# LongCat-2.5 : un modèle d'agent open source de Meituan

> LongCat-2.5 est un modèle d'agent open source de Meituan, 1,6 trillion de paramètres, sous licence MIT et entraîné sans GPU Nvidia.

- Type : actu de l'IA
- Famille : Modèles · Modèle d'agent
- Habitat : Poids ouverts · API · cluster Huawei Ascend
- Niveau : avancé
- Source : https://the-decoder.com/meituan-releases-a-1-6-trillion-parameter-agent-model-that-never-touched-an-nvidia-gpu/
- Publié le : 15 novembre 2026
- Page : https://geekus.fr/projets/longcat-2-5/

LongCat-2.5 est un modèle d'IA de 1,6 trillion de paramètres, conçu pour les agents qui enchaînent de longues tâches, surtout en programmation. Meituan, entreprise chinoise de livraison de repas, en a publié les poids sous licence MIT une semaine après sa présentation. Il a été entraîné sur du matériel chinois, et l'exemple de déploiement fourni repose sur des puces Huawei Ascend.

## En bref

- Poids publiés sous licence MIT, usage commercial autorisé
- 1,6 trillion de paramètres, dont environ 48 milliards actifs par token
- 88,4 points sur Terminal Bench v2.1, contre 89,1 pour Claude Opus 5 selon Meituan
- Déploiement d'exemple sur 194 puces Huawei Ascend, sans guide pour Nvidia

## Qu'est-ce que LongCat-2.5

LongCat-2.5 vient de l'équipe LongCat de Meituan. Il est pensé pour des agents capables de mener seuls des tâches longues, en plusieurs étapes, en particulier le code. Selon Meituan, il s'approche des meilleurs modèles occidentaux sur plusieurs tests.

C'est un modèle à **mélange d'experts** : pour chaque token traité, seule une partie de ses sous-réseaux spécialisés s'active. Sur 1,6 trillion de paramètres au total, environ 48 milliards sont actifs par token. Par l'API, il traite jusqu'à un million de tokens à la fois et produit des réponses allant jusqu'à 128 000 tokens.

Il comprend le texte, les images et la vidéo, répond en texte, et le raisonnement peut être activé ou désactivé.

## Comment LongCat-2.5 comprend les images

LongCat-2.5 prolonge LongCat-2.0 en y ajoutant la compréhension d'images. Beaucoup de modèles multimodaux greffent après coup un encodeur d'images séparé. Ici, les images sont découpées à leur résolution native en tokens discrets, que le modèle traite en même temps que le texte.

Cette approche s'inspire du modèle de recherche LongCat-Next. Elle vise à améliorer le code visuel, le design et les tâches en 3D.

## Un entraînement contre la triche

Pour l'apprentissage par renforcement, l'équipe a utilisé de vraies tâches logicielles issues de pull requests GitHub, ainsi que des échecs d'agents recréés. Pour s'assurer que le modèle résout bien les tâches, les environnements d'entraînement n'ont pas d'accès à internet, l'historique Git et les fichiers en cache y sont supprimés, et un modèle de langage vérifie les solutions pour repérer d'éventuels raccourcis.

L'équipe a aussi distillé les capacités de plusieurs modèles « enseignants » spécialisés (travail d'agent, raisonnement, dialogue) dans LongCat-2.5.

## Déployer LongCat-2.5 sur des puces Huawei

Meituan **quantifie** les poids et les activations des experts en 4 bits, un format que les puces chinoises traitent nativement. Dans ses tests de charge, le débit augmente de 43,3 % pour la lecture du prompt et de 42,77 % pour la génération de la réponse, par rapport à une version en 8 bits. Meituan indique que la précision reste équivalente à celle du modèle non compressé. Cette version est disponible dans un dépôt séparé.

Le guide d'auto-hébergement décrit un cluster de 194 accélérateurs Huawei Ascend de la série Atlas A2 : deux pour le traitement des images, 64 pour la lecture des prompts et 128 pour la génération des réponses. Il n'existe pas de guide pour les GPU Nvidia, et Meituan ne donne pas d'autre configuration de référence.

## Les résultats de LongCat-2.5 sur les benchmarks

Sur Terminal Bench v2.1, qui mesure la capacité des agents à résoudre des tâches en ligne de commande, LongCat-2.5 obtient 88,4 points. Dans le tableau de Meituan, Claude Opus 5 est à 89,1, GPT-5.6 Sol à 88,8 et Deepseek-V4.1-Flash en tête avec 90,6.

