LongCat-2.5: 1,6 billones de parámetros con licencia MIT
Meituan, la gigante china de reparto a domicilio y comercio electrónico, ha publicado en Hugging Face los pesos de LongCat-2.5 bajo licencia MIT. Presentó el modelo el 1 de noviembre, solo disponible por chat y API, y una semana después subió el checkpoint completo. Es el sucesor de LongCat-2.0, que ya liberó en junio con la misma licencia.
Qué es LongCat-2.5
Es un modelo mixture-of-experts (MoE) nativamente multimodal pensado para tareas de agente de largo recorrido: programación en varios pasos, uso de terminal y comprensión de capturas de pantalla y vídeo.
- 1,6 billones de parámetros totales, de los que se activan unos 48.000 millones por token.
- Modos de razonamiento híbridos: con y sin "thinking".
- Según la ficha del modelo, los pesos de los expertos van cuantizados a W4A4 (pesos y activaciones a 4 bits).
La gracia del MoE es que cada token solo pasa por una fracción de la red. El coste de cómputo por token se parece al de un modelo de ~48B, aunque el conocimiento total sea el de uno mucho mayor. El truco tiene letra pequeña: todos los expertos tienen que estar en memoria, así que el requisito de VRAM sigue siendo el de un modelo de 1,6 billones.
Los números, con matices
En Terminal Bench v2.1, la ficha atribuye a LongCat-2.5 un 88,4, frente al 89,1 de Claude Opus 5 y al 88,8 de GPT-5.6. Son cifras autodeclaradas, la propia ficha las presenta como orientativas y no he encontrado todavía una evaluación independiente. Conviene leerlas como "está en la conversación", no como "empata con los mejores".
Qué significa la licencia MIT aquí
La MIT es la licencia permisiva por excelencia: permite uso comercial, modificación, redistribución y fine-tuning sin pedir permiso. Dos matices importantes:
- Pesos abiertos no es código abierto. No se publican los datos ni el pipeline completo de entrenamiento, solo los pesos y el código para desplegarlos.
- La licencia no concede derechos sobre marcas ni patentes de Meituan. Si vas a construir un producto encima, lee el
LICENSEdel repositorio.
Qué significa en la práctica
Para un homelab, nada inmediato. Un modelo de 1,6 billones de parámetros ocupa varios terabytes en disco y necesita un clúster de aceleradores para servirse. La ficha remite a una guía de despliegue en NPU basada en SGLang-FluentLLM, que es infraestructura de centro de datos.
Donde sí importa es en el ecosistema:
- Empresas que necesitan soberanía del dato pueden alojar un modelo de agente de primer nivel en su propia infraestructura sin depender de una API extranjera.
- Proveedores de inferencia pueden ofrecerlo como alternativa barata a los modelos cerrados, que es como LongCat-2.0 acabó destacando en programación.
- Destilación y fine-tuning. Con licencia MIT, nada impide usarlo como "profesor" para entrenar modelos pequeños que sí quepan en una GPU doméstica. Ahí es donde estos lanzamientos suelen acabar llegando a nuestro hardware.
Para probarlo sin descargar nada hay un chat en longcat.ai.