Meituans LongCat-2.0: Kinesisk AI-modell med 1,6 biljoner parametrar tränad helt utan Nvidia-hårdvara
Den 30 juni 2026 släppte Meituan LongCat 2.0 som öppen källkod – en enorm AI modell med 1,6 biljoner parametrar som är först i sin klass med att genomföra hela träningen på inhemska kinesiska chip. Modellen aktiverar endast cirka 48 miljarder parametrar per token (97 % sparsitet), har ett kontextfönster på 1 miljon...
Publicerad avRedigerad med DeepSeek-V4-FlashBilder genererade med GPT Image 1.5
Den 30 juni 2026 släppte Meituan LongCat 2.0 som öppen källkod – en enorm AI modell med 1,6 biljoner parametrar som är först i sin klass med att genomföra hela träningen på inhemska kinesiska chip.
Modellen aktiverar endast cirka 48 miljarder parametrar per token (97 % sparsitet), har ett kontextfönster på 1 miljon token och är specialbyggd för agentisk kodning – med prestanda som påstås vara i klass med Googles...
Innan den officiella lanseringen var modellen anonymt känd som 'Owl Alpha' på OpenRouter, där den toppade utvecklarnas rankning för kodningsuppgifter.
Search & fact-check with cited sources for What are the key details, technical specifications, performance claims, and strategic significancAn editorial illustration representing Meituan's LongCat-2.0, a 1.6 trillion-parameter AI model trained entirely on domestic Chinese chips.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: Search & fact-check with cited sources for What are the key details, technical specifications, performance claims, and strategic significanc. Article summary: On June 30, 2026, Meituan open-sourced **LongCat-2.0**, a 1.6 trillion-parameter Mixture-of-Experts (MoE) large language model that the company says is the first at this scale to be fully trained, fine-tuned, and deploye. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
openai.com
Den 30 juni 2026 släppte Meituan LongCat-2.0 som öppen källkod – en så kallad Mixture-of-Experts (MoE)-modell med 1,6 biljoner parametrar. Företaget uppger att det är den första modellen i denna skala som helt tränats, finjusterats och driftsatts på en kluster med 50 000 inhemska kinesiska chip – helt utan Nvidia-hårdvara .
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "Meituans LongCat-2.0: Kinesisk AI-modell med 1,6 biljoner parametrar tränad helt utan Nvidia-hårdvara"?
Den 30 juni 2026 släppte Meituan LongCat 2.0 som öppen källkod – en enorm AI modell med 1,6 biljoner parametrar som är först i sin klass med att genomföra hela träningen på inhemska kinesiska chip.
What are the key points to validate first?
Den 30 juni 2026 släppte Meituan LongCat 2.0 som öppen källkod – en enorm AI modell med 1,6 biljoner parametrar som är först i sin klass med att genomföra hela träningen på inhemska kinesiska chip. Modellen aktiverar endast cirka 48 miljarder parametrar per token (97 % sparsitet), har ett kontextfönster på 1 miljon token och är specialbyggd för agentisk kodning – med prestanda som påstås vara i klass med Googles...
What should I do next in practice?
Innan den officiella lanseringen var modellen anonymt känd som 'Owl Alpha' på OpenRouter, där den toppade utvecklarnas rankning för kodningsuppgifter.
Meituans LongCat-2.0: Kinesisk AI-modell med 1,6 biljoner parametrar tränad helt utan Nvidia-hårdvara
Den 30 juni 2026 släppte Meituan LongCat 2.0 som öppen källkod – en enorm AI modell med 1,6 biljoner parametrar som är först i sin klass med att genomföra hela träningen på inhemska kinesiska chip. Modellen aktiverar endast cirka 48 miljarder parametrar per token (97 % sparsitet), har ett kontextfönster på 1 miljon...
Publicerad avRedigerad med DeepSeek-V4-FlashBilder genererade med GPT Image 1.5
Den 30 juni 2026 släppte Meituan LongCat 2.0 som öppen källkod – en enorm AI modell med 1,6 biljoner parametrar som är först i sin klass med att genomföra hela träningen på inhemska kinesiska chip.
