China hat gerade sein größtes KI-Modell vorgestellt, das vollständig ohne NVIDIA-Chips trainiert wurde. Meituan hat LongCat-2.0 enthüllt, ein 1,6 Billionen Parameter umfassendes Open-Source- großes Sprachmodell. Der in Peking ansässige Essensliefergigant führte das Projekt vollständig mit einheimischer Hardware durch.
Der Durchbruch verändert nun, wie die globale KI-Industrie Chinas Bestrebungen nach technologischer Selbstversorgung sieht.
Was Meituans LongCat-2.0 zum KI-Wettbewerb beiträgt
Ein großes Sprachmodell ist ein KI-System, das auf riesigen Datensätzen trainiert wurde. Diese Systeme verstehen, generieren und argumentieren in menschlicher Sprache über viele Bereiche hinweg. LongCat-2.0 gehört zu den größten aller Zeiten, mit 1,6 Billionen Parametern und einem Kontextfenster von 1 Million Tokens.
Die Veröffentlichung erfolgt, während China weiterhin auf vollständige Selbstversorgung in kritischer Recheninfrastruktur drängt. Darüber hinaus sagte Meituan, dass LongCat-2.0 das erste Modell der Branche mit einer Billion Parametern ist, das sowohl das Training als auch die Inferenz auf einheimischer Hardware abgeschlossen hat. Infolgedessen stellt das Projekt einen bedeutenden technischen Meilenstein dar.
Folgen Sie uns auf X, um die neuesten Nachrichten in Echtzeit zu erhalten.
Die entscheidende Unterscheidung ist wichtig. DeepSeek’s V4-pro verwendete einheimische Chips nur für die Inferenz. Das ist die leichtere Aufgabe, um Benutzerfragen zu beantworten.
Im Gegensatz dazu verwendete LongCat-2.0 einheimische Hardware sowohl für die Inferenz als auch für die weitaus anspruchsvollere Vortrainingsphase.
Meituan sagte, dass der Cluster um großangelegte ASIC-Superpods aufgebaut wurde. Dies sind Chips, die für spezifische Arbeitslasten angepasst sind. Darüber hinaus verwendete das Unternehmen Huaweis Collective Communication Library (HCCL), um die Chip-zu-Chip-Koordination im großen Maßstab zu verwalten. Die Einrichtung spiegelt wider, wie NVIDIAs NCCL seine eigenen GPU-Cluster koordiniert.
„…Es erinnert mich an Jensens Huang Punkt im Dwarkesh-Podcast: Exportkontrollen für Nvidia-GPUs werden China nicht aufhalten. Sie werden lediglich die Entwicklung von KI beschleunigen, die auf chinesischen Chips läuft“, sagte Analyst Yuchen Jin auf X.
Warum der Launch von LongCat-2.0 global wichtig ist
LongCat-2.0 zeigte starke Leistungen in mehreren Benchmarks. Es übertraf Googles ältere Gemini 3.1 Pro im Terminal-Bench 2.1 und SWE-Bench Pro.
Das Modell bleibt jedoch hinter globalen Grenzsystemen zurück. Dazu gehören OpenAIs GPT-5.5 und Anthropics Opus 4.8 bei den anspruchsvollsten agentischen und logischen Aufgaben.
Branchenbeobachter reagierten sofort. Tech-Analyst TP Huang sagte, der Launch beseitige Bedenken hinsichtlich Huaweis Atlas-950 SuperPoDs. Darüber hinaus nannte der Forscher der Lehigh University Hanchi Sun es das erste Modell, das jemals auf nahezu Grenzleistung auf 50.000 chinesischen Inlandsbeschleunigern trainiert wurde.
„…Wenn China das Grenztraining auf lokalem Silizium auf diesem Niveau skalieren kann, ist das Wettrüsten um Rechenleistung offener als je zuvor“, bemerkte Venture-Partner Alvin Foo.
Bedeutende Hürden bleiben im gesamten chinesischen KI-Stack bestehen. Meituan erkannte an, dass sein Software-Ökosystem hinter der ausgereiften GPU-Community von NVIDIA zurückbleibt. Darüber hinaus waren die Speicherkapazitäten das Hauptengpass während des Pre-Trainings. Infolgedessen haben inländische Beschleuniger weniger Speicher pro Gerät als der verbotene H800-Chip von NVIDIA.
Das übergeordnete Signal ist strukturell. Meituans Erfolg beweist, dass das Training auf Grenzskala jetzt technisch auf chinesischer Hardware machbar ist.
Folglich könnte die Lücke zwischen chinesischen Open-Source-Modellen und den besten geschlossenen westlichen Systemen schneller schrumpfen als in den jüngsten Prognosen vorhergesagt.
Quelle: BeInCrypto
