LongCat-2.0 de Meituan: El modelo de IA de 1,6 billones de parámetros entrenado sin un solo chip de Nvidia

El 30 de junio de 2026, Meituan liberó como código abierto LongCat-2.0, un modelo de lenguaje de 1,6 billones de parámetros basado en una arquitectura de Mezcla de Expertos (MoE). La empresa afirma que es el primer modelo a esta escala que se ha entrenado, ajustado y desplegado completamente en un clúster de 50.000 chips fabricados en China, sin la participación de hardware de Nvidia .

Por qué es importante este lanzamiento

LongCat-2.0 no es solo otro modelo de IA de gran tamaño. Es una señal de que el desarrollo de la inteligencia artificial en China puede alcanzar capacidades cercanas a la frontera tecnológica sin depender de las GPUs avanzadas estadounidenses, que están sujetas a restricciones de exportación cada vez más estrictas . El modelo demuestra que un sistema de 1,6 billones de parámetros puede construirse enteramente sobre silicio doméstico, desde el preentrenamiento hasta la inferencia.

Especificaciones técnicas

• Arquitectura: Mezcla de Expertos (MoE) con una capacidad total de 1,6 billones de parámetros, pero solo se activan aproximadamente 48 mil millones por token (escasez del ~97%) .
• Ventana de contexto: 1 millón de tokens, habilitada por un mecanismo de Atención Dispersa LongCat (LSA), una evolución del diseño de atención dispersa de DeepSeek .
• Parámetros activos: Entre 33B y 56B por token mediante un enrutamiento dinámico de 'Expertos de Cero Cómputo', que garantiza que no se desperdicie potencia de cálculo .
• Embedding N-grama: Aproximadamente 135 mil millones de parámetros adicionales en la capa de embedding, que utiliza n-gramas de 2 a 5 caracteres para mejorar la representación del contexto local sin apilar más capas MoE .
• Propósito: Programación agente (agentic coding): comprensión, generación y ejecución de código en escenarios reales de uso de herramientas .
• Infraestructura de entrenamiento: Entrenado desde cero en 50.000 a 60.000 ASICs de IA fabricados en China (no GPUs de Nvidia), consumiendo más de 35 billones de tokens de texto en chino, inglés, otros idiomas y código fuente .
• Licencia: Publicado bajo la licencia de código abierto MIT .
• Disponibilidad: Los pesos y el código están publicados en GitHub, Hugging Face y el sitio web oficial de LongCat; también es accesible a través de una API y una demostración en línea .

Rendimiento y comparativas

Meituan afirma que LongCat-2.0 logra un rendimiento comparable al de Gemini 3.1 Pro de Google . Antes de su presentación oficial, el modelo operó de forma anónima como 'Owl Alpha' en OpenRouter, donde supuestamente encabezó las clasificaciones de los desarrolladores en pruebas de codificación .

Las puntuaciones clave en pruebas de rendimiento publicadas por el equipo de LongCat en X incluyen: Terminal-Bench 2.1: 70.8, SWE-bench Pro: 59.5 (frente al 58.6 de GPT-5.5), SWE-bench Multilingüe: 77.3, y FORTE: 73.2 .

Importancia estratégica

LongCat-2.0 tiene implicaciones que van mucho más allá de las puntuaciones en pruebas:

• Es el primer modelo de billones de parámetros entrenado de principio a fin en chips chinos domésticos, desde el preentrenamiento hasta la inferencia y el despliegue, un hito que ni siquiera DeepSeek-V4-pro alcanzó, ya que este solo usó hardware doméstico para la inferencia .
• Demuestra la capacidad de China para alcanzar capacidades de IA cercanas a la frontera sin acceso a las GPUs avanzadas de Nvidia, que están sujetas a las restricciones de exportación de EE. UU. .
• Señala un posible desacoplamiento del desarrollo de la IA china de las cadenas de suministro de hardware estadounidenses, con implicaciones para el mercado global de chips de IA y la competencia tecnológica geopolítica .
• Para Meituan en particular, posiciona a un gigante del delivery de comida y los servicios locales como un contribuyente serio a los modelos fundacionales de IA de código abierto, un movimiento similar al de Alibaba (con sus modelos Qwen) y ByteDance .

Innovaciones arquitectónicas clave

LongCat-2.0 introduce dos mejoras arquitectónicas notables con respecto a su predecesor, LongCat-Flash:

1. Atención Dispersa LongCat (LSA): Una evolución del mecanismo de atención dispersa de DeepSeek (DSA). LSA aborda los cuellos de botella de latencia en el indexador mediante tres optimizaciones de eficiencia independientes: indexación consciente del flujo, indexación entre capas e indexación jerárquica, diseñadas para acelerar el procesamiento de contextos largos sin sacrificar la calidad del modelo .

2. MOPD (Decodificación de Procesos Multiobjetivo): El modelo organiza sus expertos en tres grupos especializados —Agente, Razonamiento e Interacción— con un enrutador de puerta que dirige cada token al grupo apropiado según el tipo de tarea .

Disponibilidad y acceso

Los desarrolladores e investigadores pueden acceder a LongCat-2.0 bajo la permisiva licencia MIT. Los pesos del modelo, el código de inferencia y la documentación están disponibles en GitHub, Hugging Face y el sitio web oficial de LongCat. También se proporcionan un endpoint de API y una demostración interactiva en línea .