Meituan avasi LongCat-2.0:n, yhden suurimmista koskaan julkaistuista avoimen lähdekoodin koodausmalleista. Malli pakkaa 1,6 biljoonaa parametria Mixture of Experts (MoE) -arkkitehtuuriin, joka on suunniteltu erityisesti agenttipohjaiseen koodaukseen. Erityistä on, että malli koulutettiin kokonaan kiinalaisilla piireillä.
Cryptobriefingin mukaan malli julkaistiin 30. kesäkuuta 2026. Meituan tunnetaan parhaiten ruokalähetyksistä, mutta yhtiö on rakentanut kokonaisen malliperheen: LongCat-Flash syyskuussa 2025, multimodaalinen LongCat-Next maaliskuussa 2026 ja nyt LongCat-2.0. Uusin malli lähes kolminkertaistaa edeltäjänsä parametrimäärän alle vuodessa.
Mittakaava ja MoE-arkkitehtuuri
LongCat-2.0 on Mixture of Experts -malli, mikä tarkoittaa, ettei se aktivoi kaikkia 1,6 biljoonaa parametriaan jokaisella tokenilla. Sen sijaan malli aktivoi dynaamisesti noin 33–56 miljardia parametria kutakin tokenia kohti. Malli on valtava, mutta se käyttää vain tehtävään tarvittavat osat.
Tämä tekee mallista huomattavasti tehokkaamman kuin vastaavan kokoinen tiheä malli olisi. MoE-arkkitehtuuri on noussut suurten mallien vakioratkaisuksi juuri siksi, että se erottaa kokonaisparametrimäärän ja laskennallisen kuorman toisistaan. Käyttäjä saa suuren mallin kapasiteetin ilman suuren mallin ajokustannuksia.
Parametrimäärä asettaa LongCat-2.0:n avointen mallien kärkeen koon puolesta. Vertailun vuoksi edeltäjä LongCat-Flash oli 560 miljardin parametrin malli. Kasvu on ollut nopeaa.
Koulutus kiinalaisilla piireillä
Julkistuksen huomionarvoisin yksityiskohta on laitteisto. Meituan koulutti ja ajoi mallin kokonaan kotimaisella laskentaklusterilla. Mukana ei ollut Nvidian A100- tai H100-piirejä eikä AMD:n MI300X-piirejä. Koko koulutusputki nojasi kiinalaisvalmisteiseen laitteistoon.
Tämä on merkittävää laajemman teknologiakilpailun kannalta. Yhdysvaltain vientirajoitukset ovat rajanneet kiinalaisten yritysten pääsyä huippuluokan tekoälypiireihin. LongCat-2.0 osoittaa, että biljoonan parametrin luokan malli on mahdollista kouluttaa kotimaisella laitteistolla.
Käytännön suorituskyvyn osoittaminen on erillinen kysymys benchmark-tuloksista. Silti pelkkä koulutuksen läpivienti tässä mittakaavassa kotimaisilla piireillä on tekninen näyttö.
Avoin saatavuus kehittäjille
Malli on saatavilla Hugging Facessa, mikä laskee kokeilun kynnystä kehittäjille ja tutkijoille. Tämän kokoluokan mallin hienosäätö omiin käyttötarkoituksiin muuttuu todelliseksi vaihtoehdoksi tiimeille, joilla ei olisi varaa kouluttaa vastaavaa tyhjästä.
Käyttökohteita ovat esimerkiksi yrityskoodikannat, tietoturva-auditointi ja automatisoitu virheenkorjaus. Avoin saatavuus tarkoittaa, että malli voidaan ajaa omassa infrastruktuurissa ilman riippuvuutta ulkoisesta rajapinnasta. Tämä on tärkeää organisaatioille, joilla on tiukat tietosuojavaatimukset.
LongCat-2.0 on suunniteltu erityisesti agenttipohjaiseen koodaukseen. Se asettuu samaan joukkoon muiden viimeaikaisten avointen koodausmallien kanssa, jotka pyrkivät haastamaan suljetut lippulaivamallit ohjelmistotyössä.
Mitä tämä merkitsee markkinoille
Avointen koodausmallien virta on ollut viime kuukausina tiheä. LongCat-2.0 erottuu joukosta koollaan ja laitteistotarinallaan. Kun 1,6 biljoonan parametrin malli julkaistaan avoimena, kilpailu suljettujen mallien kanssa kiristyy hinnan ja saatavuuden osalta.
Kehittäjille runsaus tarkoittaa aitoa valinnanvaraa. Malli, jonka voi ladata, hienosäätää ja ajaa itse, muuttaa laskelmia verrattuna kuukausimaksullisiin rajapintoihin. Samalla ylläpito ja laskentakustannukset siirtyvät käyttäjän vastuulle.
Kiinalaisilla piireillä koulutettu huippumalli on myös signaali. Se kertoo, ettei tekoälykehityksen keskittyminen yhteen laitteistoekosysteemiin ole itsestäänselvyys. Kilpailu käydään yhä useammalla rintamalla.
Yhteenveto
LongCat-2.0 yhdistää poikkeuksellisen mittakaavan, avoimen lisenssin ja kotimaisen laitteiston tarinan. Kehittäjille se tarjoaa uuden, itse ajettavan vaihtoehdon agenttipohjaiseen koodaukseen. Laajemmin malli osoittaa, että avoimet mallit ja vaihtoehtoinen laitteisto muokkaavat tekoälykilpailua yhä nopeammin.