Meituan, le géant chinois de la livraison, vient de publier les poids de LongCat-2.5, un modèle d’Intelligence artificielleEnsemble de techniques permettant à des machines d'accomplir des tâches nécessitant habituellement certaines capacités humaines, comme la reconnaissance, la prédiction ou la prise de décision. spécialisé dans les agents autonomes. Avec 1,6 trillion de paramètres, il se place parmi les plus gros modèles disponibles, mais sa particularité réside dans le fait qu’il a été entraîné exclusivement sur du matériel chinois, sans jamais toucher une puce Nvidia.
Une architecture mixte adaptée aux tâches longues
LongCat-2.5 utilise la technique du mixture‑of‑experts : chaque TokenUnité de contenu traitée par un modèle de langage, pouvant représenter un mot, une partie de mot ou un caractère. traité active seulement une petite partie du réseau, environ 48 milliards de paramètres parmi les 1,6 trillion totaux. Cette approche permet de gérer jusqu’à un million de tokens en une seule requête et de générer des réponses pouvant atteindre 128 000 tokens. Le modèle comprend le texte, les images et la vidéo, et il peut désactiver ou activer son mode raisonnement selon les besoins de l’utilisateur.
Multimodalité intégrée, pas d’encodeur additionnel
Contrairement à de nombreux modèles multimodaux qui ajoutent un encodeur d’image séparé, LongCat-2.5 convertit directement les images en tokens traités comme du texte. Cette méthode, dérivée du prototype de recherche LongCat‑Next, vise à améliorer les tâches de codage visuel, de conception et de modélisation 3D. En pratique, cela signifie que le modèle peut analyser un schéma ou une capture d’écran de code et proposer des corrections ou des compléments sans passer par une étape d’encodage supplémentaire.
Entraînement axé sur le code réel
Pour que le modèle devienne réellement utile aux développeurs, les chercheurs ont utilisé des pull‑requests GitHub comme jeux de données, tout en recréant des scénarios d’échecs d’agents. Le processus d’TrainingProcessus durant lequel un modèle ajuste ses paramètres à partir de données afin d'améliorer ses performances. a été strict : aucune connexion internet n’était disponible dans les environnements de test, l’historique Git a été retiré et les fichiers en cache ont été nettoyés. Un modèle de langage secondaire a ensuite vérifié les solutions proposées afin d’éliminer les raccourcis artificiels. Par ailleurs, les compétences de plusieurs modèles spécialisés (agents, raisonnement, dialogue) ont été distillées dans LongCat‑2.5.
Déploiement sur puces Huawei, pas sur Nvidia
Meituan a quantifié les poids et les activations du modèle à 4 bits, ce qui correspond à la précision native des puces Huawei Ascend de la série Atlas A2. Un test de charge interne montre une hausse de 43 % du débit pour le traitement des invites et de 42,8 % pour la génération de réponses par rapport à une version 8 bits, tout en conservant la même précision. Le guide d’auto‑hébergement décrit un cluster de 194 accélérateurs : deux gèrent le traitement d’images, 64 ingèrent les invites et 128 génèrent les réponses. Aucun mode d’emploi n’est fourni pour les GPUProcesseur conçu pour effectuer de nombreux calculs en parallèle, notamment utilisé pour entraîner et exécuter des modèles d'IA. Nvidia.
Performances sur les benchmarks d’agents
Sur le benchmark Terminal Bench v2.1, qui mesure la capacité à résoudre des tâches en ligne de commande, LongCat‑2.5 obtient 88,4 points, légèrement derrière Claude Opus 5 (89,1) et devant GPTFamille de modèles génératifs préentraînés reposant sur l'architecture Transformer, notamment utilisés pour produire du texte.‑5.6 Sol (88,8). Sur le test DeepSWE de correction de bugs dans de vrais dépôts, le modèle grimpe de 9,7 à 64,6 points, se situant derrière la plupart des concurrents mais devant les versions antérieures de Claude. La variante plus difficile Terminal Bench v4.0 le place à 38,5 points, au-dessus de GPT‑5.6 Sol (37,3) mais loin du top. Sur le benchmark de recherche web BrowseComp, il atteint 91,9, le meilleur score de la table, bien que le test ait été réalisé dans l’environnement propre de Meituan.
Licence MIT et accès public
Les poids sont distribués sous licence MIT, ce qui autorise une utilisation commerciale, la modification et la redistribution. Les développeurs peuvent tester le modèle via une interface de chat disponible à l’adresse https://longcat.ai/ et l’intégrer via une API compatible avec les formats OpenAI et Anthropic. Meituan propose, pour une durée limitée, un tarif promotionnel d’environ 0,27 € par million de tokens en entrée et 1,07 € par million de tokens en sortie.
LongCat‑2.5 montre que les modèles ouverts, optimisés dès le départ pour le matériel chinois, peuvent rivaliser avec les géants occidentaux tout en offrant une alternative aux écosystèmes dominés par Nvidia. Cette dynamique pourrait encourager davantage de développeurs à explorer des solutions d’infrastructure locales, surtout si les performances restent compétitives dans des scénarios réels.




