LongCat-2.5 Meituan: Model AI 1,6 Triliun Parameter Open-Source Tanpa GPU Nvidia (2026)

LongCat-2.5 Meituan: model AI agent 1,6 triliun parameter, bobot terbuka lisensi MIT, dilatih tanpa GPU Nvidia. Skor, harga, dan syarat self-hosting-nya.

Ilustrasi kucing oranye bermotif sirkuit di samping chip komputer, banner artikel LongCat-2.5 Meituan
LongCat-2.5 Meituan: Model AI 1,6 Triliun Parameter Open-Source Tanpa GPU Nvidia (2026)

Di Artikel Ini

TL;DR: Meituan membuka bobot LongCat-2.5, model AI agent 1,6 triliun parameter, di Hugging Face dengan lisensi MIT โ€” dan kabar terbesarnya bukan ukurannya, melainkan cara model ini dilatih: sepenuhnya di chip China, tanpa satu pun GPU Nvidia. Skor Terminal-Bench v2.1 sebesar 88,4 menempel Claude Opus 5 (89,1), tapi self-hosting-nya butuh klaster 194 chip Huawei Ascend, jadi untuk sebagian besar tim di Indonesia, jalur paling masuk akal adalah API-nya yang murah.

๐Ÿ’ก Key Takeaway

  • Bobot terbuka, lisensi MIT: Bobot LongCat-2.5 muncul di Hugging Face pada 9 November 2026 dan diumumkan di blog teknis LongCat pada 10 November โ€” boleh dipakai komersial, dimodifikasi, dan didistribusikan ulang, termasuk versi terkompresi 4-bit-nya.
  • Dilatih tanpa GPU Nvidia: Model 1,6 triliun parameter ini dilatih dan dijalankan di akselerator China; panduan self-hosting-nya memakai 194 chip Huawei Ascend Atlas A2 dan tidak memberi panduan apa pun untuk GPU Nvidia.
  • Skor agent menempel model AS: Dalam evaluasi Meituan sendiri, LongCat-2.5 meraih 88,4 di Terminal-Bench v2.1 โ€” di bawah Claude Opus 5 (89,1) dan DeepSeek-V4.1-Flash (90,6) โ€” tapi melonjak dari 9,7 ke 64,6 di DeepSWE dibanding pendahulunya.
  • Murah lewat API, berat untuk self-hosting: Harga promo API sekitar โ‚ฌ0,27 per juta token input dan โ‚ฌ1,07 per juta token output; tapi bobot penuhnya sekitar 3,56 TB dan butuh klaster data center, bukan laptop.

Bayangkan perusahaan antar makanan terbesar di China tiba-tiba merilis salah satu model AI terbesar di dunia โ€” lalu menambahkan satu detail yang membuat seluruh industri menoleh: model itu tidak pernah menyentuh GPU Nvidia. Itulah LongCat-2.5 dari Meituan. Buat kamu yang bekerja dengan AI agent di kantor, rilis ini bukan sekadar berita model baru: ini bukti bahwa peta kekuatan AI sedang berubah, dan model agent kelas frontier kini bisa kamu coba dengan harga yang jauh lebih murah dari model AS.

Apa itu LongCat-2.5?

LongCat-2.5 adalah model AI dari tim LongCat Meituan, perusahaan layanan antar makanan dan jasa lokal terbesar di China. Modelnya diumumkan pada 2 November 2026 dan tersedia di LongCat API Platform, lalu bobotnya dibuka di Hugging Face pada 9 November 2026 dan diumumkan di blog teknis LongCat pada 10 November, sebelum dilaporkan luas oleh The Decoder pada 15 November 2026. Model ini dirancang untuk tugas agent jangka panjang: bekerja mandiri menyelesaikan proyek multi-langkah, terutama coding โ€” mengerjakan codebase besar, membangun proyek utuh, sampai tugas desain dan 3D.

Secara teknis, LongCat-2.5 memakai arsitektur mixture-of-experts (MoE): dari total 1,6 triliun parameter, hanya sekitar 48 miliar yang aktif untuk setiap token. Model ini multimodal secara native โ€” memahami teks, gambar, dan video โ€” dengan konteks sampai 1 juta token dan output sampai 128.000 token, serta mode penalaran yang bisa dinyalakan atau dimatikan. Berbeda dari kebanyakan model multimodal yang menempelkan encoder gambar terpisah, LongCat-2.5 mengubah gambar menjadi token diskret yang diproses bersama teks di aliran yang sama, berdasarkan riset LongCat-Next.

