Meituan publica como código abierto LongCat-2.0, un modelo de IA de 1,6 billones de parámetros entrenado con chips chinos

LongCat-2.0 de Meituan demuestra que se puede entrenar IA de frontera sin GPU de Nvidia, utilizando 50.000 ASIC domésticos chinos en su lugar.

LongCat-2.0 de Meituan, un modelo de código abierto de 1,6 billones de parámetros entrenado íntegramente con ASIC domésticos chinos, amenaza con reconfigurar la cadena de suministro global de hardware de IA al demostrar que las GPU de Nvidia ya no son obligatorias para el entrenamiento a escala de frontera.

"LongCat-2.0 demuestra que se puede alcanzar un rendimiento de IA cercano al de frontera sin acceso a GPU occidentales avanzadas", declaró Wang Xing, fundador y director ejecutivo de Meituan.

El modelo activa un promedio de 48.000 millones de parámetros por token —oscilando entre 33.000 y 56.000 millones según la complejidad de la consulta— y admite una ventana de contexto de 1 millón de tokens. En SWE-bench Pro, obtuvo una puntuación de 59,5, superando a GPT-5.5 de OpenAI con 58,6, aunque va por detrás de Claude Opus 4.8 de Anthropic en puntos de referencia de agente más amplios. El precio estándar de la API se fija en 0,75 USD por cada millón de tokens de entrada y 2,95 USD por millón de tokens de salida, con una promoción por tiempo limitado que reduce esas tarifas a 0,30 USD y 1,20 USD respectivamente —por debajo de los 5 USD y 30 USD por millón de tokens de GPT-5.5.

El lanzamiento llega en un momento en que Washington restringe el acceso a los mejores modelos estadounidenses, con OpenAI obligada a limitar el acceso a GPT-5.6 y Anthropic recibiendo la orden de retirar Claude Fable 5. Para los desarrolladores globales que enfrentan crecientes costos de API debido a los laboratorios occidentales cerrados, LongCat-2.0 ofrece una alternativa más barata y de licencia abierta —y para Nvidia, demuestra que el canal de adquisición anual de GPU de China, de más de 10.000 millones de dólares, puede enfrentar competencia estructural por parte del silicio doméstico.

Cómo construyó Meituan un modelo de billón de parámetros con silicio doméstico

El clúster de entrenamiento comprendía más de 50.000 ASIC de producción nacional organizados en superpods, utilizando la biblioteca de comunicación colectiva de Huawei para gestionar la coordinación entre chips, un sustituto directo del paquete de software NCCL de Nvidia. Meituan afirmó que la ejecución de preentrenamiento, que abarcó más de 35 billones de tokens, finalizó "sin retrocesos ni picos de pérdida irrecuperables", una declaración de estabilidad que importa dado lo frecuente que es que grandes ejecuciones de entrenamiento en hardware no probado fallen a medio camino. V4-Pro de DeepSeek, en comparación, utilizó chips Huawei solo para inferencia mientras que el preentrenamiento se ejecutó en hardware de Nvidia —lo que convierte a LongCat-2.0 en el primer modelo de billón de parámetros en completar tanto el entrenamiento como la inferencia en aceleradores domésticos chinos.

La arquitectura utiliza un diseño de Mezcla de Expertos con Atención Dispersa LongCat, una evolución del mecanismo de atención dispersa de DeepSeek que resuelve los costos de puntuación cuadrática mediante tres técnicas: indexación consciente de flujo para acceso de memoria fusionado, indexación entre capas que amortiza los costos de cálculo entre capas adyacentes, e indexación jerárquica que aplica un diseño de puntuación de dos etapas de grueso a fino. Un módulo de Incrustación de N-gramas añade 135.000 millones de parámetros a un marco de combinación de tokens de 5 gramas, expandiendo el espacio de incrustación central aproximadamente 100 veces y permitiendo al modelo capturar relaciones densas de tokens locales mientras reduce los cuellos de botella de entrada y salida de memoria.

Después del entrenamiento, Meituan aplicó un marco de Optimización Multi-Maestro mediante Mezcla de Expertos Especializados que separa el post-entrenamiento en tres clústeres independientes: Expertos en Agentes para invocación de herramientas y bucles de autocorrección, Expertos en Razonamiento para lógica de múltiples saltos y matemáticas, y Expertos en Interacción para alineación humana y barreras de seguridad. Un mecanismo de enrutamiento de puerta dinámico fusiona estos comportamientos especializados en tiempo de ejecución, permitiendo al modelo coordinar razonamiento profundo, ejecución estable de herramientas e interacción segura simultáneamente.

Precios que socavan a los rivales occidentales

La estrategia comercial de Meituan apunta al mercado de desarrolladores sensibles al costo que los laboratorios occidentales han cedido mediante aumentos de precios. Los aciertos en caché de contexto se procesan de forma gratuita —una característica que altera la economía de los flujos de trabajo de codificación de agentes donde un modelo lee repetidamente el mismo repositorio de código de millones de tokens. Para los aciertos sin caché, los precios promocionales por tiempo limitado de 0,30 USD por millón de tokens de entrada y 1,20 USD por millón de tokens de salida posicionan a LongCat-2.0 cerca de las tarifas permanentes de DeepSeek V4-Pro de 0,435 USD y 0,87 USD y de MiMo-V2.5 Flash de Xiaomi a 0,10 USD y 0,30 USD. El precio estándar de 0,75 USD y 2,95 USD sigue estando por debajo de Google Gemini 3.1 Pro Preview a 2 USD y 12 USD por millón de tokens para ventanas de contexto de menos de 200.000 tokens.

El modelo pasó dos meses ejecutándose de forma anónima en OpenRouter bajo el alias Owl Alpha, donde representó aproximadamente 10,1 billones de tokens mensuales —un aumento intermensual del 242% que lo impulsó al top tres global de la plataforma. Para cuando Meituan se presentó, el modelo había asegurado el primer lugar en el espacio de trabajo Hermes Agent, el segundo lugar en despliegues de Claude Code y el tercer lugar en entornos OpenClaw. En Terminal-Bench 2.1, obtuvo una puntuación de 70,8, y en SWE-bench Multilingüe alcanzó 77,3, mientras que en el simulador general de flujo de trabajo corporativo FORTE obtuvo 73,2 —empatado con Claude Opus 4.6 pero por detrás de GPT-5.5 con 77,8.

Perspectiva de inversión

Para los inversores, las implicaciones tienen dos vertientes. Las acciones de Nvidia, que cotizan con múltiplos elevados bajo el supuesto de que su liderazgo en software y hardware CUDA es inexpugnable, ahora enfrentan un desafío creíble por parte de los clústeres de ASIC chinos que pueden ofrecer un rendimiento competitivo a menor costo. Meituan, por su parte, se ha transformado de una superapp de reparto de comida con 770 millones de usuarios transaccionales anuales en un proveedor fundamental de infraestructura de IA —un giro que podría abrir nuevas fuentes de ingresos más allá de su negocio principal de logística. La empresa no ha revelado el costo total del clúster de entrenamiento, pero el despliegue exitoso de 50.000 aceleradores domésticos a escala sugiere que el sector de chips de IA de China ha alcanzado un nivel de madurez que pocos analistas occidentales habían anticipado. Como señaló el analista Yuchen Jin en X, este desarrollo se hace eco de la propia observación del director ejecutivo de Nvidia, Jensen Huang, de que los controles de exportación de GPU "no detendrán a China —solo acelerarán el desarrollo de IA que funcione con chips chinos".

Este artículo es solo para fines informativos y no constituye asesoramiento de inversión.