Kina har akkurat lansert sin største AI-modell som er trent helt uten NVIDIA-brikker. Meituan har avduket LongCat-2.0, en åpen kildekode stor språkmodell med 1,6 billioner parametre. Matleveringsgiganten fra Beijing kjørte prosjektet på innenlandsk maskinvare fra start til slutt.
Dette gjennombruddet endrer nå hvordan den globale AI-industrien ser på Kinas satsing på teknologisk selvforsyning.
Dette betyr Meituans LongCat-2.0 for AI-kappløpet
En stor språkmodell er et AI-system som er trent på enorme datasett. Slike systemer forstår, genererer og resonerer på menneskespråk på tvers av mange fagområder. LongCat-2.0 er blant de største noensinne, med 1,6 billioner parametre og et kontekstvindu på 1 million tokens.
Lanseringen kommer samtidig som Kina fortsetter å satse på full selvforsyning innen kritisk datainfrastruktur. Videre sier Meituan at LongCat-2.0 er bransjens første billion-parametermodell som fullfører både trening og inferens på kinesisk maskinvare. Dette markerer dermed en betydelig teknologisk milepæl.
Følg oss på X for å få de siste nyhetene i sanntid.
Forskjellen er viktig. DeepSeeks V4-pro brukte indenlandske brikker kun til inferens. Det vil si – kun til å svare på brukerforespørsler, som er en mindre ressurskrevende oppgave.
Derimot brukte LongCat-2.0 hjemmelaget maskinvare både til inferens og den mye mer krevende pre-treningen.
Meituan uttalte at datasenteret er bygget opp rundt store ASIC superpods – spesialtilpassede brikker for bestemte typer arbeidsoppgaver. I tillegg benyttet selskapet Huaweis Collective Communication Library (HCCL) for å koordinere kommunikasjon mellom brikker i stor skala. Oppsettet minner om hvordan NVIDIAs NCCL styrer deres egne GPU-klynger.
“…Det minner meg om Jensen Huangs poeng i Dwarkesh-podcasten: eksportkontroll på Nvidia-GPU-er vil ikke stoppe Kina. Det vil bare fremskynde utviklingen av AI som kjører på kinesiske brikker,” spår analytiker Yuchen Jin på X.
Hvorfor lanseringen av LongCat-2.0 har global betydning
LongCat-2.0 leverte sterke resultater på flere referansetester. Den overgikk Googles eldre Gemini 3.1 Pro på Terminal-Bench 2.1 og SWE-Bench Pro.
Likevel mangler modellen fortsatt noe sammenlignet med verdens ledende systemer. Dette inkluderer OpenAIs GPT-5,5 og Anthropics Opus 4,8, spesielt på de mest krevende oppgavene innen resonnering og agentbaserte løsninger.
Bransjeobservatører reagerte umiddelbart. Teknologianalytiker TP Huang uttalte at lanseringen fjerner usikkerhet rundt Huaweis Atlas-950 SuperPoDs. Forskeren Hanchi Sun ved Lehigh University kalte det den første modellen som noen gang er trent til nesten-grensenivå ved bruk av 50 000 kinesiske akseleratorer.
“…Hvis Kina kan skalere grense-trening på lokal silisium på dette nivået, er kappløpet om regnekraft mer åpent enn noen gang,” bemerket venturepartner Alvin Foo.
Det gjenstår fortsatt betydelige utfordringer for den kinesiske AI-industriens øvrige lag. Meituan erkjenner at deres programvareøkosystem fortsatt ligger bak NVIDIAs modne GPU-fellesskap. I tillegg var minnebegrensninger den største flaskehalsen under pre-treningen. Kinesiske akseleratorer har mindre minne per enhet enn NVIDIAs bannlyste H800-brikke.
Det strukturelle signalet er klart. Meituans suksess viser at trening på grensenivå nå er teknologisk mulig på kinesisk maskinvare.
Konsekvensen er at gapet mellom kinesiske open source-modeller og de beste lukkede systemene i vesten kan bli mindre raskere enn tidligere prognoser har vist.
