Meituan, il gigante cinese della consegna di cibo, ha pubblicato questa settimana i pesi del nuovo modello LongCat-2.5, una rete neurale da 1,6 trilioni di parametri pensata per agenti AI che gestiscono compiti lunghi e multi‑step in modo autonomo, con un focus particolare sulla programmazione.
Architettura e capacità tecniche
LongCat-2.5 è un modello mixture‑of‑experts (MoE): per ogni token elaborato attiva solo una frazione delle sue subnetworks specializzate. Su un totale di 1,6 trilioni di parametri, ne vengono utilizzati circa 48 miliardi per token, riducendo drasticamente i costi computazionali.
Grazie a un’API avanzata, il modello può gestire fino a un milione di token simultanei e produrre risposte lunghe fino a 128 000 token. Supporta input testuali, immagini e video, rispondendo in forma testuale e permettendo agli utenti di attivare o disattivare il ragionamento.
Multimodalità integrata
A differenza di molti modelli multimodali che aggiungono un encoder di immagini esterno, LongCat-2.5 converte le immagini in token direttamente nella sua architettura, trattandole come sequenze di testo. Questa scelta, ispirata al progetto di ricerca LongCat‑Next, migliora l’abilità del modello in compiti di codifica visuale, design e modellazione 3D.
Le immagini vengono scomposte alla risoluzione nativa in token discreti, che vengono poi elaborati assieme al testo, garantendo una più stretta integrazione tra i due tipi di dati.
Processo di addestramento e ottimizzazioni hardware
Per il reinforcement learning, il team ha utilizzato task reali provenienti da pull request di GitHub, ricreando anche scenari di fallimento degli agenti. Per assicurare che il modello risolvesse realmente i compiti, durante l’addestramento sono stati bloccati:
- l’accesso a internet nelle sandbox
- la cronologia Git e i file cache
- l’uso di trucchi o soluzioni “shortcut”
Un modello linguistico di controllo ha verificato le soluzioni, eliminando eventuali bypass.
Inoltre, LongCat-2.5 ha assimilato le capacità di diversi modelli “teacher” specializzati in agenti, ragionamento e dialogo, tramite distillazione dei loro apprendimenti.
Quantizzazione e acceleratori Huawei
Meituan ha quantizzato i pesi e le attivazioni degli esperti a precisione 4‑bit, consentita nativamente dai chip cinesi. Nei test di carico, questa quantizzazione ha aumentato il throughput del 43,3 % per l’elaborazione dei prompt e del 42,77 % per la generazione delle risposte rispetto alla versione a 8‑bit, mantenendo la stessa accuratezza.
Il modello è stato distribuito con una guida di self‑hosting per un cluster di 194 acceleratori Huawei Ascend della serie Atlas A2: 2 per l’elaborazione delle immagini, 64 per l’ingestione dei prompt e 128 per la generazione delle risposte. Non è prevista alcuna guida per GPU Nvidia.
Performance sui benchmark internazionali
Secondo i test interni, LongCat-2.5 ottiene 88,4 punti su Terminal Bench v2.1, che misura la capacità di un agente di risolvere compiti da linea di comando. A titolo di confronto:
- Claude Opus 5: 89,1
- GPT‑5.6 Sol: 88,8
- Deepseek‑V4.1‑Flash: 90,6 (miglior punteggio)
Nel benchmark DeepSWE, che valuta la capacità di correggere bug in repository reali, LongCat-2.5 passa da 9,7 a 64,6 punti, posizionandosi dietro solo a Claude Opus 4.8, Deepseek‑V4.1‑Flash (74,2) e GPT‑5.6 Sol (72,7).
Su Terminal Bench v4.0, più impegnativo, il modello segna 38,5 punti, leggermente superiore a GPT‑5.6 Sol (37,3) ma inferiore a Opus 5 (53,9). Invece, nel benchmark di ricerca web BrowseComp, LongCat-2.5 ottiene 91,9, il punteggio più alto della tabella, benché il test sia stato eseguito in ambiente interno a Meituan.
Confronto con i modelli cinesi
Il predecessore LongCat‑2.0 è stato addestrato a fine giugno su più di 50 000 chip AI cinesi e, inizialmente, è stato distribuito in forma anonima come “Owl Alpha” su OpenRouter. Altri modelli open‑weight cinesi, come Kimi K3.1 e GLM‑5.3, hanno già chiuso il divario con i top‑model USA su benchmark di uso comune.
Licenza, accesso e pricing
I pesi di LongCat-2.5 sono rilasciati sotto licenza MIT, che consente uso commerciale, modifica e redistribuzione. Gli sviluppatori possono provare il modello tramite l’interfaccia chat disponibile su https://longcat.ai/ e integrarlo tramite API compatibili con i formati OpenAI e Anthropic, collegandolo a harness come Claude Code, Codex e Hermes.
Per il lancio, Meituan propone un prezzo promozionale di circa €0,27 per milione di token di input e €1,07 per milione di token di output.
Prospettive future
Oltre al modello agente, Meituan sta sviluppando generatori di immagini. È stato già rilasciato LongCat‑Image, un modello testuale‑a‑immagine da 6 miliardi di parametri che privilegia l’efficienza rispetto alla pura dimensione.
L’interesse verso modelli open‑weight ottimizzati per chip cinesi sta crescendo anche al di fuori della Cina, poiché la capacità di operare senza dipendere da GPU Nvidia rende queste soluzioni attraenti per aziende che cercano diversificazione hardware.
In sintesi, LongCat-2.5 rappresenta un passo significativo nella corsa globale per agenti AI autonomi, dimostrando che è possibile raggiungere performance di livello mondiale usando esclusivamente hardware domestico e licenze aperte.