Modellen aktiverar endast cirka 48 miljarder parametrar per token (97 % sparsitet), har ett kontextfönster på 1 miljon token och är specialbyggd för agentisk kodning – med prestanda som påstås vara i klass med Googles...
Innan den officiella lanseringen var modellen anonymt känd som 'Owl Alpha' på OpenRouter, där den toppade utvecklarnas rankning för kodningsuppgifter.
Search & fact-check with cited sources for What are the key details, technical specifications, performance claims, and strategic significancAn editorial illustration representing Meituan's LongCat-2.0, a 1.6 trillion-parameter AI model trained entirely on domestic Chinese chips.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: Search & fact-check with cited sources for What are the key details, technical specifications, performance claims, and strategic significanc. Article summary: On June 30, 2026, Meituan open-sourced **LongCat-2.0**, a 1.6 trillion-parameter Mixture-of-Experts (MoE) large language model that the company says is the first at this scale to be fully trained, fine-tuned, and deploye. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
openai.com
Den 30 juni 2026 släppte Meituan LongCat-2.0 som öppen källkod – en så kallad Mixture-of-Experts (MoE)-modell med 1,6 biljoner parametrar. Företaget uppger att det är den första modellen i denna skala som helt tränats, finjusterats och driftsatts på en kluster med 50 000 inhemska kinesiska chip – helt utan Nvidia-hårdvara .
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "Meituans LongCat-2.0: Kinesisk AI-modell med 1,6 biljoner parametrar tränad helt utan Nvidia-hårdvara"?
Den 30 juni 2026 släppte Meituan LongCat 2.0 som öppen källkod – en enorm AI modell med 1,6 biljoner parametrar som är först i sin klass med att genomföra hela träningen på inhemska kinesiska chip.
What are the key points to validate first?
Den 30 juni 2026 släppte Meituan LongCat 2.0 som öppen källkod – en enorm AI modell med 1,6 biljoner parametrar som är först i sin klass med att genomföra hela träningen på inhemska kinesiska chip. Modellen aktiverar endast cirka 48 miljarder parametrar per token (97 % sparsitet), har ett kontextfönster på 1 miljon token och är specialbyggd för agentisk kodning – med prestanda som påstås vara i klass med Googles...
What should I do next in practice?
Innan den officiella lanseringen var modellen anonymt känd som 'Owl Alpha' på OpenRouter, där den toppade utvecklarnas rankning för kodningsuppgifter.
LongCat-2.0 är inte bara ännu en stor modell. Det är en signal om att kinesisk AI-utveckling kan nå nära topprestanda utan tillgång till avancerade amerikanska grafikprocessorer (GPU:er), som omfattas av allt strängare exportrestriktioner . Modellen visar att ett system med 1,6 biljoner parametrar kan byggas helt på inhemskt kisel, från förträning till slutledning.
Tekniska specifikationer
Arkitektur: Mixture-of-Experts (MoE) med totalt 1,6 biljoner parametrar, men endast cirka 48 miljarder aktiveras per token (sparsitet cirka 97 %) .
Kontextfönster:1 miljon token, möjliggjort av en egenutvecklad LongCat Sparse Attention (LSA)-mekanism som utvecklats från DeepSeek-design .
Aktiva parametrar: 33–56 miljarder per token via dynamisk 'Zero-Compute Expert'-routning, vilket innebär att ingen beräkningskraft går till spillo .
N-gram-inbäddning: Cirka 135 miljarder extra parametrar i inbäddningslagret, som använder n-gram av 2–5 tecken för att förbättra representationen av lokal kontext utan att stapla fler MoE-lager .
Anpassad för: Agentisk kodning – kodförståelse, generering och exekvering i verkliga användningsscenarier .
Träningsinfrastruktur: Tränad från grunden på 50 000–60 000 kinesisktillverkade AI-ASIC:ar (inte Nvidia GPU:er), med över 35 biljoner token av kinesisk, engelsk och flerspråkig text samt källkod .
