Meituan، شرکت فناوری چینی که در سطح بین‌المللی برای امپراطوری تحویل غذا شناخته شده است، LongCat-2.0 را با منبع باز منتشر کرده است، یک مدل هوش مصنوعی با 1.6 تریلیون پارامتر که برای مهندسی نرم‌افزار عاملی ساخته شده است. نسخه ای که در 30 ژوئن 2026 اعلام شد، نه تنها به دلیل مقیاس آن، بلکه به دلیل نحوه آموزش آن قابل توجه است: کاملاً بر روی تراشه های چینی تولید داخل، بدون شتاب دهنده های Nvidia یا AMD در خط لوله.

این اقدام به‌عنوان قوی‌ترین سیگنال تاکنون خوانده می‌شود که کنترل‌های صادراتی ایالات متحده بر روی سیلیکون پیشرفته هوش مصنوعی در جلوگیری از تولید مدل‌های کلاس مرزی توسط شرکت‌های چینی شکست خورده است. چندین رسانه، از جمله South China Morning Post، رویترز و VentureBeat، راه اندازی را گزارش کردند و Crypto Briefing LongCat-2.0 را به عنوان یکی از بزرگترین مدل های کدگذاری منبع باز که تا کنون ساخته شده است، توصیف کرد. For more context on this story, see our ongoing latest AI developments.

یک مدل ترکیبی از کارشناسان ساخته شده برای نمایندگان

LongCat-2.0 از معماری Mixture-of-Experts (MoE) استفاده می کند، به این معنی که تمام 1.6 تریلیون پارامتر را در هر درخواست فعال نمی کند. درعوض، هر توکن را به صورت پویا از میان تقریباً 33 تا 56 میلیارد پارامتر فعال هدایت می‌کند و کارایی آن را بسیار بیشتر از یک مدل متراکم با اندازه مشابه حفظ می‌کند و در عین حال پایگاه دانش گسترده‌ای را حفظ می‌کند.

این کارایی برای هزینه مهم است. طرح‌های MoE به معماری غالب برای مدل‌های مقیاس بزرگ تبدیل شده‌اند، دقیقاً به این دلیل که ظرفیت کل را از محاسبات هر پرس و جو جدا می‌کنند و به آزمایشگاه‌ها اجازه می‌دهند مدل‌های بسیار بزرگ را بدون دریافت هزینه برای هر پارامتر در هر تماس از مشتری ارسال کنند.

این مدل از پنجره زمینه ای از 1 میلیون توکن پشتیبانی می کند، به اندازه ای بزرگ که می تواند کل یک پایگاه کد قابل توجه و منطق را در یک گذر واحد دریافت کند - قابلیتی که به طور فزاینده ای توسط عوامل کد نویسی مستقل مورد نیاز است که باید مخازن کامل را در ذهن نگه دارند تا فایل به فایل کار کنند.

معیارها و استفاده در دنیای واقعی

بر اساس گزارش Crypto Briefing، LongCat-2.0 در معیارهای طراحی شده برای سنجش مهندسی نرم افزار در دنیای واقعی، امتیاز 59.5 را در SWE-bench Pro و 70.8 را در Terminal-Bench ثبت کرد. این مجموعه‌های ارزیابی آزمایش می‌کنند که چگونه مدل‌ها به‌جای پازل‌های برنامه‌نویسی ساده، چالش‌های چند مرحله‌ای کار توسعه واقعی - رفع اشکال‌ها، نوشتن ویژگی‌ها، پیمایش کد موجود - را بررسی می‌کنند.

VentureBeat به طور جداگانه اشاره کرد که این مدل پیشرو در OpenRouter، دروازه API چند مدلی محبوب، در رتبه‌بندی‌های کدنویسی نمایندگی قبل از انتشار رسمی منبع باز آن بوده است. OpenRouter بیش از 400 مدل از بیش از 60 ارائه دهنده را جمع آوری می کند و داده های استفاده از آن به طور گسترده به عنوان فشارسنج صنعتی در نظر گرفته می شود که توسعه دهندگان در واقع مدل هایی را برای اجرا انتخاب می کنند.

آموزش روی 50000 تراشه داخلی

جزئیاتی که بیشترین توجه را به خود جلب می کند سخت افزار است. Meituan گفت که LongCat-2.0 را بر روی یک خوشه محاسباتی داخلی 50000 کارتی که به طور کامل از شتاب دهنده های ساخت چین ساخته شده است، آموزش داده و اجرا کرده است. با توجه به Crypto Briefing، این بدان معناست که هیچ واحد Nvidia A100s یا H100s و هیچ واحد AMD MI300X در هیچ مرحله‌ای از آموزش استفاده نشده است - یک جدایی کامل از سخت‌افزاری است که به توسعه بیشتر مدل‌های بزرگ در سراسر جهان کمک کرده است.

