Meituan నవంబర్ 2, 2026న LongCat-2.5ను ప్రకటించి, నవంబర్ 10న MIT లైసెన్స్ కింద దాని వెయిట్లను ఓపెన్-సోర్స్ చేసింది. ఇది LongCat-2.0 తర్వాత వచ్చింది. ఆ మోడల్కు చైనాలో తయారైన యాక్సిలరేటర్ల క్లస్టర్పై శిక్షణ ఇచ్చి, దాన్నే సర్వ్ చేశామని Meituan చెబుతోంది. 2.5లో కొత్తగా ఏముంది, 2.0 నుంచి ఏమి కొనసాగుతోంది, Meituan సొంత పోస్ట్లు, రిపాజిటరీలు ఏమి చూపిస్తాయి, ఏమి చూపించవు అనే విషయాలను ఈ వ్యాసం వివరిస్తుంది.
Meituan LongCat-2.5ను ఓపెన్ చేసింది
Meituan నవంబర్ 2, 2026న LongCat-2.5ను ప్రకటించింది. దీర్ఘకాలిక (long-horizon) ఏజెంటిక్ టాస్క్ల కోసం రూపొందించిన నేటివ్ మల్టీమోడల్ మోడల్గా దాన్ని వర్ణించింది (చైనీస్ నుంచి TechiesJournal అనువదించింది). ఎనిమిది రోజుల తర్వాత, Meituan నవంబర్ 10 పోస్ట్ ఈ మోడల్ MIT లైసెన్స్ కింద ఓపెన్-సోర్స్ అయిందని, వాణిజ్య ఇన్ఫరెన్స్ డిప్లాయ్మెంట్కు గానీ తదుపరి శిక్షణకు గానీ అదనపు అనుమతి అవసరం లేదని చెప్పింది (అనువాదం). LongCat-2.5 కోసం Hugging Face రిపాజిటరీలు, దాని W4A4 క్వాంటైజ్డ్ బిల్డ్ నవంబర్ 4న సృష్టించబడి, నవంబర్ 10న చివరిసారిగా సవరించబడ్డాయి. ఇది ముందు ప్రకటన, తర్వాత ఓపెన్-సోర్స్ అనే Meituan వివరించిన క్రమానికి సరిపోతుంది.
LongCat-2.5 తన ముందు మోడల్ ప్రధాన పరిమాణాన్నే కొనసాగిస్తుంది: Meituan మోడల్ కార్డ్, నవంబర్లోని రెండు పోస్ట్లూ మొత్తం 1.6 ట్రిలియన్ పారామీటర్లను, ప్రతి టోకెన్కు సుమారు 48 బిలియన్ యాక్టివేటెడ్ పారామీటర్లను పేర్కొంటాయి. Hugging Face API విడిగా లెక్కిస్తే, రిపాజిటరీలోని BF16, F32 వెయిట్ ఫైళ్లలో సుమారు 1.78 ట్రిలియన్ నిల్వ చేసిన టెన్సర్ పారామీటర్లు ఉన్నాయి. ఈ గణాంకాన్ని Meituan తన సొంత 1.6 ట్రిలియన్ గణాంకంతో సమన్వయం చేయలేదు. LongCat-2.0 విషయంలోనూ ఇదే అంతరం కనిపించింది.
LongCat-2.0 నుంచి ఏమి మారింది
LongCat-2.0 ముందుగా విడుదలైంది. Meituan దీన్ని జూన్ 30, 2026న ప్రకటించింది, జూలై మొదటి రోజుల్లో దాని వెయిట్లను Hugging Faceలో ప్రచురించింది, ఓపెన్-సోర్స్ విడుదలను, దాని సర్వింగ్ పనిని ఒక జూలై 12 టెక్నికల్ పోస్ట్లో వివరించింది. ఆ మోడల్ టెక్స్ట్ మాత్రమే నిర్వహించే మిక్స్చర్-ఆఫ్-ఎక్స్పర్ట్స్ సిస్టమ్. దీనికి కూడా అదే మొత్తం 1.6 ట్రిలియన్, సుమారు 48 బిలియన్ యాక్టివేటెడ్ పారామీటర్లు ఉన్నాయి. Meituan జీరో-కంప్యూటేషన్ ఎక్స్పర్ట్స్ అని పిలిచే విధానం ద్వారా 33 నుంచి 56 బిలియన్ వరకు డైనమిక్ యాక్టివేషన్ పరిధి ఉంది, దాదాపు పది లక్షల టోకెన్ల కాంటెక్స్ట్కు మద్దతు ఉన్నట్లు ప్రకటించారు (LongCat-2.0 మోడల్ కార్డ్). దేశీయంగా నిర్మించిన AI ఇన్ఫ్రాస్ట్రక్చర్ వైపు జరుగుతున్న విస్తృత మార్పుతో LongCatను పోల్చి చూసే పాఠకుల కోసం, చైనా పూర్తి AI స్టాక్ను ఎందుకు నిర్మిస్తోంది అనే TechiesJournal వ్యాసం LongCat-2.0, LongCat-2.5 రెండూ భాగమైన విస్తృత ధోరణిని వివరిస్తుంది.