Kabar Sumber Artinya buat kamu
Bobot LongCat-2.5 dibuka di Hugging Face 9 Nov 2026, lisensi MIT Kartu model Hugging Face; The Decoder 15 Nov 2026 Boleh dipakai komersial dan dimodifikasi โ€” tapi cek dulu kebutuhan hardware-nya
Dilatih sepenuhnya di chip China, tanpa GPU Nvidia The Decoder; blog teknis LongCat Bukti jalur hardware alternatif makin nyata; vendor chip China makin menarik di luar China
Skor Terminal-Bench v2.1 sebesar 88,4, menempel Claude Opus 5 (89,1) Tabel benchmark Meituan (evaluasi internal) Menjanjikan untuk coding agent, tapi semua angka ini klaim vendor yang belum diverifikasi independen
Harga promo API sekitar โ‚ฌ0,27 input / โ‚ฌ1,07 output per juta token The Decoder; platform API LongCat Agent kelas frontier dengan harga jauh di bawah model AS โ€” cocok untuk dicoba di proyek kecil

Kenapa “tanpa GPU Nvidia” jadi berita besar?

Selama bertahun-tahun, melatih model AI kelas frontier praktis identik dengan GPU Nvidia. Meituan membalik asumsi itu. Pendahulunya, LongCat-2.0 yang rilis Juni 2026, diklaim sebagai model triliun-parameter pertama yang dilatih dan dijalankan sepenuhnya di komputasi domestik China โ€” menurut The Decoder, di klaster lebih dari 50.000 chip AI China. LongCat-2.5 melanjutkan jalur yang sama, dengan optimasi infrastruktur khusus untuk akselerator domestik.

Kuncinya ada di kuantisasi W4A4: bobot expert dan aktivasinya dikompresi ke presisi 4-bit, format yang diproses secara native oleh chip China. Menurut kartu modelnya, dibanding versi 8-bit, throughput pemrosesan prompt naik 43,3 persen dan throughput pembuatan respons naik 42,77 persen, dengan akurasi yang diklaim setara model tanpa kompresi. Versi terkompresi ini tersedia di repositori Hugging Face terpisah, dengan ukuran sekitar 1,34 TB dibanding bobot penuh sekitar 3,56 TB.

Implikasinya lebih luas dari satu model. Model open-weight yang dioptimasi untuk chip China sejak awal membuat hardware itu makin menarik di luar China โ€” dan pola yang sama terlihat di gelombang model China lain tahun ini, seperti model open-weight kelas frontier Kimi K3.1 Pro yang sudah kita bahas sebelumnya. Buat tim di Indonesia, pesannya sederhana: ketergantungan pada satu vendor hardware bukan lagi satu-satunya jalan, dan harga model frontier kemungkinan terus turun karena persaingan ini.

Seberapa kencang? Angka benchmark LongCat-2.5

Di atas kertas, LongCat-2.5 duduk di antara dua generasi Claude. Dalam tabel benchmark Meituan, skornya di Terminal-Bench v2.1 โ€” benchmark kerja agent di terminal โ€” sebesar 88,4, sedikit di bawah Claude Opus 5 (89,1) dan GPT-5.6 Sol (88,8), dan di bawah DeepSeek-V4.1-Flash yang memimpin dengan 90,6. Di DeepSWE v1.1, benchmark perbaikan bug di repositori nyata, LongCat-2.5 meraih 64,6 โ€” lompatan besar dari 9,7 di LongCat-2.0, tapi masih di belakang DeepSeek-V4.1-Flash (74,2) dan GPT-5.6 Sol (72,7). Di sisi lain, model ini meraih 91,9 di BrowseComp, skor tertinggi di tabel tersebut, dan 38,5 di Terminal-Bench v4.0 yang lebih sulit โ€” sedikit di atas GPT-5.6 Sol (37,3) tapi jauh di bawah Opus 5 (53,9).

Yang perlu kamu catat: semua skor ini berasal dari evaluasi Meituan sendiri, dan kartu modelnya menyatakan skor yang diukur internal bersifat “indikatif saja”. Model terbaru seperti Claude Opus 5.5 dan GPT-6.1 Sol bahkan tidak masuk ke tabel perbandingan Meituan. Jadi perlakukan angka-angka ini sebagai klaim vendor, bukan fakta teruji โ€” sama seperti model Edge0-145B yang jalan di laptop yang angka benchmark-nya juga belum diverifikasi independen saat kita bahas.

