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

Meituan afirma haber entrenado el modelo de 1,6 billones de parámetros con hardware chino, evitando por completo las GPU de Nvidia. La compañía es la plataforma más grande de China para servicios locales y entrega de comida a domicilio.

El lanzamiento coincide con la continua transformación de la forma en que las empresas chinas desarrollan IA a gran escala, debido a los controles de exportación estadounidenses. Meituan entrenó LongCat-2.0 en superpods ASIC nacionales. La compañía presenta el modelo como prueba de que las empresas chinas pueden alcanzar una escala de vanguardia sin los chips CUDA de Nvidia.

LongCat-2.0 funciona con un diseño de mezcla dispersa de expertos

LongCat-2.0 utiliza una arquitectura de mezcla de expertos dispersa. DeepSeek y Mixtral de Mistral emplean este mismo enfoque general. En lugar de procesar simultáneamente los 1,6 billones de parámetros, un enrutador interno selecciona un subconjunto de submodelos especializados para cada token. En comparación con un modelo denso del mismo tamaño, este diseño reduce los costos de inferencia.

El modelo incluye una ventana de contexto de un millón de tokens. Tanto DeepSeek-R1-0528 como GPT-OSS de OpenAI tienen un valor máximo de token de 128 000. En las pruebas de rendimiento publicadas, Meituan comparó LongCat-2.0 con los modelos de código cerrado de Google, OpenAI y Anthropic. Hasta el momento, estas afirmaciones no han sido validadas por evaluaciones imparciales de terceros.

Meituan desarrolló LongCat-2.0 para que sirviera como motor de razonamiento principal para agentes de IA y herramientas de codificación. La compañía señaló la comprensión de código, las ediciones en todo el repositorio y la ejecución automatizada de tareas como casos de uso objetivo.

Bernstein estima que Nvidia posee el 40% del mercado chino de chips de IA

Según una estimación de la firma de análisis bursátil Bernstein para 2025, la cuota de mercado de Nvidia en el mercado chino de chips de inteligencia artificial se situó en torno al 40%. Huawei presenta un porcentaje similar. Bernstein predijo que Huawei ganaría terreno este año, lo que provocaría una caída de 8 puntos porcentuales en la cuota de Nvidia.

En cuanto a los clústeres ASIC nacionales, Meituan afirma haber entrenado y optimizado LongCat-2.0. Esto significa que el modelo no necesita el software de Nvidia y puede ejecutarse en hardware ya existente en China. En lugar de configuraciones de terceros aisladas, los "superpods" implican hardware empresarial totalmente integrado.

Ni los dispositivos de consumo ni la mayoría de los sistemas locales podrán gestionar los 1,6 billones de parámetros de LongCat-2.0. Este modelo reside en centros de datos, distribuidos en clústeres de inferencia de alta densidad que utilizan paralelismo de modelos.

El servicio de entrega de comidas es el principal atractivo de Meituan, no su desarrollo de inteligencia artificial de vanguardia. Al adquirir la startup de IA Light Year Beyond por 281 millones de dólares en 2023, la compañía de Pekín incursionó en el sector de la IA. Según SiliconANGLE, no anunció públicamente sus planes para el desarrollo de modelos internos hasta 2025.

MiniMax, otra startup china de IA, recibió el respaldo de Alibaba y miHoYo. Según informes de Cryptopolitan, estos inversores se comprometieron a no vender acciones antes de que expire el período de bloqueo el 9 de julio.

Según Cai Lian She, citado por Cryptopolitan, MiniMax lanzó su propio modelo de contexto de un millón de tokens, M3, a principios de junio de 2026. MiniMax introdujo precios significativamente más bajos que los de los líderes del mercado en Estados Unidos.

Las pruebasdent determinarán la seriedad con la que los desarrolladores fuera de China se toman LongCat-2.0. La optimización para chips nacionales podría limitar el rendimiento en hardware de Nvidia, que aún domina los centros de datos a nivel mundial. Según Meituan, la arquitectura de razonamiento principal sigue siendo portable.