Licens: Släppt under MIT-licens (öppen källkod) .
Tillgänglighet: Vikter och kod finns på GitHub, Hugging Face och den officiella LongCat-webbplatsen; även tillgängligt via API och en demosida .
Prestanda och riktmärken
Meituan hävdar att LongCat-2.0 presterar i nivå med Googles Gemini 3.1 Pro. Innan den officiella lanseringen var modellen anonymt känd som 'Owl Alpha' på OpenRouter, där den rapporteras ha toppat utvecklarnas rankning för kodningsuppgifter .
Viktiga riktmärken som publicerats av LongCat-teamet på X inkluderar: Terminal-Bench 2.1: 70,8, SWE-bench Pro: 59,5 (GPT-5.5: 58,6 som jämförelse), SWE-bench Multilingual: 77,3 och FORTE: 73,2 .
Strategisk betydelse
LongCat-2.0 har implikationer som sträcker sig långt bortom riktmärken:
Första modellen med biljoner parametrar som tränats från början till slut på inhemska kinesiska chip, från förträning till slutledning och driftsättning – en milstolpe som inte ens DeepSeek-V4-pro uppnådde, då den endast använde inhemsk hårdvara för slutledning .
Visar Kinas förmåga att uppnå AI-prestanda nära toppnivå utan tillgång till Nvidias avancerade GPU:er, som omfattas av amerikanska exportrestriktioner .
Signal om en potentiell frikoppling av kinesisk AI-utveckling från amerikanska hårdvaruleveranskedjor, med konsekvenser för den globala AI-chipmarknaden och geopolitiska teknikkonkurrensen .
För Meituan specifikt positionerar detta en matleverans- och lokaltjänstjätte som en seriös bidragsgivare till AI-modeller med öppen källkod, liknande drag av Alibaba (Qwen) och ByteDance .
Viktiga arkitektoniska innovationer
LongCat-2.0 introducerar två anmärkningsvärda arkitektoniska förbättringar jämfört med sin föregångare LongCat-Flash:
LongCat Sparse Attention (LSA): En vidareutveckling av DeepSeeks sparse attention-mekanism (DSA). LSA adresserar flaskhalsar i indexeringsfördröjningen genom tre oberoende effektivitetsoptimeringar: flödesmedveten indexering, tvärlagersindexering och hierarkisk indexering – utformad för att påskynda bearbetning av långa kontexter utan att kompromissa med modellkvaliteten .
MOPD (Multi-Objective Process Decoding): Modellen organiserar sina experter i tre specialiserade grupper – Agent, Reasoning och Interaction – med en grind-routrare som dirigerar varje token till lämplig grupp baserat på uppgiftstyp .
Tillgänglighet och åtkomst
Utvecklare och forskare kan komma åt LongCat-2.0 under den tillåtande MIT-licensen. Modellvikter, slutledningskod och dokumentation finns på GitHub, Hugging Face och den officiella LongCat-webbplatsen. En API-slutpunkt och en interaktiv demo online finns också tillgängliga .
vff.aiMeituan's LongCat-2.0 signals China's AI independence from Nvidia
LongCat-2.0 är inte bara ännu en stor modell. Det är en signal om att kinesisk AI-utveckling kan nå nära topprestanda utan tillgång till avancerade amerikanska grafikprocessorer (GPU:er), som omfattas av allt strängare exportrestriktioner . Modellen visar att ett system med 1,6 biljoner parametrar kan byggas helt på inhemskt kisel, från förträning till slutledning.
Tekniska specifikationer
Arkitektur: Mixture-of-Experts (MoE) med totalt 1,6 biljoner parametrar, men endast cirka 48 miljarder aktiveras per token (sparsitet cirka 97 %) .
Kontextfönster:1 miljon token, möjliggjort av en egenutvecklad LongCat Sparse Attention (LSA)-mekanism som utvecklats från DeepSeek-design .
Aktiva parametrar: 33–56 miljarder per token via dynamisk 'Zero-Compute Expert'-routning, vilket innebär att ingen beräkningskraft går till spillo .
