Meituan startet LongCat-2.5: 1,6-Billionen-Agentenmodell mit Bildverständnis

Worum es geht

Meituan, in China vor allem als Essenslieferdienst und Plattform für lokale Dienstleistungen bekannt, hat am 2. November 2026 LongCat-2.5 vorgestellt. Es ist ein nativ multimodales Mixture-of-Experts-Modell (MoE – bei jedem Token wird nur ein Teil der Modellbausteine, der „Experten“, aktiviert). Insgesamt hat es 1,6 Billionen Parameter, rund 48 Milliarden davon sind pro Token aktiv. Zugänglich ist es über die LongCat-Webseite und eine API. Eine Vorschau gab es bereits am 25. September 2026, allerdings ohne Benchmarks. Das Modell baut auf LongCat-2.0 vom Juni 2026 auf.

Für lange Agentenaufgaben gebaut

Meituan zielt auf „Long-Horizon“-Agentenarbeit: Die KI soll planen, Werkzeuge nutzen, mehrere Schritte ausführen, Ergebnisse prüfen und weiterarbeiten, bis ein größeres Ziel erreicht ist. Statt kurzer Code-Schnipsel soll sie ein ganzes Softwareprojekt durchdringen, Fehler finden und Änderungen über mehrere Dateien hinweg umsetzen. Das native Kontextfenster umfasst eine Million Tokens, die Ausgabe bis zu 128.000 Tokens. Damit sollen Terminals, Browser, grafische Oberflächen, Tabellen und Designwerkzeuge über viele Schritte im Arbeitsgedächtnis bleiben. Laut Changelog läuft das Modell mit Agenten-Umgebungen wie Claude Code, Codex und Hermes. Allgemeines Chatten ist laut Cryptobriefing nicht der Hauptfokus.

Bildverständnis und Training

Das Modell stellt Bilder als mehrstufige diskrete Tokens dar (ein Bild wird in Einheiten zerlegt, die wie Wörter verarbeitet werden) und verarbeitet sie im selben System wie Text. Meituan nennt Anwendungen wie Visual Coding (Webseiten und Oberflächen nach visuellen Vorgaben), kreatives Design, 3D-Demos und visuelles Schlussfolgern. Gezeigt wurden unter anderem interaktive Flüssigkeitssimulationen, 3D-Ausstellungen und Miniaturstädte.

Beim Training setzt Meituan auf Reinforcement Learning (Lernen durch Belohnung) über lange Interaktionsketten, mit Datensynthese, Umgebungsbau und Training über verschiedene Agenten-Frameworks. Besonders: Scheitert ein echter Agent, wird der Fehlschlag in eine reproduzierbare Trainingsaufgabe mit prüfbaren Tests umgewandelt. In der Mid-Training-Phase wurden Sequenzen von bis zu einer Million Tokens verwendet.

Effizienz auf heimischer Hardware

Laut Meituan lief Training und Betrieb auf in China produzierten KI-Beschleunigern. Im Test mit langen Sequenzen erreichte das optimierte Trainingssystem 86 % mehr Durchsatz pro Gerät als eine DDP-Basis (Distributed Data Parallel, eine Standardmethode für verteiltes Training). Für die Inferenz kommt W4A4-Quantisierung zum Einsatz: Gewichte und Aktivierungen werden mit nur 4 Bit gespeichert. Gegenüber W8A8 INT8 meldet Meituan in Online-Tests:

Diese Zahlen stammen von Meituan und sind nicht unabhängig geprüft.

Benchmarks und Verfügbarkeit

Cryptobriefing berichtet, Meituan sehe das Modell bei mehreren Benchmarks auf Augenhöhe mit Claude-Opus-Varianten. Konkrete Zahlen nennen die Quellen nicht, es sind Herstellerangaben. Offene Gewichte gibt es noch nicht; laut Ankündigung sollen GitHub- und Hugging-Face-Releases folgen. Preise sind nicht genannt. Meituan nutzt seine Modelle auch selbst, etwa im Geschäftsassistenten Miaoshou, der Händlern bei Analyse, Filialverwaltung und Kundengewinnung hilft.

Einordnung

LongCat-2.5 zeigt, dass chinesische Anbieter große Agentenmodelle zunehmend auf heimischer Hardware trainieren, vor dem Hintergrund von US-Exportbeschränkungen. Spannend ist der Ansatz, Agenten-Fehlschläge als Trainingsmaterial zu verwenden. Offen bleibt vieles: Alle Leistungsangaben sind Herstellerangaben, unabhängige Tests zu Coding und Multimodalität fehlen, Preise ebenfalls. Lokal ausprobieren kann man das Modell derzeit nicht. Selbst nach einem Gewichte-Release wäre es mit 1,6 Billionen Parametern nur mit Serverhardware betreibbar.