Meituan diffuse LongCat-2.5, modèle agent entraîné sur matériel chinois
Meituan a publié les poids de LongCat-2.5, un modèle de 1,6 trillion de paramètres pensé pour les agents. L’entreprise dit l’avoir entraîné sur du matériel chinois, sans mentionner Nvidia, et vise des usages avancés de code et d’automatisation.
Meituan a publié les poids de LongCat-2.5, un modèle d’IA de 1,6 trillion de paramètres conçu pour les agents qui enchaînent des tâches complexes. Selon la société chinoise, l’entraînement a été réalisé sur du matériel chinois, sans mention de GPU Nvidia. Le sujet compte car il mêle performances, souveraineté matérielle et ouverture commerciale, avec un modèle déjà proche des meilleurs systèmes occidentaux sur plusieurs bancs d’essai.
Un modèle taillé pour les tâches longues, pas pour les démonstrations flash
LongCat-2.5 est un modèle de type mixture-of-experts, c’est-à-dire qu’il n’active qu’une partie de ses sous-réseaux à chaque jeton traité. Sur 1,6 trillion de paramètres au total, environ 48 milliards sont actifs par jeton. Meituan lui donne une fenêtre de contexte pouvant aller jusqu’à un million de jetons via l’API, avec des réponses allant jusqu’à 128 000 jetons. Le modèle comprend texte, images et vidéo, puis répond en texte, avec une option pour activer ou non le raisonnement.
Cette orientation vise surtout les agents logiciels, donc des systèmes capables d’exécuter des suites d’actions sans intervention humaine à chaque étape. Meituan dit avoir entraîné LongCat-2.5 sur des tâches réelles issues de pull requests GitHub, tout en bloquant les raccourcis habituels dans l’environnement de test : accès internet coupé, historique Git supprimé, fichiers en cache retirés. Le modèle de langage chargé de vérifier les réponses devait aussi repérer les astuces de triche. Ce n’est pas très glamour, mais c’est souvent là que se joue la différence entre une démo et un outil utile.
Des résultats proches des leaders américains sur plusieurs benchmarks
Sur Terminal Bench v2.1, LongCat-2.5 obtient 88,4 points, derrière Claude Opus 5 à 89,1 et GPT-5.6 Sol à 88,8, selon les chiffres publiés par Meituan. Deepseek-V4.1-Flash est premier de ce tableau avec 90,6 points. Sur Terminal Bench v4.0, la version plus difficile, le modèle atteint 38,5 points, devant GPT-5.6 Sol à 37,3, mais loin d’Opus 5 à 53,9. Meituan indique aussi 91,9 points sur BrowseComp, son meilleur score dans les tests publiés, mais ce résultat a été obtenu dans son propre environnement [à vérifier].
Le progrès le plus net apparaît sur DeepSWE, un test consacré à la correction de bugs dans de vrais dépôts de code. LongCat-2.5 passe de 9,7 à 64,6 points, selon la comparaison interne fournie par Meituan. Le bond est net. Les benchmarks ne racontent jamais toute l’histoire, mais ils donnent ici une chose claire : le modèle a franchi un cap sur les tâches d’ingénierie logicielle.
Le pari du matériel chinois change la donne industrielle
Meituan met aussi en avant un déploiement de référence sur 194 accélérateurs Huawei Ascend de la série Atlas A2. Deux servent au traitement d’images, 64 à l’ingestion des prompts et 128 à la génération des réponses. Aucune recommandation Nvidia n’apparaît dans le guide de self-hosting. Dans un contexte où les chaînes d’approvisionnement restent sensibles, ce détail est tout sauf décoratif.
La société dit avoir quantifié les poids et activations des experts en 4 bits, un format plus compact qui améliore le débit sur ces puces. Dans ses tests de charge, le throughput progresse de 43,3 % pour le traitement des prompts et de 42,77 % pour la génération des réponses par rapport à une version 8 bits, tout en gardant une précision comparable selon Meituan. L’entreprise a aussi publié les poids sous licence MIT, ce qui autorise l’usage commercial, la modification et la redistribution.
Une diffusion large, et un signal pour le marché des modèles ouverts
LongCat-2.5 est accessible via une interface de chat sur longcat.ai et via une API compatible avec les formats OpenAI et Anthropic. Le modèle s’intègre aussi à des outils d’agents comme Claude Code, Codex et Hermes. Au lancement, Meituan facture un prix promotionnel d’environ 0,27 euro par million de jetons en entrée et 1,07 euro par million de jetons en sortie. L’entreprise avait déjà présenté LongCat-2.0, entraîné fin juin sur plus de 50 000 puces d’IA chinoises, après une période de test sous le nom « Owl Alpha » sur OpenRouter.
La portée du lancement dépasse donc la seule fiche technique. En montrant qu’un modèle agent avancé peut être entraîné et déployé sur du matériel chinois, Meituan envoie un message au marché : l’open weight n’est plus seulement une affaire de taille de modèle, mais aussi d’infrastructure disponible. Pour les développeurs et les entreprises, cela ouvre une option supplémentaire. Pour les fournisseurs de puces, aussi.
Points clés
- 1,6 trillion de paramètres pour LongCat-2.5.
- 48 milliards de paramètres actifs par jeton.
- 194 puces Huawei Ascend dans le déploiement type.
- 88,4 points sur Terminal Bench v2.1.
- Licence MIT pour un usage commercial.
- Meituan publie LongCat-2.5 le 15 novembre 2026.
En chiffres
- 1,6 trillion de paramètres — taille totale du modèle LongCat-2.5, selon Meituan.
- 48 milliards de paramètres actifs — portion mobilisée par jeton dans cette architecture mixture-of-experts.
- 194 puces Huawei Ascend — configuration du cluster de référence décrite par Meituan.
- 88,4 points — score de LongCat-2.5 sur Terminal Bench v2.1, selon Meituan.
- 0,27 euro / 1,07 euro par million de jetons — prix promotionnels annoncés au lancement.