LongCat-2.5, LongCat-2.0లో లేని మూడు అంశాలను జోడిస్తుంది. మొదటిది, నేటివ్ మల్టీమోడాలిటీ: మోడల్ కార్డ్ ప్రకారం విజువల్ సిగ్నల్స్ డిస్క్రీట్ టోకెన్లుగా మార్చబడి, టెక్స్ట్ను ప్రాసెస్ చేసే అదే బ్యాక్బోన్ ద్వారానే ప్రాసెస్ అవుతాయి. ఇది Meituan మునుపటి LongCat-Next పనిపై నిర్మించబడింది, టెక్స్ట్ మోడల్కు విడిగా అతికించిన విజన్ మాడ్యూల్ కాదు. రెండవది, W4A4 ఇన్ఫరెన్స్: ఇది ఎక్స్పర్ట్ వెయిట్లను, యాక్టివేషన్లను 4 బిట్లకు క్వాంటైజ్ చేసి, వాటిని నేటివ్ INT4 మ్యాట్రిక్స్ యూనిట్లపై నడుపుతుంది. LongCat-2.0 ఈ ఫార్మాట్ను ఉపయోగించదు. మూడవది, పబ్లిక్గా డాక్యుమెంట్ చేసిన డిప్లాయ్మెంట్ మార్గాలు తక్కువ: LongCat-2.5 మోడల్ కార్డ్ ఈ మోడల్ను “NPU ప్లాట్ఫామ్లపై డిప్లాయ్ చేయవచ్చు” అని మాత్రమే చెబుతుంది, కాగా LongCat-2.0 కార్డ్ ఒక SGLang కుక్బుక్ ద్వారా GPU మార్గాన్ని కూడా డాక్యుమెంట్ చేస్తుంది. 2.5లో దీర్ఘకాలిక ఏజెంటిక్ కోడింగ్ మెరుగుదలలు మరింత విస్తృతమైన రీఇన్ఫోర్స్మెంట్-లెర్నింగ్ పైప్లైన్ నుంచి, పునరుత్పాదించగల శిక్షణ టాస్క్లుగా మార్చిన మరిన్ని వాస్తవ ప్రపంచ వైఫల్య ట్రాజెక్టరీల నుంచి వస్తాయని Meituan నవంబర్ 2 పోస్ట్ (అనువాదం) కూడా చెబుతోంది. ఇవి LongCat-2.0లో ఇప్పటికే ఉన్న ఎక్స్పర్ట్-టీచర్ శిక్షణ వ్యవస్థను భర్తీ చేయకుండా, దానిపైనే నిర్మించబడ్డాయి.
| లక్షణం | LongCat-2.0 | LongCat-2.5 |
|---|---|---|
| మొత్తం పారామీటర్లు (Meituan) | 1.6 ట్రిలియన్ | 1.6 ట్రిలియన్ |
| సగటు యాక్టివేటెడ్ పారామీటర్లు (Meituan) | సుమారు 48 బిలియన్, పరిధి 33 నుంచి 56 బిలియన్ | సుమారు 48 బిలియన్ |
| మోడాలిటీ | టెక్స్ట్ మాత్రమే | నేటివ్ మల్టీమోడల్ (ఇమేజ్, టెక్స్ట్) |
| ప్రకటించిన కాంటెక్స్ట్ | సుమారు 1 మిలియన్ టోకెన్లు | సుమారు 1 మిలియన్ టోకెన్లు |
| క్వాంటైజ్డ్ ఇన్ఫరెన్స్ ఫార్మాట్ | BF16, FP8, INT8 | BF16, దానితో పాటు విడిగా ఒక W4A4 (4-బిట్) రిపాజిటరీ |
| డాక్యుమెంట్ చేసిన డిప్లాయ్మెంట్ లక్ష్యాలు | NPU (Ascend Atlas A2 గైడ్), GPU (SGLang కుక్బుక్) | మోడల్ కార్డ్ ప్రకారం NPU మాత్రమే |
| లైసెన్స్ | MIT | MIT |
| ప్రకటన తేదీ | జూన్ 30, 2026 | నవంబర్ 2, 2026 |
| వెయిట్లు ప్రచురించిన తేదీ | జూలై 2026 మొదటి రోజులు | నవంబర్ 10, 2026 |
మూలం: LongCat-2.0 మోడల్ కార్డ్, LongCat-2.5 మోడల్ కార్డ్, నవంబర్ 12, 2026న చదివినవి.
