Meituan brengt LongCat-2.0 uit: een open codeermodel van 1,6 biljoen parameters, getraind zonder Nvidia

Een Chinees bedrijf dat de meeste mensen kennen van maaltijdbezorging zet de AI-wereld op scherp. Meituan bracht op 30 juni LongCat-2.0 uit: een open codeermodel van 1,6 biljoen parameters, vrijgegeven onder de permissieve MIT-licentie en, opvallender nog, volledig getraind op Chinese chips zonder een enkele Nvidia-kaart. Voor wie code laat schrijven of AI-agenten echt werk laat doen, verschuift daarmee opnieuw de prijs-kwaliteitverhouding.

De kern in een zin: near-frontier coderen wordt open, goedkoop en bovendien losgekoppeld van de Amerikaanse chipketen. Dat raakt niet alleen techbedrijven, maar iedereen die nadenkt over waar zijn AI vandaan komt en wat het kost.

Wat Meituan precies heeft vrijgegeven

LongCat-2.0 is een zogeheten Mixture-of-Experts-model: van die 1,6 biljoen parameters is per token telkens maar een deel actief, ongeveer 48 miljard, wat het verrassend efficient maakt voor zijn omvang. Het model heeft een contextvenster van een miljoen tokens, genoeg om een hele codebase of een stapel documenten in een keer te overzien, en is geoptimaliseerd voor coderen en agentische taken zoals tool-calling en redeneren in meerdere stappen. De gewichten staan op HuggingFace en de MIT-licentie geeft je maximale juridische vrijheid, ook voor commercieel gebruik en eigen aanpassingen.

De cijfers die ertoe doen voor een ontwikkelaar zijn de benchmarks: het model scoort 59,5 op SWE-bench Pro en 70,8 op Terminal-Bench, twee tests die echte software-engineeringtaken nabootsen in plaats van trucjes met puzzels. Dat plaatst LongCat-2.0 in de buurt van de grote betaalde modellen voor agentisch werk, al lopen de volledige uitrol en onafhankelijke toetsing nog.

Getraind zonder een enkele Nvidia-chip

Het echte nieuws zit in de hardware. Meituan trainde LongCat-2.0 op een binnenlands cluster van zo'n 50.000 Chinese chips, expliciet zonder Nvidia A100's of H100's en zonder AMD's MI300X. Volgens de South China Morning Post is het daarmee het grootste Chinese AI-model dat volledig op eigen, binnenlandse hardware is getraind, vergelijkbaar in schaal met het topmodel van DeepSeek.

Dat is geen technische voetnoot. De Amerikaanse exportbeperkingen op geavanceerde Nvidia-chips waren bedoeld om China's AI-ontwikkeling af te remmen. Een trillion-parameter-model dat zonder die chips tot stand komt, laat zien dat de Chinese stack voor frontier-training inmiddels volwassen genoeg is. Voor de wereldmarkt betekent dat: er komt een tweede toeleveringsketen bij, los van de Amerikaanse.

Marktleider op OpenRouter

Papieren benchmarks zijn een ding, echt gebruik is een ander. De previewversie van LongCat-2.0 dook eerder anoniem op als "Owl Alpha" en leidt inmiddels qua tokengebruik de wereldwijde ranglijst van OpenRouter, het knooppunt waar veel ontwikkelaars hun modellen via een API afnemen, met miljarden tokens per dag. Het model is daar gratis of zeer goedkoop te proberen met dagelijkse quota. Dat hoge gebruik is geen bewijs van kwaliteit op zich, maar het is wel een reeel signaal dat ontwikkelaars het in de praktijk bruikbaar vinden voor codeerwerk.

Onderdeel van een bredere golf

LongCat-2.0 staat niet op zichzelf. Het is de zoveelste Chinese open release die de prijs van capabel coderen omlaag duwt. Eerder verscheen een open codeermodel van Moonshot dat in tokenprijs fors onder GPT-5.5 en Claude duikt, en kwam er GLM-5.2, dat GPT-5.5 op codeerbenchmarks verslaat voor ongeveer een zesde van de prijs. De rode draad is steeds dezelfde: krachtige modellen die je niet verplicht bij een Amerikaanse cloudgigant afneemt, maar als open-weight model desnoods zelf host.

Wat betekent dit voor jou

Voor een Nederlands bedrijf is de praktische winst simpel: er is opnieuw een betaalbaar, open alternatief bijgekomen voor agentisch coderen, met een licentie die je geen strobreed in de weg legt. Wie zijn AI-stack leverancier-onafhankelijk inricht, kan zulke prijsdalingen meepakken zonder zijn hele werkwijze om te gooien.

Maar weeg de herkomst mee. Een Chinees model in je westerse stack roept dezelfde vraag op als toen Microsoft DeepSeek V4 overwoog als goedkoper alternatief voor Claude in Copilot: kosten zijn niet het enige criterium, herkomst en datastromen tellen net zo hard. Stuur je je prompts naar een Chinese API, dan gaat je input daarheen. Draai je het model zelf of bij een Europese host, dan blijft die data binnen je eigen omgeving. Dat is precies het verschil tussen open en gesloten: bij een open-weight model heb je die keuze, bij een gesloten API niet.

De echte verschuiving is dus niet dit ene model, maar wat het symboliseert. Capabel coderen op bijna-topniveau is geen schaars, duur en exclusief Amerikaans goed meer. Het is open, goedkoop en geografisch gespreid. Dat vergroot je keuzevrijheid, op voorwaarde dat je je stack zo bouwt dat je kunt wisselen. Test het op je eigen taken voordat je conclusies trekt, en richt je werkwijze zo in dat het volgende sterke model net zo makkelijk inplugt.