# LongCat-2.5 : Meituan ouvre un modèle géant de 1 600 milliards de paramètres
À retenir
- Meituan a ouvert LongCat-2.5 le 10 novembre 2026.
- L'annonce arrive dans un contexte où l'ouverture de modèles de grande taille reste l'exception.
- LongCat-2.5 se distingue d'abord par son positionnement.
Meituan a ouvert LongCat-2.5 le 10 novembre 2026. Le groupe chinois publie un modèle multimodal natif de type mixture-of-experts (MoE) pensé pour les tâches logicielles de longue durée, le codage visuel et les flux bureautiques. Environ 1 600 milliards de paramètres au total, environ 48 milliards de paramètres actifs par token, et un contexte maximal d'un million de tokens, sous licence MIT, avec autorisation d'inférence commerciale, de modification et d'entraînement supplémentaire.
L'annonce arrive dans un contexte où l'ouverture de modèles de grande taille reste l'exception. La plupart des systèmes les plus performants en production demeurent fermés, accessibles uniquement par API, avec des coûts d'usage et une dépendance forte envers le fournisseur. En publiant les poids sous licence MIT, Meituan propose une alternative : un modèle que les entreprises peuvent télécharger, héberger et adapter, sans redevance à l'usage.
Un modèle conçu pour le travail de longue durée
LongCat-2.5 se distingue d'abord par son positionnement. Il ne s'agit pas d'un chatbot généraliste de plus, mais d'un modèle pensé pour les tâches qui s'étalent dans le temps : analyser un dépôt de code complet, produire puis corriger une application, ou traiter une série de documents bureautiques enchaînés sans perdre le fil.
C'est là que le contexte d'un million de tokens prend tout son sens. Un contexte de cette taille permet de charger une base de code entière ou des dizaines de documents de référence, et de garder ces informations actives pendant que le modèle travaille. Une équipe de développement peut ainsi lui demander de comprendre un projet dans sa globalité plutôt que de le découper en fragments.
L'architecture mixture-of-experts joue un rôle central dans cet équilibre. Sur les 1 600 milliards de paramètres du modèle, seuls environ 48 milliards sont activés pour chaque token traité : le modèle n'utilise qu'une petite fraction de sa capacité à chaque instant, ce qui rend l'inférence beaucoup moins coûteuse que ne le suggère le chiffre total.
La multimodalité native et le codage visuel
Le rapport technique décrit des représentations natives de tokens visuels multi-niveaux. Concrètement, le modèle ne traite pas les images comme un ajout après coup : la vision fait partie de son fonctionnement de base, à plusieurs niveaux de granularité. Cela le rend pertinent pour le codage visuel — comprendre une interface à partir d'une capture d'écran, reproduire une maquette — ainsi que pour les tâches bureautiques qui mêlent texte, tableaux et documents scannés.
Une agence peut partir d'une maquette pour générer une première version d'interface, puis itérer en montrant les écarts visuels. Un service administratif peut traiter des formulaires et des rapports qui mélangent texte et mise en page sans devoir tout convertir en texte brut au préalable.
Le modèle a également bénéficié d'un apprentissage par renforcement agentique à long horizon : il a été entraîné non seulement à produire une bonne réponse immédiate, mais à conduire des séquences d'actions longues — planifier, exécuter, vérifier, corriger. C'est ce qui distingue un assistant conversationnel d'un agent capable de mener une tâche de bout en bout, comme la préparation d'un dossier complet.
Une licence MIT qui change la donne
La licence MIT est l'un des éléments les plus importants de cette annonce. Elle autorise l'inférence commerciale, la modification du modèle et l'entraînement supplémentaire, sans redevance et avec peu de contraintes. Une entreprise peut ainsi construire un produit ou un service autour de LongCat-2.5, l'adapter à son domaine — droit, santé, finance, logistique, éducation — et le déployer chez elle ou chez ses clients, sans négocier de contrat de licence.
Cette liberté contraste avec les licences dites « ouvertes » assorties de restrictions d'usage, de limites de diffusion ou de clauses de réciprocité. La licence MIT est l'une des plus permissives du monde du logiciel libre, et son application à un modèle de cette envergure envoie un signal fort : Meituan invite la communauté et les entreprises à s'approprier le modèle.
Pour les entreprises européennes et africaines, cet aspect a une dimension stratégique. Héberger un modèle ouvert sur sa propre infrastructure, c'est garder le contrôle de ses données : les documents, le code et les informations clients ne quittent pas l'entreprise.
