1,6 триллиона параметров. 50 000 чипов. Ноль видеокарт Nvidia. 30 июня 2026 года сервис доставки еды Meituan открыл исходники LongCat-2.0 — первой в истории модели масштаба триллиона параметров, обученной от начала до конца на китайском «родном» железе.
Сценарий западных санкций предполагал обратное.
Масштаб LongCat-2.0
Суммарно 1,6 трлн параметров, но при каждом токене активируются только ~48 млрд. Архитектура — MoE со спарсностью 97%.
Кластер обучения
Обучение и инференс полностью на отечественных чипах Huawei Ascend. Без Nvidia GPU, Google TPU и AWS.
Результат на бенчмарке
59,5 балла на SWE-bench Pro против 58,6 у GPT-5.5. Показатели заявлены самой компанией, независимо не подтверждены.
Сигнал сильнее цифр. Компания, чей профиль — доставка еды и локальные сервисы, вывела крупнейшую китайскую модель на домашних чипах. И выложила её на Hugging Face под лицензией MIT.
Второй вывод: «уровень» перестал быть жёсткой стеной. Ascend 910C уступает текущей генерации Nvidia, но разрыв сократился настолько, что на нём можно конкурировать по отдельным бенчмаркам с GPT-5.5.
Третий вывод: открытые веса — это не только исследовский вклад, но и публичное доказательство применимости. Методику, стек и софт может повторить любой китайский игрок.
Почему это больше, чем новая модель
DeepSeek-V4-Pro — модель, которая ранее удивила западные лаборатории эффективностью обучения, — использовал китайские чипы только для инференса. Это технически проще: не нужна месяцами согласованная координация тысяч карт.
Претрейнинг модели топ-уровня — другой класс сложности. Отказоустойчивость к сбоям железа, ограничения памяти, латентность между чипами — допуск на ошибку почти нулевой. То, что Meituan завершил прогон такого масштаба без Nvidia, — иная категория достижения.
Разница между этими двумя задачами — не нюанс, а пропасть. Инференс — прогнать готовую сеть по запросу. Претрейнинг — держать месяцами синхронизированными десятки тысяч чипов, где один сбой квазирует весь прогон. Nvidia десятилетиями строила софтверную подушку именно под эту задачу: CUDA, NCCL, отлаженные библиотеки. У Huawei такой зрелой прослойки нет. Адаптация под Ascend — инженерный подвиг сама по себе.
Заявленное число чипов — 50 000 — тоже показательно. Это не лабораторная игрушка, а промышленный масштаб. Meituan не экспериментировал. Он строил производственную мощность.
Что именно выпустила Meituan
LongCat-2.0 — Mixture-of-Experts. Суммарно 1,6 трлн параметров, постоянно активны только ~48 млрд. Динамический диапазон 33–56 млрд на токен. В поведении это модель на ~48 млрд с ёмкостью знаний триллионной.
Модель предобучена с нуля на более чем 30 триллионах токенов: китайский, английский, многоязычный текст и код. Нативное окно контекста — 1 миллион токенов. Оно не «доклеено» пост-обработкой, а заложено с этапа претрейнинга — критично для агентного кода, где нужно держать большие репозитории.
Специализация — agentic coding: понимание, генерация и исполнение кода в реальных агентных сценариях. Это не очередная «болталка», а инструмент, заточенный под цикл разработки.
Три инженерных решения стоит разобрать
Снижает сложность внимания с O(n²) до O(n). Два приёма: потоково-осознанная индексация (выбор глобально важных токенов) и кросс-слойная индексация (переиспользование паттернов внимания из предыдущих слоёв). Экономит память и время при миллионном контексте.
Сжатое представление токенов. Уменьшает требования к памяти при работе с длинным контекстом — ещё один способ вписаться в ограниченные ресурсы Ascend.
Перенос знаний сразу от нескольких учительских моделей. Способ выжать больше качества из ограниченного вычислительного бюджета — стандартный приём в дефицитной среде.
Адаптация под слабый чип — не довесок, а центр работы. Раздельное развёртывание prefill и decode. Сегментация KV-кэша по партициям. Оптимизированные супер-ядра под Ascend. Модель спроектирована так, чтобы устойчиво и быстро бежать на «старых» картах, а не только на флагманах.
Последнее — не мелочь. Meituan прямо говорит о цели «оживить простаивающую вычислительную мощность». У Китая накопился огромный парк чипов — в том числе купленных до ужесточения санкций. Если на них можно гонять триллионную модель в квантизации BF16 / FP8 / INT8, весь этот парк снова превращается в актив.
Рядом с флагманом компания выпустила модель LongCat-Flash-Thinking, которую позиционирует как решение для массовых сценариев. Meituan заявляет стоимость в 2,1 раза ниже на токен по сравнению с собственным коммерческим предложением Seed 2.0 Pro. Это уже не демонстрация возможностей, а ценовая атака на сегмент, где конкурируют за каждую десятую милль-цента.
Что это значит для баланса сил
Индикатор стека — использование Meituan библиотеки коллективной коммуникации Huawei (HCCL), компонента, рассчитанного на связку Ascend. Если подтвердится, это крупнейшее документированное применение чипов Huawei для претрейнинга модели топ-уровня.
Открытость решает. Веса на Hugging Face, MIT-лицензия — это публичное доказательство применимости для других китайских лабораторий, оборонных подрядчиков и государственных институтов. Не гипотетическая история — модель можно взять и проверить.
