LongCat-2.0

2026-06-29 · Éditeur : Meituan · Domaine : Intelligence Artificielle

Meituan annonce LongCat-2.0, un modèle à experts de 1,6 billion de paramètres dont environ 48 milliards actifs, sous licence MIT, avec un million de tokens de contexte, entraîné sur des ASIC chinois.

Meituan annonce LongCat-2.0, un modèle à experts de 1,6 billion de paramètres dont environ 48 milliards actifs, sous licence MIT, avec un million de tokens de contexte, entraîné sur des ASIC chinois. ### Contexte LongCat-2.0 succède à LongCat-Flash (septembre 2025) et à ses variantes Thinking, Omni et Lite. Il vise la classe des modèles fermés de pointe de l'été 2026 : Gemini 3.1 Pro, GPT-5.5 et les Claude Opus 4.6 à 4.8, que la fiche utilise comme comparaison. L'annonce date du 29 juin ; les poids sont sur Hugging Face depuis le début de juillet. ### Ce que le modèle apporte - Attention creuse LongCat (LSA) : trois améliorations de l'indexeur de DeepSeek Sparse Attention (indexation adaptée au flux mémoire, indexation partagée entre couches, indexation hiérarchique de grossier à fin) pour rendre le contexte long moins coûteux. - Embeddings n-gram : 135 milliards de paramètres de plongements de n-grammes, hérités de LongCat-Flash-Lite, pour augmenter la capacité dans une dimension creuse autre que celle des experts. - Entraînement sur AI ASIC : l'entraînement complet et le déploiement à grande échelle ont eu lieu sur des superpods d'accélérateurs ASIC, sans retour en arrière ni pic de perte irrécupérable, selon la fiche ; la presse rapporte plus de 50 000 accélérateurs chinois et aucun GPU NVIDIA ou AMD. - Contexte de 1 million de tokens : des centaines de milliards de tokens de données à 1 million de tokens ont servi à l'entraînement long. - Intégration dans des harnais d'agents (Claude Code, OpenClaw, Hermes) pour le code au niveau du dépôt et l'exécution de tâches automatisées. ### Architecture et caractéristiques - Architecture : MoE de 1,6 billion de paramètres au total, environ 48 milliards actifs par token, module de prédiction multi-tokens à 3 étapes. - Entraînement : plus de 35 000 milliards de tokens (selon la fiche). Contexte : 1 million de tokens. Modalités : texte. - Licence : MIT sur les poids du modèle. - Poids : meituan-longcat/LongCat-2.0 sur Hugging Face et ModelScope, avec variante FP8 selon la presse. Déploiement GPU et NPU via SGLang. Coupure des connaissances : non communiquée. ### Coût et accès Selon VentureBeat, l'API est proposée en promotion à 0,30 dollar par million de tokens en entrée et 1,20 dollar en sortie, puis à un tarif standard de 0,75 et 2,95 dollars, avec cache gratuit. Des agrégateurs recommandent 16 GPU H20 pour le déploiement (source secondaire, non confirmée par la fiche). | Poste | Prix (USD par million de tokens) | | --- | --- | | Entrée (promotion) | 0,30 | | Sortie (promotion) | 1,20 | | Entrée (standard) | 0,75 | | Sortie (standard) | 2,95 | | Cache atteint | Gratuit | ### Benchmarks | Benchmark | LongCat-2.0 | Gemini 3.1 Pro | GPT-5.5 | Claude Opus 4.7 | Claude Opus 4.8 | | --- | --- | --- | --- | --- | --- | | Terminal-Bench 2.1 | 70,8 | 70,7* | 73,8* | 71,7* | 78,9* | | SWE-bench Pro | 59,5 | 54,2* | 58,6* | 64,3* | 69,2* | | SWE-bench Multilingual | 77,3 | 76,9* | - | 80,5* | 84,8* | | BrowseComp | 79,9 | 85,9* | 84,4* | 79,3* | 84,3* | | GPQA-Diamond | 88,9 | 94,3* | 93,6* | 94,2* | 92,4* | | IFEval | 90,0 | 96,1 | 95,0 | 88,7 | 86,0 | | IMO-AnswerBench | 81,8 | 90,0 | 79,5 | 81,8 | 75,3 | Source : fiche Hugging Face de LongCat-2.0. Scores de LongCat-2.0 mesurés en interne par Meituan ; * : valeur citée du rapport officiel du modèle concerné, sinon mesurée par Meituan sous un harnais unifié. ### Face aux modèles fermés Sur le code d'agent, LongCat-2.0 se situe dans la fourchette des modèles fermés de pointe cités : 59,5 à SWE-bench Pro, devant Gemini 3.1 Pro (54,2) et GPT-5.5 (58,6), mais derrière Claude Opus 4.7 (64,3) et Opus 4.8 (69,2) ; à Terminal-Bench 2.1, 70,8, à égalité avec Gemini 3.1 Pro (70,7) et à 1 point d'Opus 4.7 (71,7). L'écart est plus net sur les connaissances (GPQA-Diamond 88,9 contre 92,4 à 94,3 pour les quatre modèles fermés) et sur BrowseComp (79,9 contre 79,3 à 85,9, dans la même fourchette qu'Opus 4.7). À IMO-AnswerBench, il est devant GPT-5.5 et Opus 4.8 (81,8 contre 79,5 et 75,3). La fiche présente les Opus 4.6 à 4.8 comme références, et VentureBeat écrit que le modèle reste en retrait des systèmes premium comme Claude Opus 4.8 sur des benchmarks plus larges. Côté prix, 2,95 dollars par million de tokens en sortie au tarif standard, d'après VentureBeat, est le seul repère ; les tarifs des modèles fermés ne sont pas relevés ici. Pour un choix ouvert ou fermé, l'intérêt est double : un poids ouvert de la classe du billion sous MIT, et un entraînement réalisé sans GPU américains, argument de souveraineté matérielle. ### À retenir LongCat-2.0 porte Meituan de 560 milliards à 1,6 billion de paramètres, avec un contexte d'un million de tokens et une licence MIT. Selon les chiffres de l'éditeur, il est proche de GPT-5.5 et de Gemini 3.1 Pro en code d'agent mais derrière Claude Opus 4.7 et 4.8.

Tags : LLM, Open Source, Meituan, LongCat, MIT, MoE, 1,6 T