fr.wedoany.com Rapport : Le 6 juillet, Meituan a officiellement rendu open source l’intégralité des poids du modèle LongCat-2.0, de son moteur d’inférence et de sa documentation technique principale. Le même jour, des fabricants chinois de puces tels que Huawei Ascend, Moore Threads et Muxi Co., Ltd. ont achevé simultanément l’adaptation d’inférence, favorisant le déploiement et la validation de modèles massifs à des billions de paramètres sur des plateformes de calcul nationales.
Le point clé de LongCat-2.0 est d’intégrer le « grand modèle national » et la « puissance de calcul nationale » dans une même chaîne d’entraînement et d’inférence. Selon les informations précédemment publiées par Meituan, ce modèle compte un total de 1,6 billion de paramètres, avec une activation moyenne d’environ 48 milliards, prend en charge nativement un contexte ultra-long d’un million de tokens, et est conçu pour des tâches réelles de codage agentique. L’ensemble du processus d’entraînement et d’inférence du modèle repose sur un cluster de 50 000 cartes de calcul nationales, avec des optimisations systématiques autour de la compréhension du code, de la génération de code, de l’exécution de tâches et du traitement de longs documents. Contrairement à un simple open source des poids du modèle, cette version inclut également le moteur d’inférence et la documentation technique, permettant aux développeurs et aux fabricants de puces non seulement d’appeler le modèle, mais aussi de poursuivre l’optimisation technique sur l’efficacité du déploiement, l’utilisation de la mémoire, l’ordonnancement des communications et le débit d’inférence.
L’adaptation simultanée par les fabricants nationaux de puces est l’aspect le plus remarquable de cet open source. Moore Threads a déjà achevé l’adaptation de LongCat-2.0 sur la base de sa carte GPU d’IA MTT S5000 et de sa pile logicielle MUSA, couvrant le chargement du modèle, le lancement du moteur d’inférence, l’optimisation des opérateurs clés, la validation du déploiement et la vérification de la précision. Après l’adaptation par des plateformes comme Huawei Ascend et Muxi Co., Ltd., LongCat-2.0 n’est plus seulement une démonstration des capacités du modèle, mais entre dans une phase de déploiement réel au sein de l’écosystème national des puces IA.
Au cours des trois dernières années, l’équipe LongCat de Meituan a continuellement traité des problèmes d’adaptation des opérateurs, d’optimisation des communications et de stabilité distribuée, ces travaux déterminant si un modèle à des billions de paramètres peut fonctionner de manière stable sur un cluster de calcul national. L’entraînement de grands modèles ne se résume pas à « avoir suffisamment de cartes » ; il implique également l’interconnexion des clusters, l’efficacité des communications, la reprise après panne, le maintien de la précision, la gestion de la mémoire, l’adaptation du moteur d’inférence et la coordination de la pile logicielle. Si LongCat-2.0 parvient à fonctionner sur davantage de plateformes de puces nationales, cela contribuera à activer les ressources de calcul nationales existantes et permettra à la synergie « puce nationale + modèle national » de passer de la validation d’un projet unique à un écosystème de développeurs à plus grande échelle. Le véritable test à venir réside dans la capacité des entreprises à déployer LongCat-2.0 sur ces puces nationales pour effectuer des tâches de génération de code, des tâches agentiques, l’automatisation d’entreprise et le traitement de longs textes, et non pas seulement à réaliser une adaptation en laboratoire.
Pour la chaîne industrielle de l’IA, cet open source créera des opportunités à plusieurs niveaux. Les fabricants de puces devront continuer à optimiser les bibliothèques d’opérateurs, les compilateurs, les frameworks de communication et les backends d’inférence ; les fabricants de serveurs devront assurer l’adaptation complète des machines autour des cartes IA nationales, y compris la dissipation thermique, l’alimentation et la gestion des clusters ; les fournisseurs de services cloud et les entreprises utilisatrices se concentreront sur le coût de déploiement du modèle, la vitesse d’inférence, la capacité de traitement du contexte et le taux de réussite des tâches réelles. L’open source de LongCat-2.0 ne résoudra pas directement tous les problèmes de l’écosystème de calcul national, mais il fournit un objet de test public au niveau d’un modèle à des billions de paramètres, permettant aux équipes de modèles, aux fabricants de puces, aux développeurs de frameworks et aux entreprises utilisatrices de procéder à l’adaptation, à l’optimisation et à la validation autour d’un même modèle.
