中国、NvidiaなしでフロンティアレベルのモデルをトレーニングMeituanのLongCat-2.0を徹底解説

フードデリバリー企業が輸出規制の議論を動かした

この1週間で最も影響力のあるモデルのリリースは、OpenAI、Google、Anthropicからではありませんでした。それは中国のフードデリバリー・地域サービス大手であるMeituanから生まれたものです。同社は6月30日、1.6兆パラメータの言語モデルLongCat-2.0をオープンソース化しました。注目すべき数字はパラメータ数ではありません——1兆パラメータの大台を超えたラボは数多くあります——重要なのはその土台となるハードウェアです。Meituanによれば、LongCat-2.0は5万個を超える国産AI ASICからなるクラスターだけで、Nvidiaのシリコンを一切介さずに事前学習と運用が行われたといいます。

この主張が事実だとすれば、米国の輸出規制の根幹にある賭け——中国に最新のNvidiaスタックを与えなければ、フロンティアに近いシステムを大規模にトレーニングできないだろうという読み——が、ワシントンが想定していたよりも脆弱であることを示す、これまでで最も明確な証拠となります。だからこそ、レストラン物流で知られる企業のモデルが、今週GPT-5.5やClaude Opusと並んで語られているのです。

実際に公開されたもの

SCMPによれば、LongCat-2.0は100万トークンのコンテキストウィンドウを持つ1.6兆パラメータのモデルで、寛容なライセンス（複数のメディアがMITと報じています）のもとでオープンソース化されました。これはスパースなMixture-of-Experts設計であり、その1.6兆パラメータのうちごく一部——二次報道では1トークンあたりのアクティブパラメータは数百億個とされています——だけが実際にどのリクエストでも発火するため、推論コストは表向きのサイズが示唆するよりもはるかに低く抑えられます。The Decoderは、このモデルが35兆を超えるトークンでトレーニングされたと付け加えています。

Meituanが強調しているのは、トレーニングがどこで行われたかという点です。中国のこれまでの旗艦的な成果——DeepSeekのV4-proを含む——は、主に推論、つまりクエリに答えるという軽い作業で国産チップに頼っていた一方で、はるかに要求の高い事前学習の段階では依然としてNvidiaのハードウェアに依存していました。Meituanの主張は、LongCat-2.0が事前学習を含むパイプライン全体を国産ASIC上で走らせたというものです。それこそが重要な部分であり、そして独立に検証するのが最も難しい部分でもあります。

ベンチマークの全体像:コードでは強く、フロンティアでは依然として後れをとる

Meituanが公開している数字を見る限り、LongCat-2.0はエージェント的なコーディングで真に競争力があり、難しい推論では明らかに後れをとっています。The Decoderは、SWE-bench Proで59.5、SWE-bench Multilingualで77.3というスコアを報じており、これらではモデルがGemini 3.1 ProやGPT-5.5をわずかに上回っています。こうした結果が「フロンティアに迫る」という位置づけを支えているのです。

しかし同じ報道は、その天井についても慎重です。推論や指示追従を重視するテスト——IFEval(90.0)、IMO-AnswerBench(81.8)、GPQA-diamond(88.9)——では、LongCat-2.0は西側の主要システムに後れをとっており、他では輝きを見せるコーディングのベンチマークでさえ、Claude Opus 4.7および4.8には及びません。正直に読めば、これは特定の商業的に価値のある作業領域（コードの記述と修正）では優秀だが、それ以外では並程度に良い、というモデルです。このプロファイルは偶然ではありません。コーディングこそが、オープンウェイトの中国製モデルが力を注いできた領域なのです。測定可能で、需要があり、クローズドなラボが多額を投じてチューニングする洗練された指示追従への依存が少ないからです。

このすべてについて重要な留意点が一つあります。The Decoderは、執筆時点でこのモデルはまだHugging Faceに存在しておらず、「独立した検証を困難にしている」と指摘しています。ベンチマークの数値は、今のところMeituan自身によるものです。いくつかのアグリゲーターはまた、このモデルが正体が明かされる前に「Owl Alpha」というコードネームでひそかにOpenRouterの利用ランキングでトップに立っていたと報じています——目を引くディテールですが、一次報道では確認できなかったため、未検証として扱ってください。

