Derrière les performances de LongCat-2.5, la montée en puissance des modèles chinois

Avec 1 600 milliards de paramètres, LongCat-2.5 mise sur le raisonnement prolongé, la compréhension visuelle et le développement logiciel autonome.

Le groupe chinois Meituan poursuit le développement de sa famille de modèles LongCat avec une nouvelle version tournée vers l'exécution de tâches complexes. Baptisé LongCat-2.5, ce modèle multimodal natif associe compréhension visuelle, programmation et capacités agentiques pour mener des projets nécessitant de nombreuses étapes, parfois sans intervention humaine continue. Une orientation qui dépasse la simple génération de réponses pour s'intéresser à la réalisation de travaux complets.

Selon la présentation technique publiée par Meituan, LongCat-2.5 repose sur une architecture à mélange d'experts (MoE) réunissant 1 600 milliards de paramètres, dont environ 48 milliards sont activés pour chaque token traité. Cette configuration permet de mobiliser une fraction du modèle à chaque opération plutôt que l'ensemble de ses capacités simultanément. Du développement logiciel à la compréhension visuelle

LongCat-2.5 a été conçu pour prendre en charge des tâches agentiques de longue durée, notamment le développement au sein de grandes bases de code, la construction d'applications complètes et l'utilisation successive de plusieurs outils. Meituan affirme avoir renforcé son entraînement à partir de trajectoires d'exécution plus longues et de l'apprentissage par renforcement, en réutilisant notamment les échecs rencontrés par ses agents pour créer de nouveaux exercices vérifiables.

L'autre évolution concerne le traitement des informations visuelles. Le modèle représente les images sous forme de tokens discrets à plusieurs niveaux, permettant de traiter les contenus visuels et textuels dans un cadre commun. Cette approche vise notamment les applications de visual coding, où une intelligence artificielle doit interpréter des éléments graphiques puis produire le code nécessaire à leur reproduction ou à leur transformation.

Pour illustrer ces capacités, Meituan présente plusieurs démonstrations allant au-delà des interfaces web traditionnelles. LongCat-2.5 peut notamment générer une simulation interactive de fluides en temps réel, construire une exposition virtuelle d'objets historiques en 3D avec des commandes de navigation, ou produire des scènes urbaines miniatures. Les démonstrations couvrent également des usages professionnels, comme l'analyse de performances commerciales et la production de rapports interactifs à partir de retours clients.

Ces exemples montrent l'étendue des applications envisagées, sans constituer pour autant une validation indépendante de la fiabilité du modèle dans des environnements de production. Des performances en nette progression face à LongCat-2.0

Les évaluations communiquées par Meituan témoignent d'une progression importante par rapport à la précédente génération, particulièrement dans les tâches de programmation autonome.

Sur Terminal Bench v2.1, LongCat-2.5 atteint 88,4 points contre 70,8 pour LongCat-2.0. L'écart devient encore plus marqué sur Terminal Bench v4.0, avec un score qui passe de 3,0 à 38,5. Sur Program Bench, consacré à la résolution de problèmes dans des projets logiciels, le modèle progresse de 2,5 à 25,5.

Les résultats annoncés sont également élevés sur des évaluations plus générales. LongCat-2.5 obtient 91,9 sur BrowseComp, qui mesure les capacités de recherche et de navigation, ainsi que 83,1 sur MCP Atlas, consacré à l'utilisation d'outils. Sur 3DCodeBench, dédié à la génération 3D à partir d'instructions textuelles, il atteint 55,4 points.

Ces chiffres placent LongCat-2.5 à proximité de plusieurs modèles concurrents dans certaines catégories, sans lui assurer une domination générale. Sur Terminal Bench v4.0, Claude Opus 5 conserve par exemple une avance importante avec 53,9 points, tandis que DeepSeek-V4.1-Flash obtient 74,2 sur DeepSWE v1.1, contre 64,6 pour LongCat-2.5.

Les comparaisons doivent également être interprétées avec prudence : les résultats présentés associent des mesures réalisées par Meituan et des scores provenant de publications externes, avec des configurations d'évaluation qui ne sont pas nécessairement identiques. Une infrastructure pensée pour les accélérateurs chinois

Au-delà des performances du modèle, Meituan détaille les optimisations nécessaires à son entraînement et à son fonctionnement sur des accélérateurs d'intelligence artificielle domestiques.

L'entreprise indique avoir adapté son infrastructure aux contraintes de mémoire et aux architectures de calcul disponibles en Chine. Son système d'entraînement distribué améliore, selon ses mesures, de 86 % le débit par accélérateur par rapport à une configuration de référence utilisant DDP, dans des tâches d'entraînement supervisé sur de longues séquences.

Pour l'inférence, Meituan exploite également une quantification W4A4, qui réduit à quatre bits la représentation des poids des experts et des activations. Lors de ses tests, cette solution aurait permis d'augmenter de 43,3 % le débit de traitement initial et de 42,77 % celui de génération, comparativement à une configuration W8A8 en huit bits.

Cette dimension technique dépasse la seule question des coûts. Elle illustre les efforts des acteurs chinois pour développer des modèles de grande taille tout en adaptant leurs infrastructures à un environnement matériel soumis à des contraintes spécifiques. Une API disponible, mais des poids encore attendus

LongCat-2.5 est désormais accessible depuis la plateforme API de LongCat. Meituan annonce une dotation de 10 millions de tokens pour les nouvelles inscriptions, ainsi que 10 millions supplémentaires pour les utilisateurs existants. Les requêtes bénéficiant d'une réutilisation complète du cache sont également annoncées comme gratuites dans le cadre de cette offre.

La documentation indique une compatibilité avec plusieurs environnements de développement agentique, notamment Claude Code, Codex et Hermes, ce qui doit faciliter l'intégration du modèle dans des outils déjà utilisés par les développeurs.

En revanche, les poids du modèle ne sont pas encore publiés. La page officielle de LongCat-2.5