Connect with us
LongCat-2.5 de Meituan abre sus pesos con licencia MIT LongCat-2.5 de Meituan abre sus pesos con licencia MIT

Herramientas

LongCat-2.5 de Meituan abre sus pesos con licencia MIT

Published

on

Meituan lanzó LongCat-2.5, un modelo de 1.6 billones de parámetros con cerca de 48 mil millones activados por token, y días después publicó sus pesos bajo licencia MIT. El modelo apunta a tareas de agentes de largo horizonte: desarrollo en bases de código complejas, construcción de proyectos completos, codificación visual y trabajo de oficina profesional, con una ventana de contexto de un millón de tokens.

¿Qué es LongCat-2.5 y qué problema resuelve?

La pregunta de fondo es si un modelo abierto puede sostener tareas de agente que duran horas, no segundos. Meituan presentó LongCat-2.5 el 2 de noviembre de 2026 en su blog técnico oficial como un modelo nativo multimodal orientado a agentes, sucesor de LongCat-2.0, y el 10 de noviembre confirmó la liberación de los pesos con licencia MIT, que permite despliegue comercial y reentrenamiento sin autorización adicional. La compañía describe mejoras claras en la entrega de extremo a extremo de proyectos de software, prototipos visuales y entregables de oficina como reportes y presentaciones.

La apuesta técnica es doble. Por un lado, el modelo representa las imágenes como tokens discretos de múltiples niveles que el mismo modelo principal procesa junto con el texto, en lugar de depender de un módulo visual externo. Por otro, sostiene un contexto de un millón de tokens, lo que le permite trabajar con bases de código y sesiones de agente largas sin perder el hilo.

¿Cómo funciona su arquitectura multimodal nativa?

Según el blog técnico de Meituan, el sistema aplica cuantización vectorial residual sobre características visuales de resolución nativa producidas por un codificador alineado semánticamente. La idea suena compleja, pero el efecto es fácil de explicar: la imagen se convierte en una secuencia de tokens al mismo nivel que las palabras, y el modelo principal los trata igual.

Advertisement

Este diseño tiene una consecuencia práctica para los equipos de entrenamiento: los tokens visuales se pueden precalcular y almacenar en caché fuera de línea, lo que reduce el cómputo en línea y equilibra mejor la carga entre máquinas durante el entrenamiento distribuido. Además, el vocabulario visual se entrena junto con el modelo principal, así que visión y texto comparten el mismo espacio semántico. En pruebas preliminares con un modelo MoE pequeño de unos 3 mil millones de parámetros activos, la compañía reportó que las representaciones de imagen y texto aparecen entrelazadas en visualizaciones t-SNE.

¿Qué papel juega el aprendizaje por refuerzo de agentes?

El segundo pilar es un pipeline de aprendizaje por refuerzo a escala para tareas de agente. Meituan genera datos de entrenamiento sintetizando tareas a partir de repositorios públicos de GitHub y escenarios internos reales, con validación mediante pruebas de tipo fail-to-pass y pass-to-pass sobre solicitudes de cambio y sus incidencias asociadas.

Para tareas largas, la compañía usa un esquema de partial rollout asíncrono: si un episodio no termina, se guarda y se retoma en la siguiente fase de muestreo, en lugar de descartarlo. Contra el problema de que los modelos aprenden a engañar el sistema de recompensas, el entorno de entrenamiento corta el acceso a red, limpia el historial de git y las cachés de archivos, y un juez basado en LLM supervisa las trayectorias. También se penalizan pensamientos repetidos y llamadas redundantes a herramientas. Es el tipo de detalle que separa un demo vistoso de un modelo que realmente termina lo que empieza.

¿Qué cifras muestran los benchmarks contra su predecesor?

Los números más sólidos son la comparación con LongCat-2.0, reportados por el análisis de VentureBeat sobre el material de lanzamiento. En Terminal Bench v2.1, LongCat-2.5 anota 88.4 frente a 70.8; en DeepSWE v1.1 sube de 9.7 a 64.6; y en SWE Atlas pasa de 33.1 a 58.3. Son saltos grandes que justifican reevaluar la familia si la versión anterior se descartó.

Benchmark LongCat-2.0 LongCat-2.5
Terminal Bench v2.1 70.8 88.4
DeepSWE v1.1 9.7 64.6
SWE Atlas (QA) 33.1 58.3

Contra modelos propietarios de referencia el panorama es mixto: LongCat-2.5 queda a menos de un punto de GPT-5.6 Sol y Claude Opus 5 en Terminal Bench v2.1, pero en la versión 4.0 de ese benchmark anota 38.5 frente a 53.9 de Claude Opus 5. VentureBeat destaca un matiz importante: Meituan eligió como referencias modelos cuyos sucesores ya estaban disponibles al momento del lanzamiento, así que la comparación apunta a un argumento de rendimiento competitivo a menor precio, no a liderazgo frente a la frontera actual.

