Meituan представила LongCat-2.0: первая триллионная ИИ-модель, полностью обученная на китайских чипах

30 июня 2026 года китайская компания Meituan (известная в первую очередь как сервис доставки еды) сделала неожиданный шаг, представив с открытым исходным кодом модель LongCat-2.0. Это 1,6-триллионная модель в архитектуре Mixture-of-Experts (MoE), которая, по словам компании, стала первой в мире моделью такого масштаба, полностью обученной, донастроенной и развернутой на кластере из 50 000 китайских чипов — без единого чипа Nvidia .

Почему это событие так важно?

LongCat-2.0 — это не просто очередная большая модель. Это четкий сигнал: китайская ИИ-индустрия способна достичь производительности, близкой к мировым лидерам, даже не имея доступа к передовым американским GPU, которые подпадают под всё более жесткие экспортные ограничения . Модель доказывает, что систему с 1,6 триллиона параметров можно построить полностью на отечественных чипах — от предварительного обучения до непосредственной работы (инференса).

Технические характеристики

• Архитектура: Mixture-of-Experts (MoE) с общим объемом 1,6 триллиона параметров, но с активацией лишь ~48 млрд на каждый токен (разреженность ~97%) .
• Контекстное окно: 1 миллион токенов, что стало возможным благодаря собственной технологии LongCat Sparse Attention (LSA), которая развивает механизмы разреженного внимания от DeepSeek .
• Диапазон активных параметров: 33–56 млрд на токен благодаря динамической маршрутизации Zero-Compute Expert, которая гарантирует отсутствие лишних вычислений .
• N-gram Embedding: Дополнительные ~135 млрд параметров в слое эмбеддингов, использующие n-граммы (от 2 до 5 символов) для лучшего представления локального контекста .
• Специализация: Создана для «агентного программирования» — понимания, генерации и выполнения кода в реальных сценариях работы с инструментами .
• Инфраструктура обучения: Обучена с нуля на 50 000–60 000 китайских AI ASIC (не GPU Nvidia), на более чем 35 триллионах токенов — китайских, английских, многоязычных текстов и исходного кода .
• Лицензия: Выпущена под свободной лицензией MIT .
• Доступность: Веса и код опубликованы на GitHub, Hugging Face, официальном сайте LongCat; также доступны через API и онлайн-демо .

Производительность и тесты

Meituan утверждает, что LongCat-2.0 достигает производительности, сопоставимой с Google Gemini 3.1 Pro . До официального анонса модель работала анонимно под именем 'Owl Alpha' на платформе OpenRouter, где, по некоторым данным, занимала первые места в рейтингах разработчиков по тестам кодинга .

Опубликованные командой LongCat (включая пост на X) ключевые результаты тестов: Terminal-Bench 2.1 — 70,8; SWE-bench Pro — 59,5 (у GPT-5.5 — 58,6 для сравнения); SWE-bench Multilingual — 77,3; FORTE — 73,2 .

Стратегическое значение

LongCat-2.0 имеет последствия, выходящие далеко за рамки цифр на тестах:

• Первая триллионная модель, обученная «от и до» на китайских чипах: от предобучения до инференса и развертывания. Это шаг, который, по сообщениям, не смогла сделать даже DeepSeek-V4-pro, полагаясь на отечественное железо только для вывода .
• Демонстрирует способность Китая создавать ИИ, близкий по возможностям к ведущим мировым моделям, без использования GPU Nvidia, доступ к которым ограничен американскими санкциями .
• Сигнализирует о потенциальном разрыве (decoupling) китайской ИИ-разработки от цепочек поставок американского железа, что имеет серьезные последствия для глобального рынка ИИ-чипов и технологической конкуренции .
• Для самой Meituan это превращает компанию из гиганта доставки еды и локальных услуг в серьезного игрока в области ИИ с открытым исходным кодом, что ставит её в один ряд с Alibaba (Qwen) и ByteDance .

Ключевые архитектурные инновации

LongCat-2.0 представляет два существенных улучшения по сравнению с предшественником LongCat-Flash:

1. LongCat Sparse Attention (LSA): Развитие механизма разреженного внимания DeepSeek (DSA). LSA решает проблему задержек в индексаторе с помощью трех независимых оптимизаций: индексирование с учетом потока, межслоевое индексирование и иерархическое индексирование. Это ускоряет обработку длинного контекста без потери качества модели .

2. MOPD (Multi-Objective Process Decoding): Модель организует «экспертов» в три специализированные группы — Агент, Рассуждение и Взаимодействие — с помощью шлюзового маршрутизатора, который направляет каждый токен в соответствующую группу в зависимости от задачи .

Доступность и использование

Разработчики и исследователи могут получить доступ к LongCat-2.0 под пермиссивной лицензией MIT. Веса модели, код для инференса и документация доступны на GitHub, Hugging Face и официальном сайте LongCat. Также предоставлены API и интерактивная онлайн-демонстрация .