Meituan presenta LongCat-2.5, modello multimodale per agenti e codice

Meituan ha presentato il 2 novembre 2026 LongCat-2.5, un modello multimodale progettato per agenti che affrontano attività software articolate in più passaggi. L’azienda punta sulla combinazione di comprensione visiva, programmazione e uso di strumenti: il modello dovrebbe poter interpretare riferimenti grafici e integrarli in attività di sviluppo, dalla creazione di interfacce a progetti più ampi. È disponibile sul sito LongCat e tramite API; la documentazione consultata non annuncia invece la pubblicazione dei pesi.

Nel comunicato di lancio di Meituan, LongCat-2.5 è descritto come un modello nativamente multimodale, addestrato su infrastrutture di calcolo cinesi. Il blog tecnico del team LongCat indica un’architettura mixture-of-experts con 1,6 trilioni di parametri complessivi e circa 48 miliardi attivi per token. In questo tipo di architettura, non tutti i parametri vengono coinvolti a ogni passaggio.

Visione e programmazione nello stesso flusso

La novità non è l’arrivo della comprensione delle immagini o della programmazione, già presenti nell’anteprima LongCat-2.5-Preview, registrata dalla piattaforma il 25 settembre 2026. Meituan mette l’accento sul loro collegamento con attività agentiche più lunghe: lavorare su basi di codice complesse, costruire un progetto dall’inizio alla fine e usare strumenti durante l’esecuzione.

Secondo il team, LongCat-2.5 converte le informazioni visive in token discreti, così che immagini e testo possano essere elaborati in una rappresentazione comune. L’approccio è pensato per compiti come sviluppare una pagina a partire da un riferimento visuale, oltre che per attività di progettazione creativa e 3D. Sono capacità presentate da Meituan: la loro descrizione non dimostra, da sola, affidabilità o autonomia in ogni ambiente di sviluppo.

La documentazione API indica una finestra di contesto fino a un milione di token e un limite massimo di 128.000 token in uscita. La piattaforma dichiara inoltre compatibilità con formati API OpenAI e Anthropic e con ambienti per agenti come Claude Code, Codex e Hermes. Sono modalità di accesso e integrazione online, non un’indicazione che il modello possa essere eseguito localmente.

I benchmark non mostrano un vantaggio uniforme

La tabella pubblicata da Meituan comprende prove di programmazione, uso di agenti e capacità visive. Il confronto con Claude Opus 5 è misto: LongCat-2.5 ottiene punteggi più alti in alcune righe e più bassi in altre. Nei due benchmark di programmazione Terminal Bench, per esempio, resta sotto il modello di Anthropic; in PaperBench e BrowseComp i valori riportati sono invece superiori.

I numeri sono quelli pubblicati dal team LongCat e non costituiscono una valutazione indipendente. La nota metodologica distingue i risultati dei concorrenti ricavati da rapporti tecnici, blog o classifiche ufficiali da quelli eseguiti internamente da Meituan, indicati come “indicativi”; i valori non contrassegnati da asterisco rientrano in quest’ultimo gruppo. Cambiano inoltre benchmark, versioni degli strumenti e protocolli di prova. I punteggi aiutano quindi a leggere il quadro dichiarato dall’azienda, ma non consentono di prevedere direttamente le prestazioni su qualsiasi progetto reale.

Efficienza: risultati legati a prove specifiche

Meituan riferisce di aver usato sequenze fino a un milione di token durante l’addestramento e di aver ottimizzato il sistema per acceleratori AI cinesi. Nel fine-tuning supervisionato su sequenze lunghe, il blog tecnico riporta un throughput per dispositivo superiore dell’86% rispetto a una configurazione DDP. Il dato riguarda quel test di addestramento: non è una misura della velocità dell’API per qualunque richiesta.

Per l’inferenza, il team descrive una quantizzazione W4A4, che porta a quattro bit sia i pesi degli esperti sia le attivazioni. Nei propri test di carico online, confrontati con una configurazione W8A8, Meituan riporta un throughput maggiore del 43,3% nella fase di elaborazione dell’input e del 42,77% nella generazione. La stessa fonte indica una riduzione del 15,91% del tempo alla prima risposta e del 19,72% del tempo per generare ciascun token. Sono misure su una specifica infrastruttura aziendale, non garanzie sulle prestazioni di ogni implementazione.

Dal modello ai servizi per le imprese

Il lancio si inserisce nella strategia con cui Meituan collega i propri modelli alle attività dell’azienda. Nel comunicato, il gruppo riferisce che la piattaforma gestionale AI Miaoshou, basata sulla serie LongCat, è già utilizzata da alcune catene commerciali per analisi, gestione dei negozi e acquisizione di clienti. La comunicazione non attribuisce però questi impieghi nello specifico a LongCat-2.5: descrive un’applicazione della serie, non un’adozione già documentata del nuovo modello.

Per sviluppatori e aziende, la questione pratica è quindi se il modello sappia mantenere il filo di un incarico lungo, usare strumenti in modo affidabile e trasformare input visivi in codice utile. L’accesso via API permette di provarlo nei flussi compatibili, ma le prestazioni andranno misurate sui propri compiti e confrontate con alternative nelle stesse condizioni. Le fonti consultate documentano l’accesso online; non annunciano il rilascio dei pesi, un elemento da distinguere dalla disponibilità del servizio.