LongCat-2.0: model uriaș antrenat pe hardware chinezesc

Gândește-te la construirea unui model de limbaj colosal fără niciun card Nvidia în rack. Ciudat? Nu și acum. Meituan a lansat discret LongCat-2.0, un gigant open-source care pune la îndoială presupunerile despre ce hardware poate susține cele mai mari sarcini AI.

LongCat-2.0 are aproximativ 1.6 trilioane de parametri și suportă o fereastră de context de circa un milion de tokeni, plasându-l ferm printre cele mai extinse modele de limbaj disponibile. În ceea ce privește scara, creatorii afirmă că se ridică la nivelul unor modele precum DeepSeek-V4-pro, dar titlul nu este despre mărimea brută. Este povestea hardware-ului.

Spre deosebire de eforturile anterioare care se bazau pe cipuri locale doar pentru inferență, Meituan raportează că LongCat-2.0 a finalizat atât antrenarea, cât și inferența pe un stack integral bazat în China. Compania susține că a folosit un cluster de calcul construit din aproximativ 50.000 de plăci grafice chinezești și zeci de mii de ASIC-uri adaptate pentru sarcini AI. Rezultatul: antrenare la scară mare realizată pe alternative hardware la lanțul global de aprovizionare dominat de Nvidia.

Firma nu a dezvăluit familiile exacte de procesoare implicate. Huawei este un candidat evident, dar Meituan nu a numit furnizorii. Acea opacitate contează: compatibilitatea software-ului, maturitatea driverelor și straturile de orchestrare modelează performanța în lumea reală, nu doar cipurile în sine.

LongCat-2.0 marchează un reper în independența hardware, dar capabilitățile sale practice rămân neprobate până la apariția benchmark-urilor independente.

Până acum modelul nu a fost rulat prin suite de evaluare de top precum Artificial Analysis sau Arena, nici prin teste specializate ca Ultimul examen al agenților și CyberGym. Benchmark-urile vor spune dacă antrenarea pe un stack nativ se traduce prin acuratețe, latență și eficiență competitive. Va fi aceasta paritate cu omologii antrenați pe Nvidia, sau un compromis diferit în totalitate?

Implicația mai largă este clară: ecosistemul chinez testează dacă cipurile alternative și clusterele interne masive pot susține cercetarea AI de frontieră. Asta ar putea reconfigura presupunerile despre lanțurile de aprovizionare și ar putea stimula inovația locală. Pentru moment, LongCat-2.0 este o dovadă a capacității și un motiv să urmărim rezultatele benchmark-urilor care vor decide dacă este o descoperire majoră sau un experiment interesant.