LongCat-2.0: Китайский DoorDash делает прорыв в ИИ, обойдясь без Nvidia

Китайский сервис доставки Meituan, аналог американского DoorDash, выпустил новую языковую модель LongCat-2.0 с открытым исходным кодом, содержащую 1,6 триллиона параметров. Она поддерживает контекст до 1 миллиона токенов — то есть может обрабатывать огромные массивы информации за раз. По масштабам эта модель сравнима с DeepSeek V4-pro, представленной в апреле 2024 года.

Главное достижение: LongCat-2.0 полностью обучили и протестировали на кластере из более чем 50 000 китайских ускорителей искусственного интеллекта, без единой детали от Nvidia или других американских производителей. Это первый в мире LLM такого масштаба, полностью построенный на китайском железе — начиная с ресурсоёмкого этапа pre-training, а не только на стадии "выдачи ответов" (inference), как у других конкурентов.

В последние годы Китай активно развивает собственные вычислительные мощности из-за ограничений на ввоз современных американских процессоров (например, чипы Nvidia H800 запретили к экспорту в КНР). Обычно для самых тяжёлых этапов обучения ИИ (pre-training) всё равно использовали то немногое, что удавалось достать от Nvidia. Но теперь LongCat-2.0 создана полностью на китайских AI ASIC суперподах, используя для оптимизации библиотеку коллективных коммуникаций Huawei — единый "язык" для общих задач между ускорителями.

До этого отечественные чипы КНР применяли в основном для inference из-за ограниченной мощности, а вот подготовка гигантских LLM считалась неподъёмной. Meituan заявляет, что их новая разработка показала сильные результаты в задачах программирования и имитации агента, а по ряду тестов (например, Terminal-Bench 2.1 и SWE-Bench Pro) даже обошла Google Gemini 3.1 Pro.

Правда, по "передовому" пулу критериев модель пока уступает последним версиям OpenAI (GPT-5.5) и Anthropic (Claude 4.8 Opus). Техноаналитик TP Huang отмечает, что успех LongCat-2.0 опроверг скепсис по поводу китайских Atlas-950 SuperPoDs и их неспособности обучать крупные языковые модели (LLM).

Тем не менее, инженеры Meituan столкнулись с серьёзными трудностями — главный тормоз был в памяти: каждый китайский ускоритель заметно уступает по объему Nvidia H800. Поэтому приходилось городить дополнительные системы оптимизации, чтобы работа оставалась стабильной и масштабируемой даже при таком количестве устройств.

Независимые бенчмарки вроде Artifical Analysis, Arena, Agents’ Last Exam и CyberGym пока не включили LongCat-2.0 в свои рейтинги, так что часть заявленных характеристик всё ещё требует подтверждения со стороны. Однако ясно: Китай решил избавиться от зависимости от Nvidia не только для задач inference, но и для полноценного обучения ИИ самого высокого класса.