Sur DeepSWE, qui teste la correction de bugs dans de vrais dépôts de code, le score passe de 9,7 à 64,6 points. Il reste derrière tous les autres modèles du tableau, sauf Claude Opus 4.8 ; Deepseek-V4.1-Flash mène avec 74,2 et GPT-5.6 Sol atteint 72,7. Claude Opus 5.5 et [GPT-6.1 Sol](https://geekus.fr/projets/gpt-6-1-sol/), plus récents, ne figurent pas dans ce tableau.

Sur Terminal Bench v4.0, plus difficile, LongCat-2.5 totalise 38,5 points, un peu au-dessus de GPT-5.6 Sol (37,3) mais loin de Claude Opus 5 (53,9). Il affiche 91,9 sur BrowseComp, test de recherche web, le meilleur score du tableau, mais Meituan a lancé ce test dans son propre environnement. Tous ces chiffres viennent de l'évaluation de Meituan.

## Licence, accès et prix de LongCat-2.5

Les poids sont publiés sous licence MIT, qui autorise l'usage commercial, la modification et la redistribution. On peut aussi essayer le modèle dans l'interface de chat du projet. Son API accepte les formats d'OpenAI et d'Anthropic et se branche sur des outils d'agents comme Claude Code, [Codex](https://geekus.fr/projets/codex/) et Hermes.

Au lancement, Meituan applique un tarif promotionnel limité dans le temps, équivalent à environ 0,27 € par million de tokens en entrée et 1,07 € par million en sortie. Meituan ne précise pas ici la durée de cette promotion.

## Le contexte matériel de LongCat-2.5

Selon Meituan, le prédécesseur LongCat-2.0 a été entraîné fin juin entièrement sur un cluster de plus de 50 000 puces d'IA chinoises. Auparavant, il tournait anonymement sous le nom « Owl Alpha » sur OpenRouter.

The Decoder note que des modèles chinois à poids ouverts comme Kimi K3.1 et GLM-5.3 ont largement rattrapé les meilleurs modèles américains sur les benchmarks courants, et que des modèles optimisés dès l'origine pour les puces chinoises rendent ce matériel plus attractif hors de Chine. Meituan travaille aussi sur des générateurs d'images, comme LongCat-Image, un modèle open source de 6 milliards de paramètres.

## Quelques repères

- **Mélange d'experts** : Architecture de modèle d'IA composée de nombreux sous-réseaux spécialisés. Pour chaque élément traité, seule une partie d'entre eux travaille, ce qui limite le calcul nécessaire.
- **Quantification** : Technique qui réduit la précision des nombres utilisés par un modèle pour le rendre plus léger et plus rapide à exécuter, au prix d'une perte de précision possible.
- **Poids ouverts** : Publication des paramètres appris d'un modèle d'IA, que chacun peut télécharger et exécuter sur son propre matériel, selon les termes de la licence.

## Questions fréquentes

### LongCat-2.5 est-il open source et gratuit ?

Les poids de LongCat-2.5 sont publiés sous licence MIT, qui autorise l'usage commercial, la modification et la redistribution. L'API est payante : Meituan applique un tarif promotionnel d'environ 0,27 € par million de tokens en entrée et 1,07 € en sortie.

### LongCat-2.5 fonctionne-t-il sur des GPU Nvidia ?

Meituan ne fournit pas de guide pour les GPU Nvidia. Son guide d'auto-hébergement décrit un cluster de 194 accélérateurs Huawei Ascend de la série Atlas A2.

### LongCat-2.5 comprend-il les images et la vidéo ?

Oui, LongCat-2.5 accepte le texte, les images et la vidéo en entrée. Il répond uniquement en texte.

### Quel est le score de LongCat-2.5 face à Claude Opus 5 ?

Sur Terminal Bench v2.1, LongCat-2.5 obtient 88,4 points contre 89,1 pour Claude Opus 5, selon Meituan. Sur la version 4.0, plus difficile, l'écart est plus grand : 38,5 contre 53,9.

## À retenir

LongCat-2.5 est un modèle d'agent aux poids ouverts sous licence MIT, dont les scores de Meituan sont proches de Claude Opus 5 sur Terminal Bench v2.1 mais plus éloignés sur la version 4.0. Son déploiement documenté repose sur des puces Huawei Ascend, sans guide pour Nvidia.

Sources :

- [The Decoder](https://the-decoder.com/meituan-releases-a-1-6-trillion-parameter-agent-model-that-never-touched-an-nvidia-gpu/) (article de presse)
- [techspot.com](https://www.techspot.com/news/114558-nvidia-deliberately-kept-gpu-prices-high-through-circular.html) (page citée sur Hacker News)

Mots-clés : agents, modèle ouvert, mixture-of-experts, huawei, code

---

Fiche publiée par Geekus : https://geekus.fr/projets/longcat-2-5/
