美団、1.6兆パラメーターのLongCat-2.5発表　国産チップで学習

中国の生活サービス大手、美団（メイトゥアン）は11月2日、総パラメーター数1兆6000億のマルチモーダルAIモデル「LongCat-2.5」を発表した。同社によると、学習はすべて中国国産の計算基盤で行い、複数の主要ベンチマークでアンソロピックの「Claude Opus 4.8」と「Claude Opus 5」の中間の性能を示したという。

ポイント

• LongCat-2.5の総パラメーター数は1兆6000億で、1トークンあたり約480億が稼働する（テックノード報道）。
• 美団は学習の全工程を国産計算資源で完了したとしているが、使用チップ名は明らかにしていない。
• モデルは美団のチャットサービスとAPIで利用でき、GitHubとHugging Faceでのオープンウェイト公開は予定段階にとどまる。

美団LongCat-2.5とは

美団の発表によると、LongCat-2.5は「長期タスク（ロングホライズン）」向けエージェントを想定したネイティブのマルチモーダルモデルである。AIエージェントが目標を見失わずに多数の手順をこなす必要がある作業を指す。

中国メディアIT之家を引用したテックノードの報道では、同モデルは画像とテキストを一つのトークン体系で処理する。ビジュアルコーディング、クリエーティブデザイン、3D作業に対応する。美団は長い作業系列の学習を拡充し、複雑なコードベースで大規模な強化学習を実施したうえ、実際のエージェントの失敗例を再現可能な学習課題に変えて活用したと説明している。

LongCat-2.5のベンチマーク、Claude Opusとの比較

美団は、LongCat-2.5が複数の主要ベンチマークでClaude Opus 4.8とOpus 5の間に位置し、一部ではOpus 5を上回ったと主張する。ただし発表にはベンチマークごとの数値がなく、11月3日時点で第三者による独立検証の結果も出ていない。

一方、効率面の数値は公開した。重みと活性値を4ビットにしたW4A4版は、評価したタスクで量子化前のモデルと同等の性能だったという。8ビット（W8A8 INT8）の基準モデルとのオンライン負荷試験では、処理量が約40％増え、最初の出力までの待ち時間は約16％、以降の1トークンあたりの生成時間は約20％短縮したとしている。長文脈の微調整では、1枚のカードあたりの学習処理量が従来方式比で86％向上したという。

背景：中国の「国産モデル・国産チップ」路線

LongCat-2.5は、今年6月に公開された「LongCat-2.0」の後継である。美団は2.0を、学習と推論の両方を国産計算資源で完結させた初の1兆パラメーター級モデルと位置付けてきた。Hugging Faceのモデルカードには、MITライセンス、35兆トークン超の事前学習、社内測定によるSWE-bench Pro 59.5というスコアが記されている。

中国の財新は3日、今回の発表は中国テック企業が国産チップへの依存を強めている流れを示すと報じた。美団は計算能力の販売ではなく、本業の強化にモデルを使う方針だ。LongCatシリーズを基盤とする店舗向け業務ツール「妙手」は、古茗や益禾堂といったチェーンが導入している。王興（ワン・シン）最高経営責任者（CEO）は8月28日の第2四半期決算説明会で、美団が「トークン工場」になることはないと述べた。

今後の焦点

最大の焦点はオープンウェイトの公開時期である。重みがGitHubとHugging Faceに公開されれば、外部の研究者が自らClaude Opusと比較し、美団の主張を検証できるようになる。

よくある質問

LongCat-2.5はオープンソースか。

現時点ではそうではない。テックノードによると、GitHubとHugging Faceでの公開が予定されている。前モデルのLongCat-2.0はMITライセンスで重みが公開済みである。

開発者はどう試せるのか。

美団によると、longcat.aiで試用でき、同日に開始したAPIからも呼び出せる。

学習に使ったチップは何か。

美団は国産計算資源のみで学習したと説明するにとどまり、チップメーカーは公表していない。

参考資料

• 美团发布LongCat-2.5大模型，"国模国芯"实现新突破 — 美団（2026年11月2日）
• meituan-longcat/LongCat-2.0 — Hugging Face
• Meituan launches LongCat-2.5 multimodal AI model for extended coding tasks — テックノード（2026年11月2日）
• Meituan Unveils New AI Model Trained on Homegrown Chips — 財新グローバル（2026年11月3日）