Meituan、中国国産シリコンで1.6兆パラメータモデルを訓練。巧妙なのは「何のために作ったか」だ

11月2日、MeituanはLongCat-2.5を公開した。総パラメータ数1.6兆、トークンあたり約480億が活性化するネイティブ・マルチモーダルモデルだ。
この発表には、中国国外であまり報じられていない2つの詳細がある。1つは、訓練が完全に中国国産の計算基盤上で行われ、Meituanがそれを同ハードウェア上で完了した最大の訓練タスクだとしていること。もう1つは、MeituanのCEOが、同社はトークン工場にはならないと公言したことだ。
これらを合わせて読むと、LongCat-2.5はフロンティアを狙う挑戦というより、1社のビジネスのために作られた非常に大規模な産業用ツールに見える。
アーキテクチャを手短に
興味深い工学は視覚側にある。LongCat-2.5は視覚信号を、言語バックボーンに連続埋め込みを渡すのではなく、多段階の離散トークンとして表現する。LongCat-Nextで用いた手法に従い、セマンティックかつアラインメントされたエンコーダからのネイティブ解像度の特徴量を残差ベクトル量子化に通す。これにより画像は、トランスフォーマーが単語を処理するのと同じようにトークンとして処理できるものになる。
その結果は、後付けの視覚エンコーダではなく単一のトークン空間だ。だからこそMeituanはネイティブ・マルチモーダルだと主張でき、インタラクティブなWebページ、3D表示ページ、クリエイティブデザインといったタスクを、適応させて処理するものではなく、モデルが処理するものとして挙げられる。
訓練規模も文書化されている。中間訓練では最大100万トークンの系列を用い、累積で数兆トークンを訓練した。マルチカードの長文脈処理では、メモリ容量とカード間通信がボトルネックになる。そこでMeituanはスーパーノードを中心にタスク分割を最適化し、パラメータとデータのトラフィックの大半を、ノード間をまたぐのではなくノード内の高速インターコネクトに留めた。
効率の数値は具体的だ。長文脈の教師ありファインチューニングでは、シングルカードの訓練スループットが分散データ並列のベースライン比で86%向上した。Meituanはこれを、1枚のカードが約1.86枚分の仕事をしていると表現する。推論ではW4A4量子化を採用し、エキスパート重みと活性化の両方を4ビットに落とし、中国国産アクセラレータの特性に合わせて調整した。W8A8 INT8ベースラインと比べて、入力処理とトークンあたり生成のスループットは約40%上昇し、初回トークン遅延は約16%低下、トークンあたり生成時間は約20%短縮され、下流タスクの性能はほぼ同等に保たれた。
最後の数値群こそが実際の成果だ。1兆パラメータモデルを、市場のリーダーではないハードウェア上で訓練し提供するのは、メモリ帯域と通信に関する工学問題である。そして、中国国産の計算基盤で完全に訓練・提供された初の1兆パラメータモデルであるLongCat-2.0の2026年6月のリリースは、そのウォームアップだった。
ベンチマーク、ただしいつもの注意付き
Meituanの報告によると、LongCat-2.5は主要なベンチマーク群でClaude Opus 4.8とClaude Opus 5の間に位置し、一部ではOpus 5を上回る。
これらはベンダーが報告した、競合モデルとの比較であり、ベンダーが選んだベンチマークでの結果だ。ランキングではなく、モデルが競争力を持つ証拠として扱うべきである。より有用なシグナルは、中国のローカルサービス企業が今、Anthropicのフロンティア系と同じ土俵で語られるモデルを提供し、その訓練効率の取り組みも併せて公開していることだ。
何のために作られたか
公表された設計目標は長期ホライズンのエージェントタスクだ。Meituanの説明には、長期ホライズンの軌跡データを長系列訓練に追加すること、大規模な長期ホライズン強化学習を実行すること、実際のエージェントの失敗軌跡を再現可能で検証可能な訓練タスクに変換することが含まれる。最後の手法こそ、より多くのラボが模倣すべきものだ。自社エージェントの失敗をデータセットにする方が、インターネットをもっとスクレイピングするより安い。
