Meituan ha pubblicato il 9 novembre 2026 i pesi di LongCat-2.5, un modello linguistico multimodale progettato per elaborare testo, immagini e video e svolgere attività di programmazione attraverso procedure articolate in più passaggi. Il checkpoint è disponibile su Hugging Face con licenza MIT, che consente utilizzo commerciale, modifica e ridistribuzione nel rispetto degli obblighi previsti dalla licenza. Il modello era stato presentato inizialmente una settimana prima della pubblicazione dei pesi e comprende capacità di interpretazione di screenshot, analisi di filmati, consultazione di basi di codice e generazione o modifica di software. L’architettura utilizza una struttura mixture-of-experts nella quale, secondo la documentazione tecnica Meituan, vengono attivati circa 48 miliardi di parametri per token su un totale di 1.600 miliardi. Il sistema seleziona quindi un sottoinsieme degli esperti disponibili durante l’elaborazione, mentre la distribuzione autonoma richiede comunque che l’infrastruttura possa rendere accessibile l’intero checkpoint.
Le funzionalità multimodali permettono di rappresentare i contenuti visivi attraverso token elaborati insieme al testo. Le API documentate accettano screenshot, grafici e immagini, forniti direttamente nelle richieste oppure attraverso URL. Per i video è prevista un’interfaccia basata su URL, una caratteristica che richiede particolare attenzione quando i contenuti da elaborare risiedono in ambienti aziendali riservati. Tra gli esempi applicativi pubblicati figurano la realizzazione di interfacce web partendo da riferimenti visivi, la produzione di prototipi, una simulazione interattiva di fluidi e un’esposizione tridimensionale. Meituan ha inoltre mostrato dimostrazioni sviluppate da utenti esterni, comprendenti un sito dedicato al lancio di un’automobile, un’interfaccia per un videogioco fantasy e un’applicazione per la gestione di un negozio. L’utilizzo in processi software strutturati richiede che i risultati vengano successivamente verificati attraverso test funzionali, controlli di accessibilità e valutazioni sulla manutenzione del codice.
I benchmark pubblicati da Meituan mostrano miglioramenti rispetto alla versione LongCat 2.0, in particolare nelle attività che prevedono l’utilizzo di strumenti e la modifica di repository. In Terminal-Bench v2.1 il punteggio dichiarato passa da 70,8 a 88,4, mentre DeepSWE v1.1 registra un incremento da 9,7 a 64,6. Nel benchmark SWE Atlas dedicato alle domande sulle basi di codice il risultato aumenta da 33,1 a 58,3. Nei confronti con altri modelli, LongCat-2.5 raggiunge 88,4 su Terminal-Bench v2.1, rispetto a 88,8 di GPT-5.6 Sol e 89,1 di Claude Opus 5. I risultati cambiano considerando Terminal-Bench v4.0: LongCat-2.5 ottiene 38,5, contro 53,9 di Claude Opus 5. Nelle misurazioni disponibili su 3DCodeBench, LongCat-2.5 raggiunge 55,4, superando il 54,3 di Claude Opus 5 e il 53,3 di DeepSeek-V4.1-Flash, mentre su Vision2Web ottiene 78,6 rispetto a 80,2 di Claude Opus 5 e 79,2 di DeepSeek-V4.1-Flash. I confronti utilizzano benchmark e configurazioni differenti e non costituiscono una graduatoria univoca delle capacità complessive.
I modelli proprietari più recenti presentano ulteriori risultati di riferimento. GPT-6.1 Sol raggiunge 58,2 su Terminal-Bench v4.0 e Claude Opus 5.5 ottiene 64,8 nelle rispettive configurazioni pubblicate, superiori al 38,5 riportato per LongCat-2.5. Le condizioni di esecuzione non sono tuttavia identiche, poiché alcuni risultati utilizzano livelli di ragionamento massimi e strumenti di sviluppo specifici. Per quanto riguarda la distribuzione tramite API, Meituan propone una tariffa promozionale di 0,30 dollari per milione di token in ingresso non memorizzati nella cache e 1,20 dollari per milione di token in uscita. I token di ingresso recuperati dalla cache sono fatturati a 0,006 dollari per milione. Con queste tariffe, un’elaborazione che utilizzi 200.000 token in ingresso non memorizzati nella cache e 100.000 token in uscita avrebbe un costo nominale di 0,18 dollari per i soli token del modello. La convenienza effettiva dipende anche dal numero di tentativi, dall’utilizzo degli strumenti e dalle verifiche necessarie per ottenere un risultato accettabile.
La pubblicazione dei pesi consente anche la distribuzione privata del modello, ma le dimensioni dell’architettura richiedono risorse hardware considerevoli. Una rappresentazione teorica uniforme a 16 bit di 1.600 miliardi di parametri richiederebbe circa 3,2 terabyte per i soli pesi, senza considerare i buffer del runtime e la memoria necessaria a mantenere il contesto delle richieste. La documentazione del repository Hugging Face presenta inoltre metadati che fanno riferimento a 1,8 trilioni di parametri, mentre la descrizione tecnica utilizza il valore di 1,6 trilioni; il dimensionamento effettivo deve quindi essere verificato sul checkpoint e sul formato scelto per l’esecuzione. Meituan documenta ottimizzazioni per acceleratori cinesi che utilizzano una precisione di quattro bit per i pesi degli esperti e le relative attivazioni e indica un percorso di distribuzione attraverso SGLang-FluentLLM su unità di elaborazione neurale.
Per le organizzazioni che intendono utilizzare LongCat-2.5 su infrastrutture proprie, la verifica deve comprendere compatibilità con gli acceleratori disponibili, capacità di caricare il checkpoint, funzionamento delle capacità visive e delle chiamate agli strumenti, concorrenza delle richieste e tempi di risposta sotto carico. La licenza MIT permette di valutare il modello senza alcune delle limitazioni normalmente associate ai pesi proprietari, ma non elimina i requisiti infrastrutturali né gli eventuali vincoli contrattuali applicabili a specifici settori. Negli Stati Uniti, le restrizioni federali annunciate nell’ottobre 2026 nei confronti di DeepSeek riguardano quel fornitore e i soggetti collegati, non costituiscono automaticamente un divieto per LongCat-2.5. Alla data del 9 novembre 2026 non risultavano provvedimenti federali statunitensi pubblicamente comunicati che individuassero specificamente Meituan o LongCat-2.5, mentre le organizzazioni soggette a requisiti di approvvigionamento pubblico devono comunque verificare le condizioni contrattuali e le disposizioni applicabili ai sistemi impiegati.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)