entorno.

Nada de eso resuelve la comparación. Tech Times informó el 3 de noviembre que cada afirmación de rendimiento para LongCat-2.5 en ese momento venía de las pruebas internas de Meituan, sin ningún evaluador independiente que publicara un resultado. La cobertura de The Decoder sobre la publicación de los pesos tampoco cita ninguna prueba independiente. Hasta que grupos externos publiquen su propio trabajo, la lectura justa es estrecha: el modelo parece cercano a los mejores modelos occidentales en varias pruebas de agentes en la propia tabla de Meituan, y esa cercanía sigue sin verificar.

1. Nov. 2, 2026Meituan presenta LongCat-2.5 como un modelo agente multimodal
2. Nov. 3, 2026Tech Times anota que todas las afirmaciones de referencia hasta ahora vienen de Meituan
3. Nov. 10, 2026Pesos publicados bajo la licencia MIT para uso comercial
4. Nov. 15, 2026The Decoder informa la publicación de los pesos y el despliegue de ejemplo en 194 chips

Qué sigue

Los pasos confirmados son simples. Los pesos están publicados, la API está en línea, y los desarrolladores ahora pueden ejecutar el modelo en las configuraciones que Meituan documenta y publicar resultados que no vengan de Meituan. Ese trabajo externo es el próximo hito real, no otro gráfico de lanzamiento.

Las preguntas abiertas son más grandes. Un modelo con 1,6 billones de parámetros en total no es un modelo para una computadora portátil, incluso con solo 48 mil millones activos por token y una versión de 4 bits disponible. El ejemplo documentado necesita 194 aceleradores, lo que pone el autohospedaje en territorio de centro de datos. La mayoría de los equipos que prueben LongCat-2.5 primero lo harán a través de una API o de un anfitrión que ya ejecute hardware Ascend, un patrón que también da forma al impulso por hardware soberano en nuestro informe sobre Nvidia, Rebellions y SK Telecom en Corea.

También hay una pregunta de mercado que el lanzamiento deja abierta. Un modelo ajustado para chips chinos desde el inicio hace que esos chips sean más atractivos fuera de China si el rendimiento se mantiene, porque el software y el hardware ahora llegan como un par. Si el rendimiento no se mantiene bajo las pruebas externas, la publicación igual importa como prueba de que la vía de entrenamiento funciona, pero no moverá muchas decisiones de compra.

La conclusión es clara. Meituan entregó un modelo agente muy grande, lo entrenó sin hardware de Nvidia en el ciclo que describe, y publicó los pesos bajo una licencia que permite a otros usarlos para negocios. La hazaña del hardware está documentada en la guía de despliegue. La hazaña del rendimiento todavía es una afirmación, y ahora que los pesos son públicos, es una afirmación que cualquiera con el grupo de máquinas adecuado puede comprobar.

Fuentes

• The Decoder, Meituan releases a 1.6 trillion parameter agent model that never touched an Nvidia GPU, 15 de noviembre de 2026. Calendario de publicación de los pesos, método de tokens de imagen, tareas de entrenamiento, resultados de 4 bits, despliegue en 194 chips, tabla de referencias y precio de lanzamiento.
• Tech Times, Meituan Releases LongCat 2.5 on Chinese Chips; Benchmark Claims Await Independent Tests, 3 de noviembre de 2026. Calendario del anuncio, conteo de parámetros activos, y la advertencia de que todas las afirmaciones de referencia eran auto informadas sin prueba independiente en esa fecha.
• Techies Journal, informe sobre LongCat-2.5 revisado el 15 de noviembre de 2026. Anuncio del 2 de noviembre y publicación abierta del 10 de noviembre bajo MIT, y la nota de que las publicaciones de Meituan solo nombran aceleradores domésticos para el entrenamiento mientras la guía de despliegue nombra Ascend Atlas A2.
• Hechos revisados el 15 de noviembre de 2026. La imagen de referencia proviene de Meituan vía The Decoder y está acreditada arriba. Las demás imágenes de este artículo son ilustraciones de Dirty Static en el estilo de la casa.