చైనీస్ యాక్సిలరేటర్లపై శిక్షణ, ఇన్ఫరెన్స్ గురించి Meituan ఏమి చెబుతోంది
LongCat-2.0 గురించి Meituan చేసిన వాదన నిర్దిష్టమైనది, పబ్లిక్ రికార్డు ప్రకారం దాని సొంత ఛానెళ్లన్నింటిలో ఒకేలా ఉంది. దాని జూన్ 30 పోస్ట్ (అనువాదం) LongCat-2.0ను “50,000-కార్డ్ దేశీయ కంప్యూట్ క్లస్టర్పై పూర్తి పైప్లైన్ శిక్షణ, ఇన్ఫరెన్స్ పూర్తి చేసిన పరిశ్రమలోనే మొదటి ట్రిలియన్-పారామీటర్ మోడల్” అని పేర్కొంటుంది, దీనికి మొదటి నుంచి శిక్షణ ఇచ్చినట్లు చెబుతుంది. దాని జూలై 12 పోస్ట్ ఆ వాదనలోని ఇన్ఫరెన్స్ భాగాన్ని విడిగా మళ్లీ చెబుతుంది: “50,000-కార్డ్ దేశీయ కంప్యూట్ క్లస్టర్పై ఇన్ఫరెన్స్ పూర్తి చేసిన పరిశ్రమలోనే మొదటి ట్రిలియన్-పారామీటర్ మోడల్” (అనువాదం). ఇవి Meituan సొంత ప్రకటనలు, కంపెనీయే స్వయంగా వాటిని పునరావృతం చేసింది. బయటి పరిశీలకుడు ఒక ఇన్ఫరెన్స్ గణాంకాన్ని శిక్షణ గణాంకంగా మార్చి చెప్పినవి కావు.
LongCat-2.5 విషయంలో, Meituan నవంబర్ 10 పోస్ట్ (అనువాదం) శిక్షణ, సూపర్వైజ్డ్ ఫైన్-ట్యూనింగ్ రెండూ చైనీస్ యాక్సిలరేటర్లపై లాంగ్-సీక్వెన్స్ శిక్షణను ఉపయోగించాయని చెబుతుంది. ఒక్కో కార్డ్కు 80 GB కంటే తక్కువ మెమరీ ఉండటాన్ని తన ప్యారలలిజం, మెమరీ-షార్డింగ్ పని పరిష్కరించాల్సిన పరిమితిగా అది వర్ణిస్తుంది, తన లాంగ్-సీక్వెన్స్ ఫైన్-ట్యూనింగ్ టాస్క్లపై ప్రామాణిక డేటా-ప్యారలల్ బేస్లైన్ కంటే ఒక్కో డివైస్కు 86 శాతం ఎక్కువ త్రూపుట్ను నివేదిస్తుంది. LongCat-2.5 మోడల్ కార్డ్ ఈ 86 శాతం గణాంకాన్ని ఇంగ్లీష్లో పునరావృతం చేస్తుంది. LongCat-2.0కు Meituan ఇచ్చిన 50,000-కార్డ్ గణాంకంతో పోల్చదగిన కార్డ్ సంఖ్యను LongCat-2.5 శిక్షణ రన్ కోసం ఏ పోస్ట్ కూడా ఇవ్వలేదు.
