> ## Content Index
> Fetch the complete content index at: https://ki-china-daily.de/llms.txt
> Use this file to discover other available public pages before exploring further.

# Meituan veröffentlicht Sprachmodell LongCat-2.5 als Open Source
- URL: https://ki-china-daily.de/meituan-veroffentlicht-sprachmodell-longcat-2-5-als-open-source/
- Published: 2026-11-10T05:00:55.000Z
- Updated: 2026-11-10T05:08:50.000Z
- Description: Meituan hat sein Modell LongCat-2.5 als Open-Source-Modell veröffentlicht, laut einem Bericht von Kuai Keji vom 9. November. Das Modell steht unter der MIT-Lizenz, die kommerzielle Inferenz und …
- Author: Harald Wittmann
- Tags: Analyse, 2026-11-10, Modelle, Kuai Keji, Meituan

Meituan hat sein Modell LongCat-2.5 als Open-Source-Modell veröffentlicht, laut einem Bericht von Kuai Keji vom 9\. November. Das Modell steht unter der MIT-Lizenz, die kommerzielle Inferenz und Nachtraining ohne zusätzliche Genehmigung erlaubt. Meituan positioniert LongCat-2.5 als natives multimodales Modell für langfristige Agentenaufgaben.

Das Modell hat insgesamt 1,6 Billionen Parameter, pro Token werden rund 48 Milliarden Parameter aktiviert. Es unterstützt einen Kontext von bis zu 1 Million Tokens. Nach Angaben des Unternehmens verbessert sich dadurch die End-to-End-Lieferfähigkeit bei komplexer Code-Repository-Entwicklung, vollständigem Projektaufbau, Visual Coding und professionellen Büroszenarien merklich. Für die Inferenz nutzt LongCat-2.5 ein W4A4-Schema: Expertengewichte und Aktivierungen werden gleichzeitig auf 4 Bit quantisiert und über native INT4-Matrixmultiplikationseinheiten berechnet; laut Unternehmen bleibt die Leistung bei den getesteten Aufgaben gegenüber der unquantisierten Version vergleichbar.

Laut der Meldung stammt die verbesserte Langstreckenfähigkeit aus der gesamten Trainingskette: Die Trainingsdaten enthalten mehr long-horizon-Trajektorien, gescheiterte reale Agenten-Abläufe wurden in reproduzierbare, überprüfbare Trainingsaufgaben umgewandelt. Beim Reinforcement Learning kommt asynchrones Training mit partial rollouts zum Einsatz, bei dem unvollständige lange Aufgaben gespeichert und später fortgesetzt werden; die Über-Sampling-Rate wird je nach Erfolgsquote dynamisch angepasst, um Gruppen mit durchweg richtigen oder falschen Beispielen herauszufiltern. Für Umgebungen mit begrenztem Grafikspeicher auf chinesischer Rechenhardware wurde die Verarbeitung so optimiert, dass bei unter 80 GB Grafikspeicher pro Karte die Last über mehrere Karten im Superknoten verteilt wird; nach Angaben des Unternehmens steigt dadurch der Durchsatz beim Supervised Fine-Tuning langer Sequenzen pro Karte um 86 Prozent gegenüber der DDP-Basislinie.

> *Für mich ist der auffälligste Punkt die gezielte Optimierung für chinesische Rechenhardware mit begrenztem Grafikspeicher. Das deutet darauf hin, dass Meituan sein Modell bewusst so baut, dass es ohne High-End-Chips importierter Hersteller läuft. Wer in China große Agentenmodelle einsetzen will, bekommt damit eine Alternative, die nicht an ausländische GPU-Lieferketten gebunden ist. Die übrigen technischen Angaben zu Training und Quantisierung zeigen vor allem, wie viel Aufwand in die praktische Lauffähigkeit solcher Großmodelle fließt, weniger in reine Parameterzahlen.*

Offen bleibt: Alle Leistungs- und Durchsatzangaben, auch die 86 Prozent mehr Durchsatz, stammen ausschließlich aus Meituans eigener Darstellung; unabhängige Tests nennt die Quelle nicht.

Quelle: [Kuai Keji](https://m.mydrivers.com/newsview/1164418.html?ref=ki-china-daily.de)