Meituan lanza LongCat-2.5, un modelo multimodal de 1,6 billones de parámetros para agentes de código
Meituan ha publicado LongCat-2.5, un modelo de mezcla de expertos de 1,6 billones de parámetros (unos 48.000 millones activos) diseñado para agentes de código y programación a partir de imágenes, entrenado íntegramente en chips chinos. Está disponible mediante API a 0,30 $ por millón de tokens de entrada y 1,20 $ de salida (tarifa promocional), sin pesos abiertos anunciados por el momento.
El gigante chino del reparto a domicilio Meituan ha lanzado LongCat-2.5, su nuevo gran modelo. Se trata de un modelo de mezcla de expertos de 1,6 billones de parámetros, de los cuales unos 48.000 millones trabajan en cada token. Está diseñado para agentes de código que ejecutan tareas largas de forma autónoma y para la programación a partir de imágenes. Meituan recalca que se ha entrenado íntegramente en chips chinos. El modelo está disponible en longcat.ai y mediante API, con una tarifa promocional de 0,30 $ por millón de tokens de entrada y 1,20 $ de salida. Por ahora no se ha anunciado la publicación de los pesos.
Qué cambia respecto a la versión previa
LongCat-2.5 es la versión definitiva de LongCat-2.5-Preview, publicada el 25 de septiembre. El blog del equipo lleva fecha del 1 de noviembre y el registro de cambios de la API, del 2 de noviembre. El modelo parte de la base de LongCat-2.0, lanzado en junio, con dos líneas de trabajo principales.
La primera es la visión nativa. Las imágenes se dividen en tokens discretos, igual que las palabras, y son procesadas por el mismo modelo que el texto, sin un módulo de visión independiente. Meituan lo utiliza para la «programación visual»: recrear una página web a partir de una maqueta, generar páginas interactivas en 3D o crear visualizaciones de datos.
La segunda es el trabajo de agente prolongado en el tiempo. El equipo entrenó el modelo mediante aprendizaje por refuerzo con tareas extraídas de solicitudes de cambio (pull requests) de GitHub, verificadas mediante pruebas. Afirma también que transforma los fallos reales de sus agentes en nuevos ejercicios. Para evitar trampas, el acceso a la red se corta durante estas tareas y se elimina el historial de git. El registro de cambios anuncia compatibilidad con Claude Code, Codex y Hermes.
Puntuaciones cercanas a Claude Opus 5, según Meituan
El blog publica una tabla con una treintena de pruebas. Según estas cifras, LongCat-2.5 obtiene 88,4 en Terminal Bench v2.1, frente a 89,1 de Claude Opus 5, y 91,9 en BrowseComp, frente a 90,8. Se queda claramente por detrás en la versión 4.0 de Terminal Bench, con 38,5 frente a 53,9. El comunicado de Meituan resume que sus resultados se sitúan entre Claude Opus 4.8 y Claude Opus 5, y superan a Opus 5 en parte de las pruebas. En varias pruebas de código, DeepSeek-V4.1-Flash obtiene mejores cifras, por ejemplo un 90,6 en Terminal Bench v2.1 y un 74,2 en DeepSWE, frente al 64,6 de LongCat-2.5.
El argumento de los chips chinos
Meituan hace especial hincapié en el apartado del hardware. Sus chips disponen de menos de 80 GB de memoria cada uno, lo que obligó a reorganizar el reparto de la computación. Según el blog, el rendimiento de entrenamiento por chip aumentó un 86% en tareas de contexto largo. Para servir el modelo, los pesos y las activaciones de los expertos se cuantifican en 4 bits. A tenor de las pruebas de carga publicadas, esto aporta aproximadamente un 43% más de rendimiento que con la versión de 8 bits.
Nuestro análisis
LongCat-2.5 confirma que los grandes grupos chinos ajenos a los laboratorios de IA tradicionales —en este caso, un especialista en el reparto de comida— son capaces de producir un modelo de agentes de primer nivel sin recurrir a chips estadounidenses. Esa es la noticia más relevante, más allá de las puntuaciones. Estas últimas deben tomarse con cautela: proceden de Meituan, parte de los resultados de la competencia se midió a nivel interno y la comparación se detiene en Claude Opus 5 y GPT-5.6 Sol, cuando ya hay modelos más recientes en funcionamiento. El precio de lanzamiento es agresivo, pero se presenta como temporal. Para los desarrolladores, se echan en falta los pesos abiertos que Meituan sí había publicado con varios modelos LongCat anteriores: sin ellos, resulta imposible ejecutar el modelo en local o verificar sus resultados de manera independiente.
Fuentes
- LongCat (Meituan) — Introducing LongCat-2.5 Fuente primaria
- LongCat API Docs — registro de cambios (versión 2026-11-02) Fuente primaria
- LongCat API Docs — tarifas de LongCat-2.5 Fuente primaria
- Meituan — 美团发布LongCat-2.5大模型 (comunicado recogido de Economic Observer) Fuente primaria
Una fuente primaria procede directamente de la empresa, el laboratorio o la organización implicados. Una fuente secundaria recoge la información sin ser su autora: la señalamos como tal. ¿Has visto un error? Consulta nuestra política de correcciones.