Self-hosting: butuh klaster, bukan laptop

Di sinilah headline “open-source” perlu dibaca dengan hati-hati. Ya, bobotnya terbuka dan lisensi MIT memang bebas โ€” boleh dipakai komersial, dimodifikasi, dan didistribusikan ulang. Tapi panduan self-hosting Meituan menggambarkan klaster 194 akselerator Huawei Ascend dari seri Atlas A2: dua untuk pemrosesan gambar, 64 untuk menerima prompt, dan 128 untuk menghasilkan respons. Tidak ada panduan untuk GPU Nvidia, dan tidak ada file GGUF atau versi laptop yang menunggu diunduh.

Artinya, “open-weight” di sini bukan berarti “bisa jalan di perangkatmu”. Bandingkan dengan model AI kecil open-weight LFM3 yang jalan di HP dan laptop: LongCat-2.5 berada di ujung spektrum yang berlawanan โ€” model raksasa yang terbuka, tapi praktis hanya bisa dijalankan oleh organisasi dengan infrastruktur data center. Buat sebagian besar tim di Indonesia, jalur yang realistis adalah API-nya, bukan self-hosting.

Cara mencoba LongCat-2.5 hari ini

Jalur termudah adalah lewat API LongCat. Harganya saat peluncuran memakai promo waktu terbatas: sekitar โ‚ฌ0,27 per juta token input dan โ‚ฌ1,07 per juta token output, dengan input cache yang jauh lebih murah. API-nya mendukung format OpenAI dan Anthropic, dan bisa dipasang ke harness agent seperti Claude Code, Codex, dan Hermes. Kamu juga bisa mencobanya lewat antarmuka chat di longcat.ai tanpa mengunduh apa pun.

Sebelum memakai model ini untuk pekerjaan nyata, ada empat langkah praktis yang bisa kamu ambil:

  1. Coba lewat API dulu, bukan self-hosting. Kecuali timmu memang punya klaster NPU, unduhan bobot 3,56 TB hanya akan membuang waktu. Mulai dari API dan chat longcat.ai untuk merasakan kualitasnya.
  2. Uji di tugas agent nyata. Ambil 5โ€“10 tugas coding atau kerja kantor yang biasa kamu kerjakan dengan agent โ€” misalnya merapikan codebase atau menyiapkan dokumen โ€” lalu bandingkan hasilnya dengan model yang kamu pakai sekarang, bukan dengan benchmark vendor.
  3. Hitung biaya per tugas, bukan per token. Harga per token yang murah tidak otomatis berarti murah per tugas selesai. Model yang butuh banyak percobaan ulang bisa lebih mahal dari model yang lebih mahal tapi sekali jalan.
  4. Perhatikan konteks geopolitiknya. Model ini dilatih di infrastruktur China dan lisensinya MIT, tapi kebijakan data dan kepatuhan perusahaanmu mungkin membatasi pemakaian layanan yang di-host di luar negeri. Cek dulu dengan tim legal atau keamanan sebelum memasukkan data sensitif. Kalau kamu tertarik dengan arah model yang mengambil keputusan sendiri, model AI pengambil keputusan Drex Max yang jalan lokal dan super-agent DeepSeek yang bekerja terus-menerus adalah dua contoh lain dari gelombang yang sama, dan semua perkembangannya bisa kamu ikuti lewat kategori Riset AI di blog ini.

Komunitech: Karyawan AI yang Terukur

Model seperti LongCat-2.5 membuka peluang baru, tapi peluang tanpa penerapan yang terukur hanya jadi demo. Di Workshop Karyawan AI Komunitech, kamu belajar membangun AI agent yang bekerja di alur nyata bisnismu โ€” lengkap dengan cara mengukur hasilnya, bukan sekadar mencoba model terbaru. Dan lewat newsletter Komunitech, kamu mendapat ringkasan perkembangan AI seperti ini setiap hari, supaya keputusan teknologimu selalu berbasis kabar yang sudah diverifikasi.

Pertanyaan yang Sering Ditanya

Apakah LongCat-2.5 benar-benar gratis?

Bobot modelnya bisa diunduh gratis dari Hugging Face di bawah lisensi MIT, yang mengizinkan pemakaian komersial, modifikasi, dan distribusi ulang. Tapi gratis di sini bukan berarti murah untuk dijalankan: bobot penuhnya sekitar 3,56 TB dan panduan self-hosting-nya butuh klaster 194 chip Huawei Ascend. Untuk sebagian besar pengguna, jalur termurah adalah API-nya dengan harga promo sekitar โ‚ฌ0,27 per juta token input.

