Китай представил свою крупнейшую ИИ-модель, обученную полностью без чипов NVIDIA. Компания Meituan показала LongCat-2.0 — открытую большую языковую модель на 1,6 трлн параметров, проект целиком отработан на отечественном оборудовании.

Что именно сделала Meituan

LongCat-2.0 входит в число крупнейших языковых моделей: 1,6 трлн параметров и контекстное окно на 1 млн токенов. Ключевое отличие — не размер, а стек. По утверждению Meituan, это первая в отрасли модель уровня триллиона параметров, у которой на отечественном железе прошли и обучение, и инференс. Для сравнения, V4-pro от DeepSeek опиралась на китайские чипы только на этапе инференса — более лёгкой задачи ответа на запросы пользователя. LongCat-2.0 использовала своё оборудование и на куда более требовательной стадии предобучения.

Кластер, по словам компании, построен вокруг крупных суперподов на ASIC — чипах, заточенных под конкретную нагрузку. Для координации чипов между собой применялась библиотека Huawei Collective Communication Library (HCCL), аналог NCCL, которая управляет GPU-кластерами NVIDIA.

Как отреагировала индустрия

«…Это напоминает мне мысль Дженсена Хуанга из подкаста Dwarkesh: экспортные ограничения на GPU Nvidia не остановят Китай. Они лишь ускорят разработку ИИ, работающего на китайских чипах», — написал в X аналитик Ючэнь Цзинь. Исследователь Университета Лихай Ханьчи Сунь назвал LongCat-2.0 первой моделью, обученной до почти фронтирного уровня на 50 000 китайских отечественных ускорителях. «…Если Китай способен масштабировать фронтирное обучение на локальном кремнии на таком уровне, гонка вычислений открыта шире, чем когда-либо», — отметил венчурный партнёр Элвин Фу.

Оговорки

По бенчмаркам модель обошла более старую Gemini 3.1 Pro от Google на Terminal-Bench 2.1 и SWE-Bench Pro, но всё ещё отстаёт от мировых фронтирных систем — GPT-5.5 от OpenAI и Opus 4.8 от Anthropic — на самых сложных агентных и рассуждательных задачах. Meituan признаёт, что её программная экосистема уступает зрелому GPU-сообществу NVIDIA, а главным узким местом при предобучении была память: у отечественных ускорителей её на устройство меньше, чем у запрещённого к поставкам чипа H800. Структурный сигнал тем не менее очевиден: обучение фронтирного масштаба на китайском железе технически возможно, и разрыв между китайскими открытыми моделями и топовыми закрытыми западными системами может сокращаться быстрее прогнозов.

Источник: BeInCrypto