పబ్లిక్ మెటీరియల్ క్లస్టర్ త్రూపుట్, విశ్వసనీయత, ఖర్చు, లేదా ఈ పనిలో ఎంత భాగం ఇతర హార్డ్వేర్పై నడవగలదు అనే విషయాలను స్వతంత్రంగా నిర్ధారించదు. Meituan రిపాజిటరీలలో రెండు మోడళ్లలో దేనికీ శిక్షణ కోడ్ కనిపించలేదు (కింది పట్టిక చూడండి), కాబట్టి వీటిలో ఏదీ Meituan వెలుపల పునరుత్పాదించడం సాధ్యం కాదు.
| Meituan ఏమి వాదిస్తుంది | పబ్లిక్గా ఏమి అందుబాటులో ఉంది |
|---|---|
| LongCat-2.0కు 50,000-కార్డ్ దేశీయ క్లస్టర్పై శిక్షణ ఇచ్చి, దానిపైనే సర్వ్ చేశారు (జూన్ 30, జూలై 12 పోస్ట్లు) | స్వతంత్రంగా ధృవీకరించబడలేదు. శిక్షణ కోడ్ ప్రచురించలేదు |
| LongCat-2.5కు ఒక్కో కార్డ్కు 80 GB కంటే తక్కువ మెమరీ ఉన్న చైనీస్ యాక్సిలరేటర్లపై శిక్షణ, ఫైన్-ట్యూనింగ్ జరిగింది (నవంబర్ 10 పోస్ట్) | స్వతంత్రంగా ధృవీకరించబడలేదు. శిక్షణ కోడ్ ప్రచురించలేదు, 2.5 కోసం కార్డ్ సంఖ్య ఇవ్వలేదు |
| W4A4 ఇన్ఫరెన్స్ W8A8 బేస్లైన్తో పోలిస్తే ప్రిఫిల్ త్రూపుట్ను 43.3%, డీకోడ్ త్రూపుట్ను 42.77% పెంచుతుంది (LongCat-2.5 మోడల్ కార్డ్, నవంబర్ 10 పోస్ట్) | Meituan సొంత బెంచ్మార్క్, స్వతంత్రంగా పునరుత్పాదించబడలేదు |
| రెండు మోడళ్లూ చైనాలో తయారైన యాక్సిలరేటర్లపై నడుస్తాయి | NPU డిప్లాయ్మెంట్ గైడ్ Huawei Ascend Atlas A2 సిస్టమ్లను పేర్కొంటుంది. Meituan పోస్ట్లు “దేశీయ” లేదా “చైనాలో తయారైన” చిప్లు అని మాత్రమే చెబుతాయి, అవి స్వయంగా ఏ వెండర్ పేరునూ చెప్పవు |
మూలం: Meituan జూన్ 30, జూలై 12, నవంబర్ 10 పోస్ట్లు, LongCat-2.5 మోడల్ కార్డ్, నవంబర్ 12, 2026న చదివినవి.
లైసెన్స్, వెయిట్లను ఎలా పొందాలి
LongCat-2.5 వెయిట్లు MIT లైసెన్స్ కింద విడుదలయ్యాయి. LICENSE ఫైల్ ప్రామాణిక MIT పాఠం. ఆ లైసెన్స్ “Meituan ట్రేడ్మార్క్లు లేదా పేటెంట్లను ఉపయోగించే ఎలాంటి హక్కులనూ ఇవ్వదు” అని మోడల్ కార్డ్ జోడిస్తుంది. LongCat-2.0కు కూడా ఇదే MIT పాఠం ఉంది. MIT వాణిజ్య వినియోగం, మార్పులు, పునఃపంపిణీని అనుమతిస్తుంది.
వెయిట్లు రెండు Hugging Face రిపాజిటరీలలో విభజించబడ్డాయి: LongCat-2.5, ఇది 194 safetensors షార్డ్లలో BF16 ఫార్మాట్లో నిల్వ చేయబడింది, LongCat-2.5-W4A4, ఇది 4-బిట్ క్వాంటైజ్డ్ బిల్డ్. రెండు రిపాజిటరీలలో దేనికీ యాక్సెస్ అనుమతి (gating) అవసరం లేదు. నవంబర్ 12, 2026 నాటికి GitHubలో meituan-longcat/LongCat-2.5 రిపాజిటరీ లేదు, 2.5 కోసం Meituan ఇంగ్లీష్ టెక్నికల్ బ్లాగ్ తన GitHub లింక్ను ఇంకా ప్రచురించనిదిగానే చూపిస్తోంది. ఇది LongCat-2.0 సొంత GitHub రిపాజిటరీ పరిస్థితికి సరిపోతుంది. అందులో ఒక README, ఒక లైసెన్స్ ఫైల్, చిత్రాలు మాత్రమే ఉన్నాయి, శిక్షణ కోడ్ లేదు.