Advertisement

¿Cómo logra eficiencia en hardware con poca memoria?

Aquí está quizá la parte más interesante para quien considera desplegar el modelo. Para entrenar un modelo de 1.6 billones de parámetros en aceleradores nacionales chinos con menos de 80 GB de memoria por tarjeta, Meituan combinó paralelismo consciente de la topología de supernodos, fragmentación doble con FSDP, comunicación de copia cero y replicación dinámica de expertos que solo se activa cuando el desbalance de carga cruza un umbral. El resultado declarado es un incremento de 86 por ciento en el rendimiento por tarjeta frente a una línea base DDP en tareas de ajuste fino con secuencias largas.

Para inferencia, el esquema W4A4 cuantiza pesos y activaciones de los expertos a 4 bits y ejecuta las multiplicaciones en unidades nativas INT4. En pruebas de carga, la compañía reporta mejoras de 43.3 por ciento en prefill y 42.77 por ciento en decode frente a una base W8A8. Dicho de otro modo: el costo de correr un modelo gigante baja lo suficiente como para que el despliegue propio deje de ser una fantasía.

¿Qué significa la licencia MIT y cuánto cuesta la API?

La licencia MIT permite usar, modificar y redistribuir el modelo, incluido el uso comercial, sin autorización adicional. Los pesos están en el repositorio oficial de Hugging Face bajo la cuenta meituan-longcat. La API alojada de Meituan ofrece el modelo a 0.30 dólares por millón de tokens de entrada y 1.20 de salida como tarifa promocional, muy por debajo de los modelos propietarios de referencia: GPT-5.6 Sol cuesta 4 y 20 dólares, y Claude Opus 5, 5 y 25 dólares por millón de tokens de entrada y salida respectivamente, según la tabla publicada por VentureBeat.

Hay una advertencia que conviene tomar en serio. VentureBeat recuerda que los modelos de IA chinos enfrentan un escrutinio creciente en Estados Unidos: en octubre, el Departamento de Seguridad Nacional ordenó excluir a DeepSeek de las adquisiciones federales. Hasta el 9 de noviembre no existía ninguna restricción pública que nombrara específicamente a Meituan o LongCat-2.5, pero el panorama regulatorio puede cambiar rápido, y cualquier empresa con operaciones en ese país debería evaluarlo antes de comprometerse.

¿Cómo probar LongCat-2.5 hoy?

Hay tres caminos. El más rápido es la plataforma en línea de Meituan,accessible en longcat.chat, que en su lanzamiento ofrecía tokens de regalo a usuarios nuevos y existentes. El segundo es la API documentada en la plataforma de productos de LongCat, que acepta imágenes incrustadas o por URL y video por URL. El tercero es descargar los pesos desde Hugging Face y desplegarlos en infraestructura propia, ahora viable gracias a la cuantización W4A4.

Advertisement

Una prueba inicial con sentido para equipos de desarrollo es una regresión visual con arreglo conocido: entregar al agente la captura de una página rota, acceso al repositorio y una forma de renderizar el resultado corregido, y verificar si encuentra la causa y hace un cambio quirúrgico. Los demos destacados por Meituan, como un sitio de lanzamiento de autos y una interfaz de juego de fantasía, dan una idea del alcance, aunque un prototipo y un sistema en producción no pasan por los mismos filtros de calidad.

¿Vale la pena adoptarlo y para quién es?

Para equipos con necesidades de codificación asistida por agentes, generación de interfaces desde capturas y análisis documental, LongCat-2.5 ofrece una combinación poco común de pesos abiertos, contexto de un millón de tokens y precio bajo en API. Quien ya usa flujos con agentes locales puede complementarlos con este modelo, como se explora en la nota sobre un equipo de agentes de IA open source que corre en tu propia computadora y en el análisis de MiniMax M2 como modelo abierto para desarrollo y agentes, dos piezas que trazan la misma tendencia de pesos liberados con licencias permisivas.

Quien necesite el máximo rendimiento absoluto en los benchmarks más recientes seguirá mirando a los modelos de frontera, y quien opere en jurisdicciones sensibles al origen del software deberá vigilar la regulación. Aun así, es una adición seria al catálogo de modelos abiertos, y la tendencia de los laboratorios chinos de liberar pesos potentes no muestra señales de frenar. Vale la pena probarlo con tareas propias antes de decidir, porque las tablas comparativas nunca cuentan la historia completa, algo que también quedó claro en la cobertura de OpenCode 2.0 como plataforma programable de agentes.

