Modelos · · 11 min de lectura

Meituan lanza LongCat-2.5: 1,6 billones de parámetros para agentes IA sin tocar una GPU Nvidia

Meituan publica los pesos de LongCat-2.5, un modelo de agentes de 1,6 billones de parámetros entrenado íntegramente en silicio chino. Analizamos qué hay de real en los 88,4 puntos de Terminal Bench, el TCO de los 194 chips Huawei Ascend y por qué esto reordena el tablero para las agencias de IA en España.

Comparte: Compartir en LinkedIn Publicar en X

Meituan acaba de publicar los pesos de LongCat-2.5, un modelo de 1,6 billones de parámetros diseñado para agentes IA que se entrenó sin tocar una sola GPU Nvidia. El dato no es menor: en Terminal Bench firma 88,4 puntos, apenas por detrás de Claude Opus 5, y el despliegue de referencia corre sobre 194 chips Huawei Ascend. Según The Decoder, Meituan no menciona Nvidia en ningún punto del anuncio.

TL;DR: LongCat-2.5 demuestra que se puede entrenar un modelo frontier de agentes sin CUDA ni GPUs estadounidenses, con 1,6 billones de parámetros y 88,4 puntos en Terminal Bench. El mérito técnico es real; el problema es que el ecosistema Ascend sigue siendo una jaula de proveedor para cualquier empresa occidental. Para agencias y consultoras de IA, la lectura no es "cambia de hardware", sino "prepara tus capas de abstracción": el día que aparezca un proveedor chino de inferencia competitivo, el coste por token de los agentes se rompe a la baja.

Qué significa entrenar 1,6 billones de parámetros sin una sola Nvidia

El anuncio de Meituan es, en la práctica, un ejercicio de ingeniería de sistemas más que de modelado. Un modelo denso de esa escala en entrenamiento distribuido requiere resolver tres cosas a la vez: comunicación entre nodos, precisión numérica y estabilidad del optimizador. Todo eso se hacía cómodo con el stack CUDA + NCCL + H100. Sin Nvidia, el equipo de Meituan ha tenido que reconstruir esa pila sobre el ecosistema CANN y MindSpore de Huawei, con Ascend como acelerador.

Que el resultado quede a décimas de Claude Opus 5 en Terminal Bench no es un milagro: es la prueba de que el cuello de botella de la IA de agentes se ha movido del hardware al corpus de entrenamiento y al diseño de trayectorias. Si el modelo aprende ejecutar comandos, leer salidas de shell, diagnosticar errores y reintentar sin supervisión, el tipo de chip importa menos de lo que la propaganda de Nvidia quiere hacer creer. Meituan no ha publicado el desglose completo de la arquitectura, pero 1,6 billones de parámetros apunta a un MoE con activación dispersa: sería absurdo servir un denso real a ese tamaño.

Aquí llega el primer matiz incómodo para Occidente: si un gigante del delivery chino puede entrenar un modelo de agentes a escala frontier con silicio doméstico, la brecha tecnológica ya no es de hardware, sino de tolerancia a la ineficiencia. Ascend es probablemente entre un 15% y un 30% menos eficiente en rendimiento por vatio que H100 en cargas de entrenamiento (las cifras varían según el benchmark), pero en China el vatio no se paga en dólares ni se raciona por decreto de exportación.

Terminal Bench 88,4: el benchmark que sí deberían mirar tu CTO y tu product lead

Terminal Bench ha desplazado en los últimos trimestres al hype de MMLU y HumanEval como prueba de fuego para agentes IA. No mide conocimiento enciclopédico: mide si el modelo ejecuta una tarea de administración de sistemas, parsea el output y sigue. Es lo más parecido que tenemos a "¿puede este agente sustituir 40 horas de un SRE junior sin supervisión?".

Ojo con la comparación. 88,4 frente a Claude Opus 5 es un resultado excelente en el papel, pero hay tres letras pequeñas que Meituan no ha despejado:

  • Contaminación del benchmark. No se ha publicado la lista de tareas evaluadas; sin eso, cualquier número en Terminal Bench es fe.
  • Coste por ejecución. Un MoE de 1,6 billones puede tener 30-60 mil millones de parámetros activos por token. El benchmark no te dice el coste energético del recorrido completo.
  • Resistencia a prompt injection. Los benchmarks de agente suelen medir éxito de tarea, no robustez adversarial. Un agente que hace rm -rf cuando le pides limpiar caché es un agente que no quieres en producción.

Aun así, el listón está claro: 88,4 puntos es la vara a batir por cualquier agencia que venda agentes autónomos de infraestructura. Si tu proveedor actual no te da un número comparable en un benchmark auditable, no tiene modelo, tiene demo.

El TCO real: 194 chips Ascend y la trampa del proveedor único

El dato de los 194 Ascend es el que más debería preocupar a cualquier responsable de infraestructura en Europa. Servir un modelo de 1,6 billones de parámetros en una configuración de 194 aceleradores implica un clúster multi-nodo con interconexión de altísimo rendimiento. Es un despliegue de escala regional, no un piloto de fin de semana.

Dimensión LongCat-2.5 (Meituan) Claude Opus 5 (Anthropic)
Parámetros 1,6 billones (MoE) No publicado
Terminal Bench 88,4 Referencia superior (baseline del artículo)
Hardware de entrenamiento Huawei Ascend (194 chips en despliegue) No Nvidia, no público oficialmente
Distribución Pesos abiertos (open weights) API cerrada
Riesgo de proveedor Jaula Ascend + CANN Jaula de API + política de uso
Caso de uso en producción Autohospedaje en nube china Llamada a API gestionada

La lectura estratégica es sencilla: cuando el hardware y el software de entrenamiento son del mismo dueño, el coste marginal no baja. Cualquiera que plantee migrar a LongCat-2.5 en una empresa española se topa con que Ascend no se contrata por horas en AWS ni en Azure. La opción real es usar los pesos y servirlos sobre GPUs occidentales, lo que desactiva toda la ventaja de coste que Meituan insinúa.

Este es el punto donde muchas agencias IA en Madrid están haciendo cuentas engañosas. Migrar a un modelo abierto chino no es gratis: es una migración de stack con implicaciones de compliance, de cadena de suministro y de soporte. Un directorio como el nuestro existe precisamente para que ese cálculo se haga con datos, no con tweets.

Soberanía tecnológica: el mensaje que Europa sigue sin querer leer

Meituan no está vendiendo un modelo: está vendiendo una narrativa. En plena guerra de export controls, publicar los pesos de un modelo frontier entrenado exclusivamente en silicio doméstico es un mensaje geopolítico dirigido a Washington y a Bruselas. Y funciona, porque cada anuncio de este tipo erosiona la idea de que el acceso a Nvidia es condición necesaria para la frontera de la IA.

España, mientras tanto, sigue discutiendo si instalar uno o dos clústeres de cómputo en Barcelona y A Coruña. La lección de LongCat-2.5 no es "comprad Ascend": es que la soberanía de IA se construye con tolerancia al despilfarro energético y con una cadena de software propia, y ninguno de los dos existe hoy en la UE a escala competitiva. El ecosistema de agencias ia en Barcelona está empezando a reaccionar con integraciones verticales muy específicas (salud, legal, retail), pero sin un modelo de agentes propio ni un hardware doméstico, la única soberanía real es de aplicación, no de stack.

Lo que sí pueden hacer las empresas españolas es preparar la capa de abstracción. Como dice el refrán técnico: si tu producto está casado con la API de un proveedor, no tienes producto, tienes un wrapper. Aquel proveedor que se acerque a 88,4 en Terminal Bench con inferencia barata (Qwen, DeepSeek, o el propio LongCat en nube) será el que reordene las tarifas de los agentes autónomos en 2027.

Cómo impacta a las agencias de IA que construyen agentes en producción

Para el ecosistema de agentes autónomos español, el anuncio de Meituan es una oportunidad de posicionamiento, no un cambio de stack inmediato. Tres movimientos concretos:

Primero, revisar el routing. Si tu producto usa un modelo frontier para tareas repetitivas de shell, filesystem o parsing, LongCat-2.5 abre la puerta a un fallback más barato. La clave es tener el router preparado hoy, no reescribir el producto mañana.

Segundo, endurecer el sandbox. Un agente que opera con 88,4 en Terminal Bench es un agente con permisos peligrosos. Cualquier consultoría IA que venda despliegues de este tipo en producción debería tener aislamiento por contenedor, límites de syscalls y un kill-switch por coste. Si no, el primer incidente no será una alucinación: será un borrado de bucket.

Tercero, medir con benchmark propio. Terminal Bench público está contaminado. Cualquier CTO serio debería construir un set privado de 50-100 tareas representativas de su operación y evaluar a los candidatos contra él. Es la única forma de separar marketing de capacidad real.

La consultoría IA en España tiene aquí una ventana para diferenciarse: no vendiendo "acceso a modelos", sino vendiendo evaluación, aislamiento y portabilidad. Ese es el trabajo que ningún proveedor te va a regalar. Para quien busque un socio con experiencia en integración, la categoría de consultoría IA del directorio es el punto de partida natural.

La predicción: el hardware deja de ser el foso, la evaluación pasa a serlo

Lo más relevante de LongCat-2.5 no es el modelo. Es el precedente. Cuando un actor con la escala de Meituan demuestra públicamente que un modelo frontier de agentes se puede entrenar sin Nvidia, la conversación en los consejos de administración cambia de eje: del "¿qué GPU compramos?" al "¿cómo demostramos que nuestro agente no rompe producción?".

Mi predicción para los próximos doce meses: los benchmarks de agente públicos se devaluarán como argumento comercial, y aparecerán los primeros proveedores de evaluación privada de agentes como categoría propia. Las agencias que sobrevivan no serán las que integren el modelo más grande, sino las que sepan cuantificar el coste real de fallo. El día que un cliente pregunte "¿cuánto me cuesta cada comando ejecutado por tu agente?", la respuesta ya no será "depende del modelo", sino un número auditable. LongCat-2.5 acaba de hacer ese futuro un poco más probable.

Preguntas frecuentes sobre LongCat-2.5 de Meituan

¿Qué es LongCat-2.5 exactamente?

LongCat-2.5 es un modelo de lenguaje de 1,6 billones de parámetros desarrollado por Meituan, diseñado específicamente para agentes IA que ejecutan tareas en entornos tipo terminal. Meituan publicó los pesos del modelo y el despliegue de referencia corre sobre 194 chips Huawei Ascend, sin GPUs Nvidia.

¿Cuánto saca LongCat-2.5 en Terminal Bench y por qué importa?

Obtiene 88,4 puntos en Terminal Bench, un benchmark que mide la capacidad del modelo para ejecutar tareas de administración de sistemas, parsear salidas y reintentar sin supervisión. Importa porque es el benchmark más cercano a un uso real de agentes autónomos en producción, superando a MMLU o HumanEval como indicador de utilidad práctica.

¿Puedo usar LongCat-2.5 en producción en mi empresa?

Hoy por hoy es arriesgado. La opción realista es descargar los pesos y servirlos sobre GPUs occidentales (H100, H200), lo que elimina la ventaja de coste que teóricamente aporta el hardware chino. Además, falta información sobre robustez frente a prompt injection y sobre el coste por ejecución de un MoE de 1,6 billones de parámetros.

¿LongCat-2.5 o Claude Opus 5? ¿Cuál elijo?

Depende del caso. Para agentes que viven dentro de un producto SaaS cerrado, Claude Opus 5 vía API sigue siendo la opción más simple y con mejor soporte. Para workloads de shell o infraestructura donde el cliente exige autohospedaje y control total de los datos, LongCat-2.5 entra como opción abierta, siempre con un benchmark privado previo y aislamiento por contenedor.

¿Esto amenaza a Nvidia de verdad?

A corto plazo, no. A medio plazo, erosiona la premisa de que Nvidia es condición necesaria para la frontera. Cada modelo frontier entrenado en Ascend o en TPU estrecha el diferencial de CUDA, y eso acabará moviendo los precios de inferencia. La pregunta no es si Nvidia pierde el monopolio técnico, sino cuánto tarda en perder el monopolio de pricing.

¿Qué debería hacer una agencia de IA en España tras leer la noticia?

Tres cosas: preparar un router de modelos que permita cambiar de proveedor sin reescribir el producto, construir un benchmark propio de 50-100 tareas representativas del cliente, y endurecer el sandbox de cualquier agente que tenga acceso a shell o filesystem. El modelo cambia cada trimestre; la arquitectura alrededor no.

Temas relacionados en agentes.ai

Si quieres aplicar lo que lees en tu empresa, estos son puntos de partida útiles dentro de agentes.ai:

Posts relacionados