Meituan ادعا می کند که خوشه 50,000 کارتی اولین در این مقیاس برای سخت افزار داخلی چین است. این دوره آموزشی با وجود کنترل‌های صادراتی ایالات متحده که دسترسی چین به تراشه‌های هوش مصنوعی پیشرفته را از اواخر سال 2022 محدود کرده بود، تکمیل شد. تحلیلگران می‌گویند که پیامد آن این است که اهرم کنترل‌ها در حال کاهش است زیرا سازندگان تراشه‌های چینی و مشتریانشان شکاف عملکرد را کاهش می‌دهند.

وزنه های موجود در صورت در آغوش گرفتن

مطابق با چارچوب متن باز، Meituan وزن مدل و منابع پشتیبانی را در Hugging Face تحت سازمان "meituan-longcat" منتشر کرده است. این مانع را برای توسعه دهندگان و محققانی که می خواهند مدل را برای پایگاه های کد سازمانی، ممیزی امنیتی یا اشکال زدایی خودکار تنظیم کنند، کاهش می دهد، اما هرگز نمی توانند چیزی قابل مقایسه را از ابتدا آموزش دهند.

نسخه باز همچنین مستقیماً به اکوسیستم کدگذاری عاملی وارد می‌شود، جایی که مدل‌های وزن باز را می‌توان بدون هزینه‌های هر توکن و نگرانی‌های مربوط به رسیدگی به داده‌ها که با APIهای اختصاصی همراه است، میزبانی کرد، حسابرسی و اصلاح کرد - این نکته قابل توجهی برای شرکت‌هایی است که مراقب ارسال کد اختصاصی به ابر شخص ثالث هستند.

تبار مدل سریع

LongCat-2.0 یک شبه ظاهر نشد. این نسب به LongCat-Flash، یک مدل با 560 میلیارد پارامتر که در سپتامبر 2025 منتشر شد، بازمی‌گردد، به دنبال آن LongCat-Next، یک نوع چندوجهی، در مارس 2026. نسخه جدید تقریباً تعداد پارامترهای نسخه قبلی خود را در کمتر از یک سال تقریباً سه برابر می‌کند، که نشان‌دهنده سرعت سرسام‌آور مدل‌های چینی است.

این راه‌اندازی همچنین در بحبوحه تغییر گسترده‌تر تابلوی مدل‌های جهانی انجام می‌شود، که در آن سیستم‌های چینی در استفاده از توسعه‌دهندگان در دنیای واقعی افزایش یافته‌اند و اکنون رتبه‌بندی‌های مصرف توکن را در پلتفرم‌های تجمیع‌کننده دارند.

برای بحث کنترل چیپ به چه معناست

برای سیاستگذاران در واشنگتن، LongCat-2.0 یک نقطه داده ناراحت کننده است. فرض اصلی استراتژی کنترل صادرات این بوده است که ممانعت از دسترسی به تراشه های پیشرو پیشرفت هوش مصنوعی چین را کند می کند. هر مدلی که با موفقیت بر روی سخت‌افزار داخلی آموزش داده می‌شود، این فرض را تضعیف می‌کند و نشان می‌دهد که محدودیت‌ها ممکن است خودکفایی را تسریع کنند که قرار بود از آن جلوگیری کنند.

Meituan خود لحن عمومی سنجیده‌ای را ایجاد کرده است. وانگ زینگ، بنیانگذار و مدیر اجرایی، اخیراً بر تعهد شرکت به سرمایه گذاری در هوش مصنوعی تاکید کرده است و در عین حال تاکید کرده است که "به طور کورکورانه فراتر از ظرفیت مالی خود سرمایه گذاری نخواهد کرد."

در حال حاضر، نکته اولیه برای توسعه دهندگان مشخص است: یک مدل کدگذاری نزدیک به مرز و میلیون توکن به صورت رایگان قابل دانلود است و بدون یک تراشه آمریکایی محدود ساخته شده است. چه آزمایشگاه‌های ایالات متحده با وزنه‌های باز ارزان‌تر، کنترل‌های سخت‌تر، یا فشار مجدد برای عملکرد خام پاسخ دهند، چشم‌انداز رقابتی دوباره تغییر کرد.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →