Kinesiske Meituan slapp LongCat-2.0 den 30. juni 2026 under MIT-lisens, ifølge selskapets egen kunngjøring og en gjennomgang hos FelloAI. Tallet som fanger blikket er 1,6 billioner totale parametere, men det er en Mixture-of-Experts-modell: den aktiverer i snitt bare rundt 48 milliarder parametere per token, med et dynamisk spenn fra 33 til 56 milliarder. Den sparsomme aktiveringen er hele trikset, fordi modellen bærer kunnskap på frontier-skala mens den kjører til kostnaden av en langt mindre tett modell.
Modellen er bygget spesifikt for agentisk koding: kodeforståelse, generering og fleretrinnskjøring inne i agent-arbeidsflyter, ikke engangssvar i chat. Den har et nativt kontekstvindu på 1 million tokens, holdt praktisk gjennom en teknikk Meituan kaller LongCat Sparse Attention, som velger ut de mest relevante tokenene i stedet for å sammenligne alle mot alle. Det er dette som lar modellen hente én funksjon ut av en gigantisk kodebase uten å lese hele på nytt.
En detalj gjør denne lanseringen uvanlig troverdig. Før den hadde navn, kjørte LongCat-2.0 anonymt på OpenRouter som «Owl Alpha» i rundt to måneder og ble en av plattformens mest brukte modeller, med omtrent 10,1 billioner tokens i måneden. Reell bruk kom altså før markedsføringen, noe som er et sterkere signal enn et lanseringsdags-diagram.
«While generalist large language models prioritize fluid, conversational interfaces, LongCat-2.0 focuses explicitly on multi-step engineering tasks, tool integration, and automated repository manipulation.» — VentureBeat, i sin dekning av lanseringen
På benchmarks scorer modellen 59,5 på SWE-bench Pro, så vidt foran GPT-5.5 sine 58,6, pluss 70,8 på Terminal-Bench 2.1 og 77,3 på SWE-bench Multilingual. Les de tallene med et forbehold: de er rapportert av Meituan selv, ikke uavhengig verifisert, og «slår GPT-5.5»-linjen holder på nøyaktig én test med under ett poengs margin. Det ærlige bildet er nær-frontier for en modell med åpen vekt, ikke en avklart tronovertakelse.
Det som virkelig skiller lanseringen ut er maskinvaren. Meituan sier modellen ble trent og kjørt på en klynge med over 50 000 kinesiske ASIC-brikker, uten en eneste Nvidia-GPU, og hevder dette gjør LongCat-2.0 til den første billion-parameter-modellen bygget fullt på innenlandsk beregning. I lys av eksportrestriksjonene på brikker er det et poeng som teller.
Bakgrunn: hvorfor «åpen» har en asterisk her
For deg som vil kjøre modellen selv er det ett viktig forbehold. Ved lansering er Hugging Face- og GitHub-sidene oppe, men vektene står oppført som «coming soon». Community-verktøy venter allerede: et åpent issue mot Unsloth (#6759) ber om støtte «once the weights are available». Den praktiske veien inn akkurat nå går derfor gjennom hostede APIer, ikke en lokal nedlasting.
Prisen er der modellen blir aggressiv. Kampanjeprisen starter på rundt 0,30 dollar per million input-tokens med gratis context-cache-treff, mot GPT-5.5 som ligger nær 5 dollar input og 30 dollar output. For tunge agent-arbeidsmengder er gapet en størrelsesorden. Du kan prøve modellen i dag via OpenRouter (tidligere listet som «Owl Alpha») eller Meituans egen LongCat-plattform, mens du venter på at MIT-vektene faktisk blir nedlastbare og lar deg selvhoste.