Технологический суверенитет Китая: Meituan обучила ИИ на 1,6 трлн без

Прорыв в обход санкций: как обучали LongCat-2.0

Компания Meituan продемонстрировала технологическую независимость от западных чипов, представив модель LongCat-2.0. Это первое в Китае решение на 1,6 трлн параметров, прошедшее полный цикл разработки, от предобучения до инференса, исключительно на отечественном оборудовании. Данный шаг подтверждает способность КНР развивать сложную ИИ-инфраструктуру в условиях санкций. Beincrypto

В основе системы лежит кластер из 50 000 китайских вычислительных карт. Ключевое отличие от предыдущих проектов — использование отечественных чипов для предобучения, а не только для инференса (процесса генерации ответов уже готовой моделью). Это наиболее ресурсоемкий этап, который ранее считался невыполнимым на местном оборудовании. Для стабильности кластера применялась коммуникационная библиотека Huawei (HCCL). Thevalue

Производительность и бенчмарки: сильные и слабые стороны

Модель показывает конкурентные результаты в узкоспециализированных задачах, однако в тестах на общую логику уступает мировым флагманам. Согласно бенчмаркам Meituan, LongCat-2.0 превосходит Google Gemini 3.1 Pro в задачах программирования и агентских симуляциях.

Ключевые показатели в тестах:

• SWE-Bench Pro (программирование): 59,5 балла, что выше показателей Gemini 3.1 Pro.
• Terminal-Bench 2.1 (агентские задачи): показаны сильные результаты, сопоставимые с лидерами рынка.
• GPQA-diamond и IMO-AnswerBench (сложные логические задачи): здесь модель заметно уступает OpenAI GPT-5.5 и Anthropic Claude 4.8 Opus.

Следует учесть, что модель еще не проходила независимую оценку на публичных площадках вроде Artificial Analysis или Arena. Сами разработчики признают, что по комплексным возможностям LongCat-2.0 пока не может конкурировать с топовыми решениями от OpenAI и Anthropic.

Технологические вызовы и ограничения китайских чипов

Несмотря на успех, инженеры Meituan столкнулись с серьезными сложностями. Главным ограничением китайских ускорителей является меньший объем памяти на устройство по сравнению с чипами Nvidia H800, запрещенными к экспорту в КНР. Это потребовало существенной оптимизации архитектуры и инфраструктуры для работы с моделью такого масштаба.

Второй ключевой проблемой стала незрелость программной экосистемы. В отличие от развитой платформы CUDA от Nvidia, ПО для китайских чипов требует доработки и не имеет сопоставимого по размеру сообщества разработчиков. Преодоление этих системных ограничений и стало главным инженерным достижением проекта.

Хронология разработки и доступность модели

Проект был реализован в сжатые сроки, что подчеркивает его стратегическую важность. Ключевые этапы разработки: