Meituan publie en open source LongCat-2.0, un modèle d'IA de 1,6 billion de paramètres entraîné sur des puces chinoises

LongCat-2.0 de Meituan prouve qu'une IA de pointe peut être entraînée sans GPU Nvidia, en utilisant 50 000 ASIC chinois domestiques.

LongCat-2.0 de Meituan, un modèle open source de 1,6 billion de paramètres entièrement entraîné sur des ASIC chinois domestiques, menace de remodeler la chaîne d'approvisionnement mondiale du matériel d'IA en prouvant que les GPU Nvidia ne sont plus obligatoires pour l'entraînement à l'échelle de pointe.

« LongCat-2.0 démontre qu'une performance d'IA quasi-frontière est réalisable sans accès aux GPU occidentaux avancés », a déclaré Wang Xing, fondateur et directeur général de Meituan, dans un communiqué.

Le modèle active en moyenne 48 milliards de paramètres par jeton — allant de 33 à 56 milliards selon la complexité de la requête — et prend en charge une fenêtre de contexte d'un million de jetons. Sur SWE-bench Pro, il a obtenu un score de 59,5, dépassant le GPT-5.5 d'OpenAI à 58,6, bien qu'il soit en retrait par rapport à Claude Opus 4.8 d'Anthropic sur les benchmarks agentiques plus larges. Le prix standard de l'API est fixé à 0,75 $ par million de jetons d'entrée et 2,95 $ par million de jetons de sortie, avec une promotion à durée limitée réduisant ces tarifs à 0,30 $ et 1,20 $ respectivement — sous-cotant les tarifs de GPT-5.5 à 5 $ et 30 $ par million de jetons.

Cette publication intervient alors que Washington restreint l'accès aux meilleurs modèles américains, OpenAI étant contraint de limiter l'accès à GPT-5.6 et Anthropic ayant reçu l'ordre de mettre Claude Fable 5 hors ligne. Pour les développeurs mondiaux confrontés à la hausse des coûts d'API des laboratoires occidentaux verrouillés, LongCat-2.0 offre une alternative moins chère sous licence ouverte — et pour Nvidia, cela montre que la chaîne d'approvisionnement chinoise d'achats de GPU de plus de 10 milliards de dollars par an pourrait faire face à une concurrence structurelle de la part du silicium local.

Comment Meituan a Construit un Modèle à un Billion de Paramètres sur du Silicium Domestique

Le cluster d'entraînement comprenait plus de 50 000 ASIC produits localement, organisés en superpods, utilisant la Huawei Collective Communication Library pour gérer la coordination puce-à-puce — un substitut direct à la pile logicielle NCCL de Nvidia. Meituan a indiqué que l'exécution du pré-entraînement, couvrant plus de 35 billions de jetons, s'est achevée « sans rollback ni pic de perte irrécupérable », une affirmation de stabilité qui importe étant donné la fréquence à laquelle les grands entraînements sur du matériel non éprouvé échouent en cours de route. Le V4-Pro de DeepSeek, par comparaison, utilisait les puces Huawei uniquement pour l'inférence tandis que le pré-entraînement s'effectuait sur du matériel Nvidia — faisant de LongCat-2.0 le premier modèle à un billion de paramètres à avoir réalisé à la fois l'entraînement et l'inférence sur des accélérateurs chinois domestiques.

L'architecture utilise une conception Mixture-of-Experts avec LongCat Sparse Attention, une évolution du mécanisme d'attention sparse de DeepSeek qui résout les coûts de scoring quadratiques grâce à trois techniques : l'indexation sensible au streaming pour un accès mémoire coalescé, l'indexation inter-couches qui amortit les coûts de calcul entre les couches adjacentes, et l'indexation hiérarchique qui applique un scoring en deux étapes du grossier au fin. Un module N-gram Embedding ajoute 135 milliards de paramètres à un cadre de combinaison de jetons à 5-grammes, multipliant par environ 100 l'espace d'embedding principal et permettant au modèle de capturer des relations denses de jetons locaux tout en réduisant les goulots d'étranglement mémoire-entrée-sortie.

Après l'entraînement, Meituan a appliqué un cadre Multi-Teacher Optimization via Mixture of Specialized Experts qui segmente le post-entraînement en trois clusters indépendants : les Agent Experts pour l'invocation d'outils et les boucles d'auto-correction, les Reasoning Experts pour la logique multi-sauts et les mathématiques, et les Interaction Experts pour l'alignement humain et les garde-fous de sécurité. Un mécanisme de routage dynamique à porte fusionne ces comportements spécialisés à l'exécution, permettant au modèle de coordonner simultanément un raisonnement profond, une exécution stable d'outils et une interaction sécurisée.

Une Tarification Qui Sous-Cote les Rivaux Occidentaux

La stratégie commerciale de Meituan cible le marché des développeurs sensibles aux coûts que les laboratoires occidentaux ont abandonné par des hausses de prix. Les hits de cache de contexte sont traités gratuitement — une fonctionnalité qui modifie l'économie des workflows de codage agentiques où un modèle lit à plusieurs reprises le même référentiel de code de plusieurs millions de jetons. Pour les hits non-cache, le prix promotionnel à durée limitée de 0,30 $ par million de jetons d'entrée et 1,20 $ par million de jetons de sortie positionne LongCat-2.0 près des tarifs permanents de DeepSeek V4-Pro (0,435 $ et 0,87 $) et du MiMo-V2.5 Flash de Xiaomi à 0,10 $ et 0,30 $. Les tarifs standards de 0,75 $ et 2,95 $ sous-cotent toujours le Gemini 3.1 Pro Preview de Google à 2 $ et 12 $ par million de jetons pour des fenêtres de contexte inférieures à 200 000 jetons.

Le modèle a fonctionné anonymement pendant deux mois sur OpenRouter sous le pseudonyme Owl Alpha, où il représentait environ 10,1 billions de jetons mensuels — une augmentation de 242 % d'un mois sur l'autre qui l'a propulsé dans le top trois mondial de la plateforme. Au moment où Meituan s'est manifesté, le modèle avait décroché la première place sur l'espace de travail Hermes Agent, la deuxième place sur les déploiements Claude Code et la troisième place dans les environnements OpenClaw. Sur Terminal-Bench 2.1, il a obtenu un score de 70,8, et sur SWE-bench Multilingual, il a atteint 77,3, tandis que sur le simulateur général de flux de travail d'entreprise FORTE, il a obtenu 73,2 — à égalité avec Claude Opus 4.6 mais en retrait par rapport au score de 77,8 de GPT-5.5.

Angle d'Investissement

Pour les investisseurs, les implications sont doubles. Les actions Nvidia, qui se négocient à des multiples élevés en partant du principe que son avance logicielle et matérielle CUDA est inattaquable, font désormais face à un défi crédible de la part des clusters ASIC chinois capables d'offrir des performances compétitives à moindre coût. Meituan, quant à elle, s'est transformée de super app de livraison de repas avec 770 millions d'utilisateurs transacteurs annuels en un fournisseur d'infrastructure d'IA fondamentale — un pivot qui pourrait ouvrir de nouvelles sources de revenus au-delà de son activité logistique principale. La société n'a pas divulgué le coût total du cluster d'entraînement, mais le déploiement réussi de 50 000 accélérateurs domestiques à grande échelle suggère que le secteur chinois des puces d'IA a atteint un niveau de maturité que peu d'analystes occidentaux avaient anticipé. Comme l'a noté l'analyste Yuchen Jin sur X, ce développement fait écho à la propre observation du directeur général de Nvidia, Jensen Huang, selon laquelle les contrôles à l'exportation sur les GPU « n'arrêteront pas la Chine — ils accéléreront simplement le développement de l'IA qui fonctionne sur des puces chinoises. »

Cet article est fourni à titre informatif uniquement et ne constitue pas un conseil en investissement.