Apakah LongCat-2.5 bisa jalan di laptop atau GPU Nvidia?

Tidak, setidaknya tidak dengan panduan resmi yang tersedia. Panduan self-hosting Meituan hanya mencakup platform NPU lewat proyek SGLang-FluentLLM dan tidak memberi panduan apa pun untuk GPU Nvidia. Tidak ada versi GGUF atau build laptop. Kalau kamu butuh model agent yang jalan lokal, model kecil seperti LFM3 adalah pilihan yang jauh lebih realistis.

Apakah LongCat-2.5 lebih bagus dari Claude Opus 5?

Dalam evaluasi Meituan sendiri, LongCat-2.5 hampir menyamai Opus 5 di Terminal-Bench v2.1 (88,4 vs 89,1) dan mengunggulinya di BrowseComp (91,9 vs 90,8), tapi tertinggal jauh di Terminal-Bench v4.0 (38,5 vs 53,9). Semua angka itu berasal dari pengujian internal Meituan dan belum diverifikasi independen, jadi jawaban jujurnya: belum bisa dipastikan. Uji sendiri di tugasmu sebelum mengganti model yang sudah kamu pakai.

Siapa yang membuat LongCat-2.5?

Tim LongCat di Meituan, perusahaan teknologi China yang terkenal sebagai platform antar makanan dan layanan lokal. Meituan mulai membangun program model frontier-nya sekitar dua tahun lalu; LongCat-2.0 rilis Juni 2026 sebagai model triliun-parameter pertama yang dilatih sepenuhnya di komputasi domestik China, dan LongCat-2.5 melanjutkan jalur itu dengan kemampuan multimodal dan agent yang lebih luas.

Di mana saya bisa mencoba LongCat-2.5?

Kamu bisa mencobanya lewat antarmuka chat di longcat.ai, atau lewat LongCat API Platform yang mendukung format API OpenAI dan Anthropic dan bisa dipasang ke harness agent seperti Claude Code, Codex, dan Hermes. Bobot modelnya tersedia di Hugging Face dengan nama meituan-longcat/LongCat-2.5, beserta versi terkompresi W4A4 di repositori terpisah.

Kesimpulan

LongCat-2.5 adalah bukti bahwa peta AI sedang berubah: model agent 1,6 triliun parameter dengan skor menempel Claude Opus 5, bobot terbuka di bawah lisensi MIT, dan โ€” yang paling penting โ€” dilatih sepenuhnya tanpa GPU Nvidia. Tapi dua catatan kakinya sama pentingnya dengan headline-nya: semua skor benchmark berasal dari evaluasi Meituan sendiri, dan self-hosting-nya butuh klaster data center, bukan laptop. Langkah pertamamu: coba lewat API atau chat longcat.ai, jalankan lima tugas nyata dari pekerjaanmu, dan bandingkan hasilnya dengan model yang kamu pakai hari ini sebelum memutuskan apa pun.

Referensi

  • The Decoder, “Meituan releases a 1.6-trillion-parameter agent model that never touched an Nvidia GPU”, 15 November 2026, https://the-decoder.com/meituan-releases-a-1-6-trillion-parameter-agent-model-that-never-touched-an-nvidia-gpu/
  • Meituan LongCat, “LongCat-2.5”, kartu model Hugging Face, https://huggingface.co/meituan-longcat/LongCat-2.5
  • Meituan LongCat, “LongCat-2.5”, blog teknis LongCat, https://longcat.ai/blog/longcat-2.5
  • Que.com, “Meituan Open-Sources a 1.6-Trillion-Parameter AI Agent Model Built Without Nvidia”, 15 November 2026, https://que.com/meituan-open-sources-a-1-6-trillion-parameter-ai-agent-model-built-without-nvidia-scoring-within-a-point-of-claude-opus-5-on-terminal-bench-at-a-fraction-of-the-price/

Disclaimer: Artikel ini disusun pada 16 November 2026 berdasarkan sumber-sumber di atas. Angka benchmark, harga, dan syarat hardware berasal dari klaim vendor dan dapat berubah; periksa sumber resmi sebelum mengambil keputusan. Artikel ini bersifat edukatif dan bukan rekomendasi pembelian.

Avatar Ardansyah Falah

Workshop ยท Batch 12

2 jam bikin AI Agent pertamamu

Minggu, 18 Okt 2026 ยท 20.00 WIB

Rp399.000 Rp1.800.000

Modul Gratis

Modul intro Karyawan AI

Tiga bab video + worksheet + grup Telegram. Gratis.

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *