Meituan publicó los pesos de LongCat-2.5, un modelo de inteligencia artificial multimodal de 1,6 billones de parámetros, bajo licencia MIT. Diseñado para tareas prolongadas con agentes y programación, utiliza una arquitectura que activa aproximadamente 48.000 millones de parámetros por token. Esa apertura permite estudiar y ejecutar el modelo, pero sus exigencias técnicas siguen siendo muy superiores a las de un computador personal convencional.
Una IA gigantesca que no utiliza todos sus parámetros a la vez
LongCat-2.5 utiliza una arquitectura de mezcla de expertos, conocida como Mixture of Experts. El fabricante indica que posee cerca de 1,6 billones de parámetros en total, pero activa aproximadamente 48.000 millones para procesar cada token. Es una estrategia distinta de poner todos los parámetros a trabajar en cada operación.
La diferencia importa porque reduce la cantidad de cálculo que debe ejecutarse en una inferencia, aunque el sistema sigue necesitando infraestructura considerable para mantener disponibles sus componentes. No puede suponerse que funcione de manera práctica en un notebook doméstico por activar solo una parte del total.
Qué significa que esté publicado bajo licencia MIT
El equipo de LongCat liberó los pesos del modelo en Hugging Face y los ofrece bajo licencia MIT. Eso permite estudiar el sistema, adaptarlo y utilizarlo comercialmente respetando las condiciones aplicables y las demás obligaciones legales.
Disponer de pesos abiertos no equivale a un servicio gratuito e ilimitado de inferencia. Quien quiera ejecutarlo debe disponer de memoria, aceleradores, energía y personal técnico. También debe evaluar riesgos de licenciamiento de datos de entrada y privacidad del material que procesa.
Agentes que trabajan durante procesos largos
La familia LongCat está orientada a agentes capaces de recorrer tareas complejas de ingeniería, navegar bases de código y completar etapas de desarrollo de un proyecto. Según su documentación, LongCat-2.5 combina comprensión visual nativa con capacidades de programación y uso de herramientas.
Esto podría permitirle interpretar imágenes y documentos mientras ejecuta instrucciones relacionadas con software. Sin embargo, las capacidades anunciadas proceden de evaluaciones del desarrollador. Para medir confiabilidad empresarial hacen falta pruebas independientes y análisis de tareas reales.
Los resultados de benchmarks necesitan contexto
Meituan menciona puntuaciones competitivas en pruebas para agentes, entre ellas Terminal Bench. Los resultados sirven como punto de partida para comparar modelos, pero dependen de los entornos, herramientas y condiciones utilizadas en cada evaluación.
La cifra de un benchmark no demuestra que el sistema se comporte igual al trabajar con datos confidenciales de una empresa o al cumplir procedimientos locales. Los modelos también pueden cometer errores, interpretar mal permisos o ejecutar decisiones que necesitan aprobación humana.
La infraestructura de Huawei aparece en la documentación
Las instrucciones públicas de despliegue describen una configuración avanzada basada en aceleradores Huawei Ascend y herramientas especializadas para atender el modelo. Los ejemplos publicados muestran que su uso a gran escala está pensado para centros de cómputo, no para instalarlo con unos pocos clics.
La disponibilidad de un paquete cuantizado puede facilitar ciertas configuraciones, pero no elimina los requisitos de memoria y compatibilidad. Antes de planificar una instalación, una empresa debe revisar la versión del modelo, su formato y el soporte efectivo del hardware disponible.
Por qué importa para la competencia global
La decisión de publicar pesos bajo licencia permisiva amplía las opciones de desarrolladores que necesitan más control que el ofrecido por una API cerrada. También muestra el interés de empresas chinas por competir en infraestructura y herramientas para agentes de programación.
Para organizaciones en Chile, esa apertura puede ser atractiva al evaluar modelos propios, siempre que tengan recursos para operarlos y políticas de datos adecuadas. El costo de infraestructura y mantenimiento es parte esencial del análisis, aunque no aparezca en el precio de una licencia.
Dónde verificar características y licencia
La ficha oficial de LongCat-2.5 en Hugging Face presenta su arquitectura multimodal, cantidad de parámetros y licencia MIT. También contiene documentación y consideraciones de uso que deben leerse antes de desplegarlo.
El titular se refiere a la liberación de sus pesos, no a un lanzamiento de producto para consumidores en Chile. La fotografía de portada muestra servidores de un centro de datos de Brett Sayles / Pexels; es referencial, no una instalación de Meituan.
Te puede interesar
Apple estudia cómo usamos la IA para preguntar por nuestra salud
Apple inició un estudio sobre las consultas de salud a herramientas de IA, con hasta 200.000 participantes en Estados Unidos. Chile queda fuera por ahora.
Alibaba presenta Qwen4-Max: IA de 2,4 billones de parámetros
Qwen4-Max tiene 2,4 billones de parámetros y un contexto de un millón de tokens, según Alibaba. Qué hace y qué está por demostrar.
Pax Silica: países aliados buscan asegurar los chips y la energía de la IA
Estados Unidos y países aliados acuerdan proteger las cadenas de chips, minerales y energía para inteligencia artificial. Qué implica Pax Silica y por qué interesa a Chile.
Startups chilenas pueden postular a IA de voz de ElevenLabs hasta el 30 de noviembre
El Ministerio de Ciencia y ElevenLabs abrieron postulaciones para hasta 100 startups. El plazo vence el 30 de noviembre a las 15:00.
NVIDIA presenta resultados sin Jensen Huang: las claves del cambio de CEO
NVIDIA llega a los resultados del 17 de noviembre tras la salida de Jensen Huang. Colette Kress dirige la empresa interinamente.
Flip Legal: el estudio chileno que usa agentes de IA y no cobra por hora
Flip Legal combina agentes de IA con revisión de abogados. El estudio incubado por Tantauco Ventures ya atiende a siete clientes.

Average Rating