LongCat-2.5 van Meituan zet een agent met 1,6 biljoen parameters online
Het LongCat-team van Meituan bracht op 2 november LongCat-2.5 uit, een model dat het bedrijf beschrijft als native multimodaal en gebouwd voor langdurige agenttaken — werk waarbij een AI moet plannen, tools moet gebruiken en vele stappen moet doorlopen in plaats van één vraag te beantwoorden. Het opvallendste cijfer is de omvang: 1,6 biljoen totale parameters, met ongeveer 48 miljard geactiveerd voor elke token die het model verwerkt.
Dat verschil tussen totale en actieve parameters is de sleutel tot het lezen van de claim. LongCat-2.5 lijkt een mixture-of-experts-ontwerp te gebruiken, waarbij een zeer grote pool parameters bestaat maar slechts een klein deel wordt aangezet voor een gegeven token. Die aanpak laat labs enorme capaciteit adverteren terwijl de rekenkosten per antwoord dichter bij die van een veel kleiner model blijven. Het is inmiddels de standaardmanier om frontiersystemen te bouwen, en het betekent dat parameteraantallen minder over de werkelijke snelheid zeggen dan vroeger.
Meituan zegt dat de nieuwe versie twee dingen versterkt ten opzichte van LongCat-2.0: native visueel begrip en agentisch coderen. Native visueel begrip betekent dat afbeeldingen binnen het model worden verwerkt in plaats van via een aparte vision-module die er achteraf aan is vastgemaakt. Technisch gezien vertegenwoordigt het team visuele signalen als discrete tokens op meerdere niveaus, een aanpak die voortkomt uit het eerdere model. Agentisch coderen omvat het soort werk waarbij een model code schrijft en uitvoert, het resultaat controleert en itereert — de lus achter de meeste huidige AI-softwaretools.
De release is al deels bruikbaar. Online ervaring en API-toegang gingen open met de aankondiging, terwijl de modelgewichten binnenkort op GitHub en HuggingFace moeten verschijnen. Die volgorde — eerst gehost, later gewichten — is gebruikelijk geworden voor Chinese labs: ontwikkelaars kunnen het model meteen testen terwijl het bedrijf enige controle over de distributie houdt tot de open release er is.
Meituan is buiten China vooral bekend als app voor maaltijdbezorging en lokale diensten, maar het bouwt al jaren aan een eigen AI-onderzoekstak. LongCat geeft het bedrijf een eigen model in plaats van afhankelijkheid van andermans API, een patroon dat steeds zichtbaarder wordt bij Chinese consumenteninternetbedrijven die AI-functies in winkelen, boeken en bezorgen willen verweven zonder voor elke aanroep een derde partij te betalen.
De timing is niet toevallig. In dezelfde nieuwscyclus over AI opende DeepSeek een Super-agent-architectuur en verschenen e-commerce-aanbiedingen voor AI-tokens als zelfstandige productcategorie tijdens het Double 11-shoppingsfestival. De Chinese AI-concurrentie is verschoven van ruwe benchmarkscores naar agents die meerstapstaken voltooien, en LongCat-2.5 is recht op die strijd gericht.
Wat onbewezen blijft, is het deel dat cijfers niet kunnen beslechten: of een agent met 1,6 biljoen parameters betrouwbaar blijft over uren werk, en of de rekenrekening past bij de marges van een bezorgbedrijf. Onafhankelijke tests zullen meer tellen dan het lanceringsbericht. Het volgende concrete controlepunt is de beloofde vrijgave van de gewichten op GitHub en HuggingFace, wanneer externe ontwikkelaars LongCat-2.5 zelf kunnen draaien en kunnen melden wat het echt doet.