✨︎ Resumen (TL;DR):
- Meituan publicó el 9 de noviembre los pesos de LongCat-2.5 bajo licencia MIT.
- El repositorio completo figura con 3.56 TB; la ficha de Meituan declara 1.6 billones de parámetros y 48,000 millones activos por token.
- Los pesos permiten intentar ejecutar, adaptar o integrar el modelo por cuenta propia, pero exigen infraestructura compatible y no incluyen automáticamente los datos ni los procedimientos de entrenamiento.
Meituan publicó el 9 de noviembre los pesos de LongCat-2.5 bajo licencia MIT, una semana después de presentar el modelo de inteligencia artificial. La apertura permite a desarrolladores y equipos con infraestructura compatible descargarlo, adaptarlo o integrarlo por su cuenta, además de acceder al sistema mediante servicios alojados. El modelo combina comprensión visual con programación para agentes que trabajan en tareas de varios pasos, y su repositorio completo figura con 3.56 TB.
Qué permite realmente la licencia MIT
Los pesos de un modelo son un conjunto de valores que el sistema adquiere durante su entrenamiento y que sirve para ejecutar, adaptar o integrar el modelo con las herramientas y el hardware adecuados. Al publicar esos valores, Meituan permite que otros equipos descarguen el sistema e intenten usarlo en sus propios productos.
La licencia MIT autoriza modificar y distribuir los archivos, también con fines comerciales, siempre que se conserve el aviso de derechos de autor y la licencia. La ficha de Meituan aclara que ese permiso no concede derechos sobre sus marcas o patentes.
Para una empresa, ejecutar el modelo en infraestructura propia puede ofrecer más control sobre dónde se procesan los datos. A cambio, el equipo debe hacerse cargo del hardware, la compatibilidad y el mantenimiento. Mantener los pesos en un entorno privado no garantiza por sí solo que la implementación sea segura.
Publicar los pesos tampoco equivale a entregar automáticamente todos los datos y procedimientos usados durante el entrenamiento. Los archivos contienen el resultado de ese proceso; reproducir cómo se construyó el modelo requiere información adicional.
3.56 TB de archivos y 48,000 millones activos
Meituan describe LongCat-2.5 como un modelo de mezcla de expertos. Su ficha declara 1.6 billones de parámetros en total y unos 48,000 millones activos por token, la unidad de información que procesa el sistema.
Una arquitectura de mezcla de expertos es un modelo que selecciona parte de sus componentes para cada paso, en lugar de activar todos al mismo tiempo. La cifra de parámetros activos ayuda a entender el trabajo de cómputo por token, pero no determina por sí sola la memoria necesaria para instalar el modelo.
El tamaño de 3.56 TB corresponde al repositorio que muestra Hugging Face. Es una medida de almacenamiento, no una cifra de memoria de video exigida para todas las configuraciones. La necesidad depende, entre otros factores, del formato de los pesos, el software y la manera en que se distribuyan o carguen los archivos.
Meituan también publicó una versión W4A4, que reduce a 4 bits la precisión de los pesos de los expertos y de sus activaciones para determinadas operaciones:
- Despliegue descrito por la guía técnica: una configuración con 194 tarjetas de la serie Atlas A2, repartidas entre codificación visual, procesamiento de la entrada y generación de respuestas.
- Alcance de esa cifra: es un ejemplo de despliegue para esa configuración, no un requisito mínimo para todas las versiones.
Hugging Face muestra además una cifra distinta en el apartado Safetensors: 1.8 billones de parámetros. La ficha de Meituan declara 1.6 billones, pero no explica cómo se relacionan ambos recuentos.
Visión y programación frente a LongCat-2.0
Meituan presentó LongCat-2.5 a principios de noviembre como sucesor de LongCat-2.0, anunciado en junio. La compañía afirma que reforzó la comprensión de imágenes y la programación agéntica, con tareas que incluyen trabajar sobre bases de código extensas y construir proyectos.
Un agente puede recibir una captura de una interfaz junto con instrucciones de programación. El resultado depende de las herramientas conectadas al agente y de la tarea concreta, por lo que esa combinación no describe por sí sola un desempeño garantizado.
En la prueba de programación DeepSWE v1.1, la tabla publicada por Meituan asigna 64.6 puntos a LongCat-2.5 y 9.7 a LongCat-2.0. La misma tabla registra 68.8 para Claude Opus 5.
Meituan midió internamente las cifras de sus modelos y señala que los resultados marcados con asterisco, como el de Claude en esa prueba, proceden de informes o clasificaciones públicas. Los resultados corresponden a una evaluación concreta y no garantizan el mismo desempeño en un proyecto real.
La descarga de los pesos abre la posibilidad de alojar LongCat-2.5 y probarlo con tareas propias. La decisión también requiere considerar el repositorio de 3.56 TB y la infraestructura compatible para cada configuración.
