Meituan, китайський технологічний конгломерат, найбільш відомий на міжнародному рівні своєю імперією з доставки їжі, випустив LongCat-2.0, модель штучного інтелекту з 1,6 трильйонами параметрів, спеціально створену для агентної розробки програмного забезпечення. Реліз, анонсований 30 червня 2026 року, примітний не лише своїм масштабом, але й тим, як він був розроблений: повністю на китайських чіпах вітчизняного виробництва, без прискорювачів Nvidia чи AMD у розробці.
Цей крок сприймається як найсильніший сигнал того, що експортний контроль США над вдосконаленим кремнієм штучного інтелекту не перешкоджає китайським компаніям виробляти моделі передового класу. Численні видання, зокрема South China Morning Post, Reuters і VentureBeat, повідомили про запуск, а Crypto Briefing описує LongCat-2.0 як одну з найбільших моделей кодування з відкритим вихідним кодом, коли-небудь створених. For more context on this story, see our ongoing breaking AI news.
Модель суміші експертів, створена для агентів
LongCat-2.0 використовує архітектуру Mixture of Experts (MoE), тобто він не активує всі 1,6 трильйона параметрів за кожним запитом. Замість цього він динамічно направляє кожен токен приблизно через 33-56 мільярдів активних параметрів, зберігаючи його набагато ефективнішим, ніж щільна модель порівнянного розміру, зберігаючи розгалужену базу знань, з якої можна черпати.
Ця ефективність має значення для вартості. Конструкції MoE стали домінуючою архітектурою для великомасштабних моделей саме тому, що вони відокремлюють загальну потужність від обчислень за запитом, дозволяючи лабораторіям відправляти дуже великі моделі, не стягуючи з клієнтів плату за кожен параметр за кожен дзвінок.
Модель підтримує контекстне вікно в 1 мільйон токенів, достатньо велике, щоб отримати всю значну кодову базу та обміркувати її за один прохід — можливість, яка все більше вимагається автономними агентами кодування, які повинні мати на увазі цілі сховища, а не працювати файл за файлом.
Еталонні показники та використання в реальному світі
Згідно з Crypto Briefing, у тестах, призначених для вимірювання реальної розробки програмного забезпечення, LongCat-2.0 отримав оцінку 59,5 на SWE-bench Pro і 70,8 на Terminal-Bench. Ці пакети оцінювання перевіряють, наскільки добре моделі справляються з заплутаними, багатоетапними викликами справжньої роботи з розробки — виправлення помилок, написання функцій, навігація по існуючому коду — замість простих одноразових головоломок програмування.
VentureBeat окремо відзначив, що модель була «лідером OpenRouter», популярного багатомодельного шлюзу API, у рейтингу агентного кодування перед офіційним випуском з відкритим кодом. OpenRouter об’єднує понад 400 моделей від понад 60 постачальників, і його дані про використання широко розглядаються як галузевий барометр того, які моделі розробники фактично вирішують використовувати.
Тренувався на 50 000 вітчизняних фішках
Деталь, яка привертає найбільшу увагу, - це фурнітура. Meituan сказав, що тренував і запускав LongCat-2.0 на домашньому обчислювальному кластері з 50 000 карт, повністю побудованому з прискорювачів китайського виробництва. Відповідно до Crypto Briefing, це означає, що на жодному етапі навчання не використовувалися ні Nvidia A100, ні H100, ні AMD MI300X — чистий відрив від апаратного забезпечення, яке стало основою розробки більшості великих моделей у всьому світі.
Meituan стверджує, що кластер із 50 000 карт є першим у такому масштабі для внутрішнього китайського обладнання. Навчання було завершено, незважаючи на експортний контроль США, який систематично обмежував доступ Китаю до передових чіпів штучного інтелекту з кінця 2022 року. Аналітики кажуть, що наслідком цього є те, що важелі контролю зменшуються, оскільки китайські виробники мікросхем та їхні клієнти скорочують розрив у продуктивності.
Вага доступна на Hugging Face
Дотримуючись фреймінгу з відкритим вихідним кодом, Meituan опублікував ваги моделі та допоміжні ресурси на Hugging Face під організацією «meituan-longcat». Це знижує бар’єр для розробників і дослідників, які хочуть точно налаштувати модель для корпоративних кодових баз, аудиту безпеки чи автоматичного налагодження, але ніколи не можуть дозволити собі навчати щось порівнянне з нуля.
Відкритий випуск також входить безпосередньо в екосистему агентного кодування, де моделі відкритих ваг можна самостійно розміщувати, перевіряти та модифікувати без витрат на кожен токен і проблем із обробкою даних, які постають із власними API — це важливе зауваження для підприємств, які обережно надсилають власний код у сторонню хмару.
Швидка модельна лінія
LongCat-2.0 не з'явився відразу. Родовід бере свій початок від LongCat-Flash, моделі з 560 мільярдами параметрів, випущеної у вересні 2025 року, а потім LongCat-Next, мультимодального варіанту, у березні 2026 року. Нова версія майже втричі перевищує кількість параметрів своєї попередниці менш ніж за рік, що відображає шалену швидкість, з якою китайські лабораторії зараз ітерують на фундаменті. моделі.
Запуск також відбувся на тлі ширшої перестановки глобальної таблиці лідерів моделей, у якій китайські системи зросли в реальному використанні розробниками та тепер займають перше місце в рейтингах споживання токенів на платформах агрегаторів.
Що це означає для дебатів щодо контролю мікросхем
Для політиків у Вашингтоні LongCat-2.0 є незручною точкою даних. Головною передумовою стратегії експортного контролю є те, що відмова в доступі до передових чіпів уповільнить розвиток ШІ в Китаї. Кожна модель, успішно навчена на вітчизняному апаратному забезпеченні, послаблює цю передумову, припускаючи, що обмеження можуть прискорювати ту саму самодостатність, якій вони мали запобігти.
Сам Мейтуан вразив розміреним публічним тоном. Засновник і виконавчий директор Ван Сін нещодавно підтвердив прихильність компанії інвестиціям у штучний інтелект, підкресливши, що вона не буде «сліпо інвестувати понад свої фінансові можливості», згідно з повідомленнями, опублікованими Futu.
Наразі висновок для розробників є конкретним: майже передову модель кодування з мільйонами токенів можна безкоштовно завантажити, і вона була створена без жодного обмеженого американського чіпа. Незалежно від того, чи відповіли американські лабораторії дешевшими відкритими вагами, жорсткішим контролем або поновленим поштовхом до сирої продуктивності, конкурентний ландшафт знову змінився.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