ఓపెన్-వెయిట్ చైనీస్ మోడల్ తమ స్టాక్కు సరిపోతుందో లేదో అంచనా వేస్తున్న టీమ్ల కోసం, DeepSeek, GLM, Kimi ఓపెన్-వెయిట్ మోడళ్లపై TechiesJournal గతంలో రాసిన విశ్లేషణ మరో మూడు మోడల్ కుటుంబాల విషయంలో ఇవే లైసెన్స్, వినియోగ సాధ్యత ప్రశ్నలను చర్చిస్తుంది.
ఏ చిప్లు, GPUలపై నడుస్తుందా
నవంబర్ 2 పోస్ట్ గానీ నవంబర్ 10 పోస్ట్ గానీ LongCat-2.5 కోసం నిర్దిష్ట యాక్సిలరేటర్ పేరును చెప్పవు. రెండూ “దేశీయ” లేదా చైనాలో తయారైన AI యాక్సిలరేటర్లు, చిప్లు అని మాత్రమే వర్ణిస్తాయి (అనువాదం). వెండర్ పేరు కనిపించే ఏకైక చోటు Meituan SGLang-FluentLLM రిపాజిటరీలోని longcat-2.5-npu బ్రాంచ్లో ఉన్న ఒక డిప్లాయ్మెంట్ గైడ్. అది Huawei Ascend Atlas A2 Pod సిస్టమ్లను లక్ష్యంగా చేసుకుని, W4A4 బిల్డ్ కోసం 194-కార్డ్ ఉదాహరణ క్లస్టర్ను వివరిస్తుంది: విజువల్ ఎన్కోడర్కు 2 కార్డ్లు, ప్రిఫిల్కు 64, డీకోడ్కు 128. తన శిక్షణ క్లస్టర్లోని చిప్లు ఈ ఇన్ఫరెన్స్ గైడ్లో పేర్కొన్న అదే Ascend హార్డ్వేరా కాదా అనేది Meituan చెప్పలేదు.
LongCat-2.5 మోడల్ కార్డ్ ఈ మోడల్ను “NPU ప్లాట్ఫామ్లపై డిప్లాయ్ చేయవచ్చు” అని మాత్రమే చెబుతుంది. LongCat-2.0 మోడల్ కార్డ్ ఒక SGLang కుక్బుక్ ద్వారా GPU డిప్లాయ్మెంట్ మార్గాన్ని కూడా డాక్యుమెంట్ చేస్తుంది, కానీ LongCat-2.5 కార్డ్ ఎలాంటి GPU డిప్లాయ్మెంట్ సూచనలనూ ఇవ్వదు. LongCat-2.5ను GPUలపై సర్వ్ చేయాలని యోచిస్తున్న టీమ్కు ప్రస్తుతం Meituan నుంచి డాక్యుమెంట్ చేసిన మార్గం ఏదీ లేదు. చైనా AI యాక్సిలరేటర్, డేటా సెంటర్ పరిశ్రమ విస్తృత విస్తరణను గమనిస్తున్న పాఠకులు ఆ నేపథ్యాన్ని చైనా AI ఇన్ఫ్రాస్ట్రక్చర్, చిప్లు, నెట్వర్క్లు, క్లౌడ్పై TechiesJournal సర్వేలో మరింత వివరంగా చూడవచ్చు.
| అంశం | నవంబర్ 12, 2026 నాటి స్థితి |
|---|---|
Hugging Faceలో meituan-longcat/LongCat-2.5 | పబ్లిక్, MIT లైసెన్స్, BF16, నవంబర్ 4న సృష్టించబడింది, నవంబర్ 10న చివరిసారిగా సవరించబడింది |
Hugging Faceలో meituan-longcat/LongCat-2.5-W4A4 | పబ్లిక్, MIT లైసెన్స్, 4-బిట్ క్వాంటైజ్డ్, నవంబర్ 4న సృష్టించబడింది, నవంబర్ 10న చివరిసారిగా సవరించబడింది |
GitHubలో meituan-longcat/LongCat-2.5 | ఉనికిలో లేదు. Meituan ఇంగ్లీష్ బ్లాగ్ GitHub లింక్ను ఇంకా ప్రచురించనిదిగానే చూపిస్తోంది |
| NPU డిప్లాయ్మెంట్ గైడ్ | ప్రచురించబడింది, SGLang-FluentLLM రిపాజిటరీలోని longcat-2.5-npu బ్రాంచ్లో ఉంది, Huawei Ascend Atlas A2ను పేర్కొంటుంది |
| GPU డిప్లాయ్మెంట్ గైడ్ | LongCat-2.5 కోసం ఏదీ కనిపించలేదు |
| హోస్టెడ్ API జాబితా (OpenRouter) | meituan/longcat-2.0ను మాత్రమే జాబితా చేస్తుంది. ఈ పరిశీలన నాటికి LongCat-2.5 జాబితా కనిపించలేదు |
మూలం: Hugging Face, GitHub, నవంబర్ 12, 2026న చదివినవి.