Des choix techniques pensés pour le déploiement
Le rapport technique mentionne deux éléments qui méritent l'attention des équipes techniques. Le premier est la quantification W4A4 : les poids et les activations du modèle sont représentés sur 4 bits, ce qui réduit fortement la mémoire et le calcul nécessaires à l'inférence. Le second est un entraînement distribué optimisé pour des accélérateurs de moins de 80 Go de mémoire par appareil : les équipes qui souhaitent poursuivre l'entraînement du modèle pour le spécialiser n'ont pas besoin des accélérateurs les plus puissants du marché.
Ce que cela change pour les entreprises
Pour une direction générale ou un responsable informatique, l'annonce se traduit en plusieurs opportunités concrètes. La première est l'expérimentation à faible risque juridique : la licence MIT permet de tester le modèle et de construire un prototype sans négociation préalable. La deuxième est l'indépendance : une fois le modèle hébergé, l'entreprise n'est plus tributaire des tarifs, des pannes ou des changements de politique d'un fournisseur d'API.
La troisième opportunité concerne la spécialisation. Un modèle généraliste, même excellent, reste limité sur un vocabulaire métier précis. Avec LongCat-2.5, une entreprise peut affiner le modèle sur ses propres données — ses procédures, ses contrats types, sa documentation technique — et obtenir un assistant qui parle le langage de son secteur.
Les limites à connaître avant de se lancer
Il faut être lucide sur les contraintes. Un MoE de 1 600 milliards de paramètres, même avec seulement 48 milliards de paramètres actifs par token, exige un stockage distribué et du parallélisme d'experts. Le modèle ne tient pas sur une seule machine ordinaire : il faut répartir les experts sur plusieurs accélérateurs et gérer la communication entre eux. En clair, ce n'est ni un téléchargement léger, ni un déploiement sur un seul GPU.
Le contexte d'un million de tokens impose lui aussi des coûts importants de cache et d'ingestion. Chaque session longue consomme de la mémoire pour conserver l'historique, et traiter un million de tokens prend du temps et de l'énergie. Les entreprises doivent donc dimensionner leurs cas d'usage : un contexte immense est un atout pour les dossiers complexes, mais il serait gaspillé sur des tâches courtes et simples.
### Comment évaluer si LongCat-2.5 convient à votre organisation
Commencez par identifier un cas d'usage précis et mesurable : l'analyse de dossiers clients volumineux, l'assistance au développement sur votre base de code, ou le traitement de documents bureautiques complexes. Testez ensuite le modèle à petite échelle, sur un échantillon représentatif de vos documents et de vos tâches, et comparez les résultats avec votre solution actuelle. Mesurez la qualité, le temps gagné et les erreurs.
### Prévoyez la gouvernance et le coût total dès le départ
Un modèle hébergé en interne ne dispense pas de règles : qui peut l'utiliser, sur quelles données, avec quelle validation humaine ? Définissez ces règles avant le déploiement, pas après. Prévoyez aussi une procédure de mise à jour, car la communauté publiera des variantes affinées de LongCat-2.5 dans les semaines qui viennent. Enfin, n'oubliez pas que le modèle est gratuit sous licence MIT, mais pas l'infrastructure : stockage, accélérateurs, énergie et maintenance ont un coût, à comparer avec celui d'une API commerciale ou d'un hébergement géré.
E.C.O. Tech
Chez E.C.O. Tech, nous suivons de près l'évolution des modèles ouverts comme LongCat-2.5, parce qu'ils changent concrètement ce qu'une entreprise peut faire avec l'intelligence artificielle sans dépendre d'un fournisseur étranger. Nous aidons les entreprises et les professionnels à évaluer ces nouveaux outils, à identifier les cas d'usage qui valent vraiment l'investissement, et à mettre en place des solutions d'IA adaptées à leur réalité — du diagnostic gratuit à l'accompagnement complet. Si vous vous demandez ce qu'un modèle ouvert pourrait apporter à votre activité, contactez-nous : nous vous aiderons à y voir clair, sans jargon et sans engagement.
*Sources : annonce Meituan du 10 novembre 2026 ; SXF Brief du 11 novembre 2026.*
Diagnostic gratuit
Vous voulez appliquer cette idée dans votre structure ?
E.C.O.Tech peut analyser votre cas, identifier l’offre la plus adaptée et proposer une feuille de route simple : visibilité, CRM, automatisation, gestion métier ou cybersécurité.
Votre avis compte
Cet article vous a été utile ? Partagez votre expérience sur notre fiche Google officielle.