LongCat-2.0 : modèle colossal entraîné sans Nvidia en Chine

Imaginez construire un modèle de langage colossal sans une seule carte Nvidia dans les racks. Étrange ? Plus maintenant. Meituan a discrètement lancé LongCat-2.0, un géant open source qui remet en question les idées reçues sur le matériel capable de supporter les charges d'IA les plus lourdes.

LongCat-2.0 contient environ 1,6 trillion de paramètres et prend en charge une fenêtre de contexte d'environ un million de tokens, le plaçant parmi les modèles de langage les plus étendus en circulation. À l'échelle, ses créateurs affirment qu'il rivalise avec des modèles comme DeepSeek-V4-pro, mais l'élément marquant n'est pas la taille brute. C'est l'histoire du matériel.

Contrairement aux efforts précédents qui s'appuyaient sur des puces nationales seulement pour l'inférence, Meituan indique que LongCat-2.0 a réalisé à la fois l'entraînement et l'inférence sur une pile entièrement basée en Chine. La société affirme avoir utilisé un cluster de calcul composé d'environ 50 000 cartes graphiques chinoises et de dizaines de milliers d'ASIC conçus pour des tâches d'IA. Le résultat : un entraînement à grande échelle effectué sur des alternatives matérielles à la chaîne d'approvisionnement mondiale dominée par Nvidia.

L'entreprise n'a pas divulgué les familles de processeurs exactes impliquées. Huawei est un candidat évident, mais Meituan s'est abstenu de nommer des fournisseurs. Cette opacité compte : la compatibilité logicielle, la maturité des pilotes et les couches d'orchestration influencent toutes les performances réelles, pas seulement les puces elles-mêmes.

LongCat-2.0 marque une étape vers l'indépendance matérielle, mais ses capacités pratiques restent à prouver tant que des benchmarks indépendants ne seront pas disponibles.

Jusqu'à présent, le modèle n'a pas été évalué sur des suites de référence reconnues telles que Analyse Artificielle ou Arène, ni sur des tests spécialisés comme le Dernier examen des agents et CyberGym. Les benchmarks diront si l'entraînement sur une pile native se traduit par une précision, une latence et une efficacité compétitives. S'agira-t-il d'une parité avec ses homologues entraînés sur Nvidia, ou d'un compromis différent ?

L'implication plus large est claire : l'écosystème chinois teste si des puces alternatives et d'énormes clusters domestiques peuvent soutenir la recherche d'avant‑garde en IA. Cela pourrait remodeler les hypothèses sur les chaînes d'approvisionnement et stimuler l'innovation locale. Pour l'instant, LongCat-2.0 constitue une preuve de capacité et incite à suivre les résultats des benchmarks qui décideront s'il s'agit d'une percée ou d'une expérience intrigante.