なぜハードウェアの主張こそが本当の物語なのか

チップこそが懐疑の焦点を当てるべき部分であり、同時にその意義が宿る部分でもあります。SCMPはトレーニングが「数万個のAI ASICスーパーポッドからなる大規模クラスター」——汎用GPUではなく、狭いワークロード向けに作られた特定用途向けチップ——で走ったと述べています。決定的なことに、SCMPもThe Decoderもチップベンダーの名前を挙げていません。The Decoderは「Meituanは特定のチップメーカーを名指ししなかった」と明言しています。二次的な報道はHuaweiのアクセラレータ製品ラインとそのHCCL通信ライブラリ（数千個のチップを協調させるNvidiaのNCCLに相当する国産版）を指し示していますが、その帰属は一次情報源では確認されていません。

なぜMeituanは曖昧なままにするのでしょうか。サプライヤーを名指しすれば、歩留まり、実環境でのクラスター稼働率、そしてNvidiaでトレーニングされたツールやデータがどれほどひそかに結果を形作ったのか、といった精査を招くことになります。1.6兆パラメータのモデルを5万個の非Nvidiaアクセラレータでエンドツーエンドにトレーニングすることは、モデリングの偉業であると同時に、分散システムとネットワーキングの偉業でもあります。インターコネクトと通信ライブラリは、まさに国産スタックが歴史的に苦戦してきた領域です。もしMeituanがこの規模で本当にそれを解決したのなら、その曖昧さは回避的というよりも戦略的なものかもしれません。

誇張と、確認できていること

そぎ落とせば、十分に裏付けられていることが3つあります。モデルが存在しオープンウェイトであること、自己申告の強力なコーディングベンチマークを出していること、そしてMeituanがおよそ5万チップ規模で完全に国産のトレーニングパイプラインを主張していること。まだ確認されていないことも3つあります。ベンチマークの独立した再現、チップの正体と真の性能、そしてそのクラスターがNvidiaを基準にどれほど効率的に実際に走ったのか、です。

「Nvidiaなしでトレーニングした」と「Nvidiaと同じ効率でトレーニングした」の間の隔たりにこそ、政策上の争点があります。輸出規制は、中国のフロンティアトレーニングを不可能にすることを狙ったものではありませんでした——ただ遅く、高価で、非効率にすることが狙いだったのです。LongCat-2.0はその論理を覆すものではありません。モデルは本物の成果でありながら、西側の同等品よりもはるかに多くの計算時間を費やしたということもあり得ます。それが打ち砕くのは、最新のNvidiaスタックを与えなければ硬い天井が生まれる、というより強く、より根幹を支える前提のほうです。今回のリリースが示唆するのは、その天井が——たとえ登るのがより困難だとしても——宣伝されていたよりも高いということです。

まとめ

LongCat-2.0が今週最も重要なモデルの物語であるのは、それがフロンティアを打ち負かすからではなく——明快にはそうではありません——誰が、何の上で作ったのかによるものです。物流企業が、国産ASICでエンドツーエンドに事前学習したと主張する1.6兆パラメータのMITに近いオープンモデルを世に出したというのは、ワシントンのチップ戦略が向き合わなければならないデータポイントです。適切な姿勢は慎重なものです。ベンチマークは自己申告で再現されておらず、チップは名指しされておらず、効率性の主張は検証されていません。しかし方向性は紛れもありません。このようなリリースが一つ起きるたびに、輸出規制が意味ある時間を稼げる余地は狭まり、問いは中国が自国のシリコンでフロンティア規模のモデルをトレーニングできるかどうかから、どれほど効率的にできるのか——そしてその答えが誰かを恥じ入らせなくなるのがどれほど早いのか——へと移っていきます。Hugging Faceのウェイトと独立したベンチマークに注目してください。誇張が事実へと固まるのか、それともひそかにしぼんでいくのかは、そのときに分かります。