次に商業的な論理だ。Meituanは中国の数千都市でフードデリバリー、店舗内サービス、旅行を運営している。その加盟店は利益率の薄い小規模事業者だ。その立場からすると、より優れたチャットボットは、加盟店のチャネルデータを読み、どこで損失が出ているかを伝え、さらに対処まで行うソフトウェアよりはるかに順位が低い。
Meituanが公開した事例は、詳細に引用する価値がある。マルチチャネルブランドの運営分析で、モデルはチャネル損益計算書を自ら作成し、有料GMVが23.2%成長する一方でチャネル利益が1.7%減少したことを特定した。それをクリアランスの経済性、リピート購入行動、在庫リスクに関連づけ、差別化されたリソース配分を提案した。
これは実際の分析チェーンだ。際立つのは、モデルが成長率と並べて利益率を計算することを選んだ点である。それは経験豊富な運営担当者が行い、ダッシュボードが行わないことだ。
Meituanはこれを、加盟店向けAI運営ワークベンチ「Miaoshou」という製品にまとめた。業界指標とブランドルールを理解し、加盟店の認可の範囲内でツールやシステムを呼び出してタスクを完了する。Meituanによると、Guming、Xushengji、Yihetangなどのチェーンに、ブランド分析、店舗管理、顧客獲得の領域で既に提供している。
戦略的議論
8月の決算説明会での王興氏の発言は、中国のプラットフォームCEOがモデル戦略について語った中で最も明確な声明だ。AIの長期的価値は、実際のワークフローに真に入り込み、現実の問題を解決し、安定したインフラになるかどうかにある、と同氏は述べた。Meituanはトークン工場にはならない。同社のモデルと製品は本業を支えるために存在する。
これを過去1年のフロンティアラボの行動と照らし合わせると、違いは歴然としている。OpenAI、Anthropic、Googleはトークンとサブスクリプションを売るためにモデルを作っている。Meituanはミルクティーチェーンの利益率を改善するためにモデルを作っている。
どちらも正当だ。だが生まれる組織は大きく異なる。トークン工場はベンチマークでのリードとAPI価格を最適化する。自社専用モデルは、運営担当者が求める特定の推論と、自社の取引量規模で動かすコストを最適化する。だからこそ、ここではW4A4の取り組みがアリーナスコアよりも重要なのである。
提供コストこそ静かな主役
4ビット量子化は別途言及する価値がある。実験室外での展開を実際に制限する制約に対処しているからだ。

トークンあたり480億パラメータが活性化する1.6兆パラメータモデルは、単一トークンごとにモデル全体を高速メモリに置く必要はない。だが、活性化するエキスパートに素早く到達できる必要があり、4ビットなら重みが16ビットの場合の数分の1の空間で済む。Meituanの報告では、INT8ベースライン比で入力処理とトークンあたり生成の両方でスループットが約40%高く、初回トークン遅延は約16%減、トークンあたり時間は約20%減で、下流品質は維持されている。
自社の取引量をさばく企業にとって、それは守る利益率よりコストが高いAI機能と、そうでない機能の違いだ。また、リーダーボードの項目を生まない種類の仕事でもあり、だからこそほとんど報じられない。
残る疑問
MeituanはLongCat-2.5の重みを公開していないため、中国国産の計算基盤という主張を独立に検証することはできない。モデルはオープンリリースではなく、longcat.aiとAPIを通じて利用できる。効率向上はMeituanが定義したベースラインに対して測定されたものだ。
自社専用モデルにはいつもの緊張関係もある。Meituanのビジネスに熟達するほど、その外では有用性が下がるかもしれない。ローカルサービスの損益で調整されたモデルは、レストランのユニットエコノミクスには優れていても、法務文書の作成では平凡かもしれない。
中国国外のすべての人にとっての要点は、中国国産シリコンという制約が、コンプライアンス問題から、スループット数値を公開する工学プログラムへと移ったことだ。企業が1.6兆パラメータを訓練し、実際に購入できるハードウェア上で4ビット精度で提供できるようになれば、フロンティアとフォロワーの実用的な差は、金では埋められないもの——データ、センス、流通——に縮まっていく。