Lo más leído en Herramientas

  1. ¿Se está enfriando el boom de la IA? Arabia Saudita lidera la caída del interés
    Comunicados de Prensa

    ¿Se está enfriando el boom de la IA? Arabia Saudita lidera la caída del interés

    · 10 min · 125 vistas

    El boom de la inteligencia artificial no se apagó, pero sí perdió velocidad. Esa es la conclusión central…

  2. LongCat-2.5 de Meituan abre sus pesos con licencia MIT
    Herramientas

    LongCat-2.5 de Meituan abre sus pesos con licencia MIT

    · 7 min · 73 vistas

    Meituan lanzó LongCat-2.5, un modelo de 1.6 billones de parámetros con cerca de 48 mil millones activados por…

Comunicados de Prensa

¿Se está enfriando el boom de la IA? Arabia Saudita lidera la caída del interés

Published

on

¿Se está enfriando el boom de la IA? Arabia Saudita lidera la caída del interés

El boom de la inteligencia artificial no se apagó, pero sí perdió velocidad. Esa es la conclusión central del informe de noviembre de 2026 de Go Vista AI, que comparó 31 países para detectar dónde se enfría más rápido el interés por la IA. Arabia Saudita encabeza la lista, seguida de Corea del Sur e Indonesia. Las búsquedas siguen creciendo y las visitas a chatbots siguen subiendo. Lo que cambió es el ritmo.

(más…)

Lo más leído en Herramientas

  1. ¿Se está enfriando el boom de la IA? Arabia Saudita lidera la caída del interés
    Comunicados de Prensa

    ¿Se está enfriando el boom de la IA? Arabia Saudita lidera la caída del interés

    · 10 min · 125 vistas

    El boom de la inteligencia artificial no se apagó, pero sí perdió velocidad. Esa es la conclusión central…

  2. LongCat-2.5 de Meituan abre sus pesos con licencia MIT
    Herramientas

    LongCat-2.5 de Meituan abre sus pesos con licencia MIT

    · 7 min · 73 vistas

    Meituan lanzó LongCat-2.5, un modelo de 1.6 billones de parámetros con cerca de 48 mil millones activados por…

Continue Reading

Android

Guía para usar Mac.apk y abrir apps de Android en tu Mac

Published

on

Guía para usar Mac.apk y abrir apps de Android en tu Mac

Esta guía te ayuda a instalar Mac.apk, abrir tus primeras apps de Android en una Mac con Apple Silicon y probar si realmente te conviene. Vas a aprender qué necesitas antes de empezar, cómo instalar una app paso a paso, cómo probar sonido, ventana y sincronización, y cómo desinstalar sin dejar datos sueltos. Todo está pensado para que pruebes con calma, sin poner en riesgo tu equipo ni tus cuentas.

(más…)

Lo más leído en Herramientas

  1. ¿Se está enfriando el boom de la IA? Arabia Saudita lidera la caída del interés
    Comunicados de Prensa

    ¿Se está enfriando el boom de la IA? Arabia Saudita lidera la caída del interés

    · 10 min · 125 vistas

    El boom de la inteligencia artificial no se apagó, pero sí perdió velocidad. Esa es la conclusión central…

  2. LongCat-2.5 de Meituan abre sus pesos con licencia MIT
    Herramientas

    LongCat-2.5 de Meituan abre sus pesos con licencia MIT

    · 7 min · 73 vistas

    Meituan lanzó LongCat-2.5, un modelo de 1.6 billones de parámetros con cerca de 48 mil millones activados por…

Continue Reading

Digitalización

Alibaba lanza Qwen4-Max: cuánto cuesta y qué tan fuerte es frente a Claude, GPT y Gemini

Published

on

Alibaba lanza Qwen4-Max: cuánto cuesta y qué tan fuerte es frente a Claude, GPT y Gemini

Alibaba presentó Qwen4-Max como el nuevo modelo insignia de la familia Qwen. La compañía lo posiciona para trabajo profesional y científico complejo, con mejoras en seguridad y eficiencia. El lanzamiento general fue reportado el 16 de noviembre de 2026, después de una vista previa breve iniciada el 11 de noviembre, y llegó con precio público por API.

(más…)

Lo más leído en Herramientas

  1. ¿Se está enfriando el boom de la IA? Arabia Saudita lidera la caída del interés
    Comunicados de Prensa

    ¿Se está enfriando el boom de la IA? Arabia Saudita lidera la caída del interés

    · 10 min · 125 vistas

    El boom de la inteligencia artificial no se apagó, pero sí perdió velocidad. Esa es la conclusión central…

  2. LongCat-2.5 de Meituan abre sus pesos con licencia MIT
    Herramientas

    LongCat-2.5 de Meituan abre sus pesos con licencia MIT

    · 7 min · 73 vistas

    Meituan lanzó LongCat-2.5, un modelo de 1.6 billones de parámetros con cerca de 48 mil millones activados por…

Continue Reading

Lo más reciente

Lo más popular

Subscribete a nuestro Podcast

Trending