Сравнение по бенчмаркам
| Бенчмарк | LongCat-2.0 | GPT-5.5 | Claude Opus 4.6 |
|---|---|---|---|
| SWE-bench Pro | ✔ 59,5 | ✔ 58,6 | ✔ 57,3 |
| SWE-bench Multilingual | ✔ 77,3 | — | ✔ 77,8 |
| Terminal-Bench 2.1 | ✔ 70,8 | — | — |
Данные заявлены производителем / конкурентами, 2026
На SWE-bench Pro LongCat-2.0 опережает GPT-5.5 на 0,9 пункта. Разрыв символический. Важнее другое: эти цифры поставлены на железе, которое по замыслу санкций вообще не должно было дойти до такого масштаба.
Осторожность при чтении таблицы обязательна. Все результаты LongCat-2.0 — заявленные компанией цифры, независимо не верифицированные. Примерная позиция модели — «сравнима с Gemini 3.1 Pro» — тоже самооценка. Бенчмарки по коду — полезный, но не исчерпывающий сигнал: они показывают, что модель действительно умеет работать с репозиториями, но не покрывают всё разнообразие сценариев.
Ограничения, которые честно назвать
Первое — бенчмарки заявлены самой компанией. Независимой верификации нет. За пределами кодовых задач модель отстаёт от западных зарубежных аналогов.
Второе — Ascend 910C всё ещё менее эффективен, чем текущее поколение Nvidia. Разрыв не закрыт. Он лишь сокращён настолько, чтобы конкурировать по отдельным задачам.
Третье — модель слишком велика для локального размещения. Для большинства команд реалистичный доступ — через API Meituan или хостинг на платформах вроде OpenRouter и longcat.ai.
Что это меняет для практика
Для инженера практический урок — вычислительная экономика. Два сопоставимых по качеству инструмента, один на Nvidia, другой на Ascend, с разной структурой издержек. Плюрализм поставщиков — страховка от вендор-блокировки и ценового давления.
Экосистема отвечает
В день релиза адаптацию инференса объявили сразу Huawei Ascend, Moore Threads и Muxi. Модель появилась на OpenRouter. Условия для тиражирования уже созданы.
Контекст шире. DeepSeek показал, что китайские лаборатории закрыли алгоритмический разрыв. Qwen от Alibaba и семейство ERNIE от Baidu стабильно сильны в многоязычии. LongCat-2.0 закрывает последнюю дыру — аппаратную.
Почему версии и лицензия имеют значение
MIT-лицензия и мульти-прецизионные варианты BF16 / FP8 / INT8 — это не юридическая формальность. Они означают, что модель можно не только инспектировать, но и гонять на разнородном железе, в том числе на картах, купленных до санкций. Вместе с открытым кодом инференса это превращает запасы «простаивающих» чипов в экономический ресурс.
Для сравнения — проприетарные модели дают доступ только к API, а значит, к чужим ценам и политике. Открытый вес снимает этот барьер. Плюрализм поставщиков — страховка от вендор-блокировки и ценового давления.
Стопка китайских лабораторий теперь полная: алгоритмы есть, модели сильные, железо достало нужную производительность, а открытые веса дают тиражирование. Каждая из этих деталей по отдельности появлялась и раньше. Вместе, в одной модели, они образуют системный сдвиг.
Что значит «заточен под агентный код»
Переход от простого дописывания кода к удержанию всего жизненного цикла: понимание существующей кодовой базы, генерация новой логики, стабильное исполнение внутри агентного каркаса. Для этого нужен длинный контекст и устойчивость на длинных последовательностях.
Millionное окно нативное — не «растянутое» после обучения, а заложенное с нуля. Это позволяет держать в памяти большие репозитории, документацию и логи исполнения одновременно. Именно этот класс задач, а не короткий диалог, составляет новое ядро ИИ в разработке.
Почему это важно не только для Китая
Глобальные команды получают альтернативу вендор-зависимости. Модель с открытыми весами, претрейненная на не-Nvidia стеке, — это проверка тезиса «дорогой западный стек обязателен». Ответ LongCat-2.0: нет, не обязателен.
Для компаний, которые не могут купить Nvidia (бюджет, география, регуляторика), появляется рабочий путь. Мировая модель требует мировой инфраструктуры. Китай её строит.
Это не история одной компании, а смена правил игры. Вопрос уже не в том, может ли Китай строить модели топ-уровня. Вопрос — насколько быстро остальной мир заменит вычислительный национализм на работающую модель сотрудничества и конкуренции.
Опыт Meituan: от доставки к технологии
Компания пришла к модели не от амбиций лаборатории, а от задачи. Meituan — крупнейший в мире сервис доставки еды и локальных услуг. У него собственные вычислительные мощности, распределяемые под геопространственные, логистические и рекомендательные нагрузки. Развитие LongCat встроено в эту инженерную культуру: не теоретический задел, а рабочий инструмент.
Это смещает рамку. Ранее модели топ-уровня были прерогативой исследовательских лабораторий и провайдеров. Теперь её может сделать вертикальный игрок с большими данными и железом. Параллель — путь, который когда-то прошли интернет-гиганты: от услуги к платформе, от платформы к собственному стеку.
Сопутствующий сигнал — 32 исследовательских работы команды, принятых на ACL, SIGIR, ICML и KDD, включая премию за выдающуюся работу на ACL 2026. Meituan идёт по пути системности, а не одиночного выстрела. LongCat-2.0 — верхушка этой работы.
Экспортный контроль покупал время, а не ставил вечный барьер. Вопрос к Вашингтону уже не в том, замедлят ли ограничения Китай. Вопрос — на что потрачено купленное время и достаточно ли его было использовано с пользой.
