LongCat-2.5 di Meituan mette online un agente da 1.600 miliardi di parametri
Il team LongCat di Meituan ha rilasciato LongCat-2.5 il 2 novembre, un modello che l’azienda descrive come nativamente multimodale e progettato per compiti agentici a lungo orizzonte: lavori in cui un’AI deve pianificare, usare strumenti e proseguire attraverso molti passaggi invece di rispondere a una singola domanda. Il numero che spicca è la dimensione: 1.600 miliardi di parametri totali, con circa 48 miliardi attivati per ogni token elaborato dal modello.
È proprio lo scarto tra parametri totali e attivi la chiave per leggere questa affermazione. LongCat-2.5 sembra adottare un’architettura mixture-of-experts, in cui esiste un bacino molto ampio di parametri ma solo una piccola porzione viene attivata per ogni token. L’approccio consente ai laboratori di vantare una capacità enorme mantenendo il costo computazionale di ogni risposta più vicino a quello di un modello molto più piccolo. È ormai il modo standard di costruire i sistemi di frontiera, e significa che il conteggio dei parametri dice meno sulla velocità reale di un tempo.
Meituan afferma che la nuova versione rafforza due aspetti rispetto a LongCat-2.0: la comprensione visiva nativa e il coding agentico. Comprensione visiva nativa significa che le immagini vengono gestite all’interno del modello anziché passare attraverso un modulo di visione separato aggiunto in seguito. Sul piano tecnico, il team rappresenta i segnali visivi come token discreti multilivello, proseguendo un approccio ereditato dal modello precedente. Il coding agentico copre il tipo di lavoro in cui un modello scrive ed esegue codice, verifica il risultato e itera: il ciclo che sta dietro alla maggior parte degli attuali strumenti software basati su AI.
Il rilascio è già in parte utilizzabile. L’esperienza online e l’accesso API sono stati aperti con l’annuncio, mentre i pesi del modello dovrebbero comparire presto su GitHub e HuggingFace. Questa sequenza — prima l’hosting, poi i pesi — è diventata comune per i laboratori cinesi: consente agli sviluppatori di testare subito il modello mentre l’azienda mantiene un certo controllo sulla distribuzione fino al rilascio aperto.
Meituan è nota fuori dalla Cina soprattutto come app di consegna cibo e servizi locali, ma da anni costruisce un reparto interno di ricerca sull’AI. LongCat dà all’azienda un modello proprio invece di una dipendenza dall’API di qualcun altro, uno schema sempre più visibile tra le aziende cinesi di internet consumer che vogliono integrare funzioni AI in acquisti, prenotazioni e consegne senza pagare terzi per ogni chiamata.
La tempistica non è casuale. Nello stesso giorno il ciclo di notizie sull’AI includeva DeepSeek che rendeva open source un’architettura Super-agent e inserzioni e-commerce di token AI come categoria di prodotto autonoma durante il festival dello shopping Double 11. La competizione cinese sull’AI si è spostata dai punteggi grezzi dei benchmark verso agenti che completano compiti a più passaggi, e LongCat-2.5 è puntato dritto su quella sfida.
Resta non dimostrata la parte che i numeri non possono risolvere: se un agente da 1.600 miliardi di parametri rimanga affidabile per ore di lavoro e se il conto computazionale abbia senso per i margini di un’azienda di consegne. I test indipendenti conteranno più del post di lancio. Il prossimo checkpoint concreto è il rilascio promesso dei pesi su GitHub e HuggingFace, quando sviluppatori esterni potranno eseguire LongCat-2.5 in prima persona e riferire cosa fa davvero.