పాఠకులు ఈరోజు ఏమి చేయవచ్చు
LongCat-2.5ను మూల్యాంకనం చేస్తున్న టీమ్ ఇప్పుడే వెయిట్లను డౌన్లోడ్ చేసుకోవచ్చు. MIT లైసెన్స్ Meituanను ముందుగా అడగకుండానే వాణిజ్య వినియోగాన్ని, తదుపరి శిక్షణను అనుమతిస్తుంది. దీన్ని సెల్ఫ్-హోస్ట్ చేయాలని యోచిస్తున్న టీమ్ NPU హార్డ్వేర్ కోసం, ప్రత్యేకంగా Meituan సొంత డిప్లాయ్మెంట్ గైడ్లో డాక్యుమెంట్ చేసిన Huawei Ascend Atlas A2 ప్లాట్ఫామ్ కోసం ప్రణాళిక వేసుకోవాలి, ఎందుకంటే LongCat-2.5 కోసం GPU డిప్లాయ్మెంట్ సూచనలు ఏవీ ప్రచురించబడలేదు. రెండు మోడళ్లలో దేని గురించైనా Meituan శిక్షణ, ఇన్ఫరెన్స్ వాదనలను ఉటంకించే టీమ్ వాటిని Meituan పేరుతో, పోస్ట్ తేదీతో ఆపాదించాలి, ఎందుకంటే 50,000-కార్డ్ LongCat-2.0 వాదనకు గానీ, LongCat-2.5 కోసం Meituan ఇచ్చే ఒక్కో కార్డ్ మెమరీ గణాంకాలకు గానీ శిక్షణ కోడ్ లేదా స్వతంత్ర పునరుత్పాదన కనిపించలేదు. ఏ మోడల్ కార్డ్లోనైనా ఏదైనా బెంచ్మార్క్ సంఖ్యను చదివే టీమ్ దాన్ని Meituan సొంత గణాంకంగా పరిగణించాలి, ఎందుకంటే గుర్తు లేని స్కోర్లు అంతర్గతమైనవని, నక్షత్ర గుర్తు ఉన్న స్కోర్లు మాత్రమే ఇతర ప్రచురణకర్తల నివేదికల నుంచి ఉటంకించినవని కార్డ్లే స్వయంగా పేర్కొంటాయి.
మూలాలు
- Meituan: LongCat-2.5 ప్రకటన, నవంబర్ 2, 2026 (చైనీస్)
- Meituan: LongCat-2.5 ఓపెన్-సోర్స్ ప్రకటన, నవంబర్ 10, 2026 (చైనీస్)
- Hugging Faceలో LongCat-2.5 మోడల్ కార్డ్
- Hugging Faceలో LongCat-2.5-W4A4 మోడల్ కార్డ్
- LongCat-2.5 NPU డిప్లాయ్మెంట్ గైడ్, SGLang-FluentLLM రిపాజిటరీ
- Meituan: LongCat-2.0 ప్రకటన, జూన్ 30, 2026 (చైనీస్)
- Meituan: LongCat-2.0 టెక్నికల్ పోస్ట్, జూలై 12, 2026 (చైనీస్)
- Hugging Faceలో LongCat-2.0 మోడల్ కార్డ్
- GitHubలో LongCat మోడల్ ఆర్గనైజేషన్
- OpenRouter: Meituan LongCat-2.0 జాబితా
మూలాలను నవంబర్ 12, 2026న చదివాము. చైనీస్ భాషలోని Meituan పోస్ట్లను TechiesJournal అనువదించింది. అనువాదం విశ్వసనీయమైనదే అయినా, సర్టిఫైడ్ అనువాదకుడు చేసినది కాదు. Meituan గణాంకాలు, వాదనలు దాని సొంతవి, వాటిని స్వతంత్రంగా పరీక్షించలేదు.
