Meituan, 1.6 Trilyon Parametreli LongCat-2.0’ı Açık Kaynak Yayınladı: Nvidia’sız Eğitim İddiası
meituan, 30 Haziran 2026’da 1.6 trilyon parametreli, 1 milyon token context window’lu LongCat-2.0 modelini MIT lisansıyla açık kaynak yayınladı. Şirket, modelin 50.000 kartlık yerli Çin ASIC kümesinde uçtan uca eğitildiğini ve bu ölçekte Nvidia donanımı kullanılmadan eğitilen ilk model olduğunu iddia ediyor.
Ana Gelişme
LongCat-2.0, mixture-of-experts (MoE) mimarisini kullanıyor. Model daha önce OpenRouter’da anonim “Owl Alpha” adıyla liderlik tablolarında üst sıralarda yer almıştı — bu geçmiş, model yeteneklerine dair bir güvenilirlik sinyali sunuyor ancak eğitim donanımı iddiasını doğrulamıyor.
Meituan’ın raporladığı benchmark skorları: SWE-bench Pro 59.5, Terminal-Bench 70.8. Bu rakamlar şirket tarafından raporlanmıştır; bağımsız doğrulama bekleniyor.
Warning
50.000 kartlık yerli ASIC kümesinde uçtan uca eğitim iddiası Meituan kaynaklıdır. Yerli ASIC üreticisinin kimliği bağımsız olarak doğrulanmadı. Bazı önceki Çin laboratuvarı “yerli chip” iddiaları, AFP kaynaklı raporlamaya göre kaçak Nvidia donanımı içerebiliyordu.
Neden Önemli?
us-china-ai-competition ve export-controls bağlamında LongCat-2.0, ABD’nin gelişmiş AI donanımına yönelik ihracat kısıtlamalarının etkinliği tartışmasına yeni bir boyut ekliyor. Aynı gün Tayvan’daki nvidia AI sunucu kaçakçılığı baskınları enforcement yüzünü, LongCat-2.0 ise yerli donanım bağımsızlığı iddiasını temsil ediyor.
open-weight-models ekosistemi açısından 1.6T MoE ve 1M context window, global geliştiricilerin erişebileceği frontier ölçekli bir model anlamına geliyor. MIT lisansı ticari kullanıma da izin veriyor.
Teknik Detaylar
- Mimari: 1.6 trilyon parametreli MoE
- Context window: 1 milyon token
- Lisans: MIT
- Benchmark (şirket raporlu): SWE-bench Pro 59.5, Terminal-Bench 70.8
- Eğitim iddiası: 50.000 kartlık yerli Çin ASIC kümesi (doğrulanmamış)
ai-sovereignty perspektifinden, Çin’in frontier AI modellerini yerli donanımla üretebildiğini kanıtlaması stratejik önem taşıyor — ancak iddianın bağımsız doğrulanması şart.
Bağlam
LongCat-2.0, swe-bench ve coding agent benchmark’larında rekabetçi skorlar raporluyor. OpenRouter’daki “Owl Alpha” geçmişi, modelin gerçek dünya performansının en azından bir kısmının doğrulanmış olduğunu gösteriyor.
semiconductor tedarik zinciri açısından, yerli ASIC ile frontier model eğitimi mümkünse ABD export control politikalarının hedeflediği “AI capability gap” daralabilir. Ancak bu, enforcement operasyonlarının (Tayvan baskınları gibi) etkisiz olduğu anlamına gelmez — iki dinamik paralel ilerliyor.
Sonraki Adımlar
Açık kaynak yayın, topluluk tarafından model yeteneklerinin bağımsız test edilmesine olanak tanıyacak. Eğitim donanımı iddiasının doğrulanması için teknik analiz ve tedarik zinciri araştırması gerekiyor. Global geliştiriciler modeli indirip kendi benchmark’larını çalıştırabilir.