N-gram-inbäddning: Cirka 135 miljarder extra parametrar i inbäddningslagret, som använder n-gram av 2–5 tecken för att förbättra representationen av lokal kontext utan att stapla fler MoE-lager .
Anpassad för: Agentisk kodning – kodförståelse, generering och exekvering i verkliga användningsscenarier .
Träningsinfrastruktur: Tränad från grunden på 50 000–60 000 kinesisktillverkade AI-ASIC:ar (inte Nvidia GPU:er), med över 35 biljoner token av kinesisk, engelsk och flerspråkig text samt källkod .
Licens: Släppt under MIT-licens (öppen källkod) .
Tillgänglighet: Vikter och kod finns på GitHub, Hugging Face och den officiella LongCat-webbplatsen; även tillgängligt via API och en demosida .
Prestanda och riktmärken
Meituan hävdar att LongCat-2.0 presterar i nivå med Googles Gemini 3.1 Pro. Innan den officiella lanseringen var modellen anonymt känd som 'Owl Alpha' på OpenRouter, där den rapporteras ha toppat utvecklarnas rankning för kodningsuppgifter .
Viktiga riktmärken som publicerats av LongCat-teamet på X inkluderar: Terminal-Bench 2.1: 70,8, SWE-bench Pro: 59,5 (GPT-5.5: 58,6 som jämförelse), SWE-bench Multilingual: 77,3 och FORTE: 73,2 .
Strategisk betydelse
LongCat-2.0 har implikationer som sträcker sig långt bortom riktmärken:
Första modellen med biljoner parametrar som tränats från början till slut på inhemska kinesiska chip, från förträning till slutledning och driftsättning – en milstolpe som inte ens DeepSeek-V4-pro uppnådde, då den endast använde inhemsk hårdvara för slutledning .
Visar Kinas förmåga att uppnå AI-prestanda nära toppnivå utan tillgång till Nvidias avancerade GPU:er, som omfattas av amerikanska exportrestriktioner .
Signal om en potentiell frikoppling av kinesisk AI-utveckling från amerikanska hårdvaruleveranskedjor, med konsekvenser för den globala AI-chipmarknaden och geopolitiska teknikkonkurrensen .
För Meituan specifikt positionerar detta en matleverans- och lokaltjänstjätte som en seriös bidragsgivare till AI-modeller med öppen källkod, liknande drag av Alibaba (Qwen) och ByteDance .
Viktiga arkitektoniska innovationer
LongCat-2.0 introducerar två anmärkningsvärda arkitektoniska förbättringar jämfört med sin föregångare LongCat-Flash:
LongCat Sparse Attention (LSA): En vidareutveckling av DeepSeeks sparse attention-mekanism (DSA). LSA adresserar flaskhalsar i indexeringsfördröjningen genom tre oberoende effektivitetsoptimeringar: flödesmedveten indexering, tvärlagersindexering och hierarkisk indexering – utformad för att påskynda bearbetning av långa kontexter utan att kompromissa med modellkvaliteten .
MOPD (Multi-Objective Process Decoding): Modellen organiserar sina experter i tre specialiserade grupper – Agent, Reasoning och Interaction – med en grind-routrare som dirigerar varje token till lämplig grupp baserat på uppgiftstyp .
Tillgänglighet och åtkomst
Utvecklare och forskare kan komma åt LongCat-2.0 under den tillåtande MIT-licensen. Modellvikter, slutledningskod och dokumentation finns på GitHub, Hugging Face och den officiella LongCat-webbplatsen. En API-slutpunkt och en interaktiv demo online finns också tillgängliga .
vff.aiMeituan's LongCat-2.0 signals China's AI independence from Nvidia
scmp.comChina debuts biggest AI model trained on local chips, as Meituan releases LongCat-2.0
finance.yahoo.comChina's Meituan says new AI model trained on domestic chips
channelnewsasia.comChina's Meituan says new AI model trained on domestic chips - CNA
gigazine.netLongCat-2.0, a Chinese-made AI model with 1.6 trillion parameters ...