Meituan, det kinesiska teknologikonglomeratet som är mest känt internationellt för sitt imperium för matleveranser, har släppt och släppt LongCat-2.0 med öppen källkod, en artificiell intelligensmodell med 1,6 biljoner parametrar, specialbyggd för agentprogramvaruutveckling. Releasen, som tillkännagavs den 30 juni 2026, är känd inte bara för sin skala utan för hur den tränades: helt på inhemskt producerade kinesiska chips, utan Nvidia- eller AMD-acceleratorer i pipelinen.
Flytten läses som den starkaste signalen hittills om att USA:s exportkontroller av avancerad AI-kisel misslyckas med att förhindra kinesiska företag från att producera frontier-class-modeller. Flera butiker, inklusive South China Morning Post, Reuters och VentureBeat, rapporterade lanseringen, med Crypto Briefing som beskriver LongCat-2.0 som en av de största öppen källkodsmodeller som någonsin byggts. For more context on this story, see our ongoing AI industry coverage.
En blandning av experter-modell byggd för agenter
LongCat-2.0 använder en Mixture-of-Experts (MoE) arkitektur, vilket innebär att den inte aktiverar alla 1,6 biljoner parametrar på varje begäran. Istället dirigerar den varje token dynamiskt genom ungefär 33 miljarder till 56 miljarder aktiva parametrar, vilket håller den mycket mer effektiv än en jämförbar storlek tät modell samtidigt som den behåller en spretig kunskapsbas att dra ifrån.
Den effektiviteten har betydelse för kostnaden. MoE-designer har blivit den dominerande arkitekturen för storskaliga modeller just för att de frikopplar den totala kapaciteten från beräkningen per fråga, vilket gör det möjligt för laboratorier att skicka mycket stora modeller utan att debitera kunder för varje parameter vid varje samtal.
Modellen stöder ett kontextfönster på 1 miljon tokens, tillräckligt stort för att ta in en hel betydande kodbas och resonera över den i ett enda pass – en förmåga som i allt högre grad efterfrågas av autonoma kodningsagenter som måste hålla hela arkiv i åtanke snarare än att arbeta fil för fil.
Benchmarks och verklig användning
På benchmarks utformade för att mäta verklig mjukvaruteknik, publicerade LongCat-2.0 en poäng på 59,5 på SWE-bench Pro och 70,8 på Terminal-Bench, enligt Crypto Briefing. Dessa utvärderingssviter testar hur väl modellerna hanterar de stökiga utmaningarna i flera steg med genuint utvecklingsarbete – att fixa buggar, skriva funktioner, navigera i befintlig kod – snarare än enkla enkla programmeringspussel.
VentureBeat noterade separat att modellen hade "ledande OpenRouter", den populära API-gatewayen för flera modeller, i agentkodningsrankningar inför dess formella frisläppning av öppen källkod. OpenRouter samlar mer än 400 modeller från över 60 leverantörer och dess användningsdata behandlas allmänt som en branschbarometer för vilka modeller utvecklare faktiskt väljer att köra.
Tränad på 50 000 inhemska marker
Detaljen som drar mest uppmärksamhet är hårdvaran. Meituan sa att den tränade och körde LongCat-2.0 på ett 50 000-korts inhemskt datorkluster byggt helt av kinesiskt tillverkade acceleratorer. Enligt Crypto Briefing betyder det att inga Nvidia A100s eller H100s och inga AMD MI300X-enheter användes i något skede av utbildningen - ett rent avbrott från hårdvaran som har drivit den mesta utvecklingen av stora modeller världen över.
Meituan hävdar att klustret med 50 000 kort representerar en första i denna skala för inhemsk kinesisk hårdvara. Utbildningskörningen slutfördes trots amerikanska exportkontroller som systematiskt har begränsat Kinas tillgång till banbrytande AI-chips sedan slutet av 2022. Innebörden, säger analytiker, är att kontrollernas hävstångseffekt urholkas när kinesiska chiptillverkare och deras kunder minskar prestandagapet.
Vikter tillgängliga på Hugging Face
I enlighet med inramningen med öppen källkod har Meituan publicerat modellvikterna och stödresurserna på Hugging Face under organisationen "meituan-longcat". Det sänker barriären för utvecklare och forskare som vill finjustera modellen för företagskodbaser, säkerhetsgranskning eller automatiserad felsökning men som aldrig har råd att träna något jämförbart från grunden.
Den öppna versionen matas också direkt in i det agentkodande ekosystemet, där modeller med öppen vikt kan vara självvärd, granskas och modifieras utan de per-tokenkostnader och datahanteringsproblem som kommer med proprietära API:er – en viktig faktor för företag som är försiktiga med att skicka proprietär kod till ett tredjepartsmoln.
En snabb modell härstamning
LongCat-2.0 dök inte upp över natten. Härstamningen går tillbaka till LongCat-Flash, en modell med 560 miljarder parametrar som släpptes i september 2025, följt av LongCat-Next, en multimodal variant, i mars 2026. Den nya utgåvan nästan tredubblar parameterantalet för sin föregångare på mindre än ett år, vilket återspeglar den rasande utvecklingen i den kinesiska modellen nu.
Lanseringen kommer också mitt i en bredare ombildning av den globala modelltavlan, där kinesiska system har ökat i verklig utvecklingsanvändning och nu topprankningar för tokenkonsumtion på aggregatorplattformar.
Vad det betyder för chipkontrolldebatten
För beslutsfattare i Washington är LongCat-2.0 en obekväm datapunkt. Den centrala utgångspunkten för exportkontrollstrategin har varit att nekad tillgång till ledande chips skulle bromsa Kinas AI-framsteg. Varje modell som tränats framgångsrikt på inhemsk hårdvara försvagar den premissen, vilket tyder på att begränsningarna kan påskynda själva självförsörjningen de var tänkta att förhindra.
Meituan själv har slagit en mätt offentlig ton. Grundaren och verkställande direktören Wang Xing upprepade nyligen företagets engagemang för AI-investeringar samtidigt som de betonade att det inte skulle "blint investera utöver sin finansiella kapacitet", enligt rapporter från Futu.
Tills vidare är det konkreta tipset för utvecklare: en kodningsmodell nära gränsen, miljoner tokens kodningsmodell är fritt nedladdningsbar, och den byggdes utan ett enda begränsat amerikanskt chip. Oavsett om amerikanska laboratorier svarar med billigare öppna vikter, snävare kontroller eller en förnyad satsning på rå prestanda, har konkurrensbilden bara förändrats igen.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
