Meituan traint LongCat-2.0 op Chinese chips

Het Chinese Meituan heeft LongCat-2.0 vrijgegeven, een taalmodel van 1,6 biljoen parameters dat volledig op binnenlandse chips is getraind. Het model kwam op 30 juni uit onder een MIT-licentie en dook daarvoor al maandenlang op in de bovenste regionen van OpenRouter onder de codenaam Owl Alpha. Volgens VentureBeat is het daarmee het grootste model dat tot nu toe zonder NVIDIA-hardware is opgebouwd.

Wat LongCat-2.0 kan

LongCat-2.0 is een mixture-of-experts model. De teller staat op 1,6 biljoen parameters, maar per token activeert het gemiddeld 48 miljard parameters, afhankelijk van de complexiteit van de vraag ergens tussen de 33 en 56 miljard. Dat houdt de rekenkosten beheersbaar terwijl de capaciteit hoog blijft. Het contextvenster is standaard 1 miljoen tokens, genoeg om hele codebases of lange documenten in één keer te verwerken. Meituan mikt vooral op agentische programmeertaken, en de scores op OpenRouter suggereren dat het model daar dicht bij de westerse top zit. Dezelfde beweging naar sterke open modellen zag je eerder bij GLM-5.2, dat Opus 4.8 nadert voor een fractie van de prijs.

Getraind zonder NVIDIA

Het opvallendste zit in de hardware. Meituan zegt LongCat-2.0 te hebben getraind op een cluster van ruim 50.000 binnenlandse ASIC-chips, en die inzet gold voor zowel de pre-training als de inference. Dat is een verschil met eerdere Chinese modellen. DeepSeek gebruikte eigen silicium tot nu toe vooral voor het draaien van een afgetraind model, niet voor de zware trainingsfase zelf. SiliconANGLE wijst erop dat juist die trainingsfase de grootste rekenkracht vraagt, en precies daar zaten de Amerikaanse exportbeperkingen op. De race om NVIDIA-onafhankelijkheid speelt overigens aan beide kanten van de oceaan. In het westen probeert Qualcomm met de overname van Modular de CUDA-grip van NVIDIA los te wrikken.

Wat dit doet met de exportcontroles

Volgens de South China Morning Post presenteert Meituan LongCat-2.0 als bewijs dat een frontier-model haalbaar is op louter Chinese silicium. Dat voedt de discussie of de Amerikaanse chipsancties de Chinese AI-ontwikkeling echt vertragen of vooral versnellen richting eigen alternatieven. Voor andere landen die aan soevereine AI werken is het een signaal dat je niet per se afhankelijk hoeft te zijn van één leverancier. Diezelfde ambitie zie je bij NAVER, dat soevereine AI-fabrieken bouwt, zij het nog wél samen met NVIDIA.

Wat betekent dit

Met een MIT-licentie kan iedereen LongCat-2.0 downloaden, aanpassen en commercieel inzetten. Dat drukt de prijs van sterke agentische modellen verder omlaag, een trend die eerder zichtbaar werd toen bedrijven tokenmaxxing lieten vallen voor goedkopere AI. Voor Nederlandse ontwikkelaars betekent het meer keuze en minder afhankelijkheid van dure gesloten API’s. De keerzijde is dat de geopolitieke lijnen scherper worden: een topmodel dat volledig buiten de Amerikaanse toeleveringsketen is gemaakt, verandert de onderhandelingspositie in het hele chipsdossier.