Un LLM open source da 1,6mila miliardi di parametri, finestra da 1 mln di token, senza Nvidia. Dove se non in Cina?

La model card pubblicata su Hugging Face parla chiaro: 1,6 trilioni di parametri totali, circa 48 miliardi attivati per ogni token grazie all’architettura Mixture-of-Experts, finestra di contesto nativa da 1 milione di token, licenza MIT. Il dettaglio che li rende storti è che a rilasciarli è un’azienda di food delivery, non un laboratorio AI: Meituan è la piattaforma di consegne a domicilio più grande di Cina, un incrocio tra DoorDash, Uber Eats e Grubhub che porta cibo, spesa e servizi locali a centinaia di milioni di utenti. Fino a poco tempo fa il suo terreno di competizione erano le commissioni sui ristoranti e i tempi di consegna in scooter. Oggi fa gareggiare i suoi modelli linguistici con quelli di Google e OpenAI.

Chi ha rilasciato il modello non è chi ti aspetti

Il paragone corretto è con un colosso della logistica urbana quotato a Hong Kong, con decine di milioni di consegne al giorno e un esercito di rider come infrastruttura fisica, non con una startup AI ben finanziata. Un’azienda del genere aveva zero motivi strutturali per addestrare da zero un modello fondazionale da 1,6 trilioni di parametri, se non la convinzione che l’AI sia diventata una competenza infrastrutturale al pari dei server o della logistica, riservata a chi ha scala e capitale, non più solo a chi nasce per farla.

Il paradosso non è nei parametri, è nel logo sull’app

Il numero dei parametri, da solo, non impressiona più: la corsa ai trilioni è ormai una gara di specifiche più che di sostanza, come dimostra anche un altro trilione di parametri annunciato da Xiaomi. Quello che colpisce di LongCat-2.0 è chi lo ha costruito e con cosa.

Meituan non ha un passato da azienda di ricerca AI. Il suo core business resta cibo a domicilio, spesa, prenotazioni, mobilità urbana. Eppure ha messo in piedi un training completo, dal pretraining su oltre 35 trilioni di token fino al modello finale, senza mai usare un acceleratore Nvidia.

Questo è il dato che dovrebbe far riflettere i decision maker occidentali: la barriera all’ingresso nell’AI di frontiera si sta abbassando così tanto che perfino un’azienda di consegne può scavalcarla. Non serve essere Google, Meta o un’azienda nata per fare AI. Serve accesso a capitale, dati e, a quanto pare, chip fatti in casa.

Zero Nvidia è il numero che conta davvero

Il vero salto tecnico è l’assenza totale di hardware Nvidia in ogni fase del processo, non solo nell’inferenza ma anche nel pretraining, la fase più esigente in termini di calcolo e memoria, più dei 1,6 trilioni di parametri in sé. Meituan dichiara di aver usato oltre 50mila acceleratori descritti in termini vaghi come “AI ASIC superpods”, più la Huawei Collective Communication Library per far comunicare i processori tra loro.

Qui serve una distinzione che il comunicato Meituan lascia volutamente vaga: l’azienda non ha mai nominato ufficialmente il fornitore dei chip, parla solo di “acceleratori domestici”. L’attribuzione a chip Huawei Ascend arriva da analisti terzi e da coperture giornalistiche, non da un annuncio confermato. È una differenza che conta: un conto è dichiarare l’autonomia dall’hardware Nvidia, un altro è specificare esattamente su cosa gira lo stack.

Il precedente più vicino è DeepSeek, che aveva usato chip cinesi solo in fase di inferenza, tenendo Nvidia nel training. LongCat-2.0 chiude anche quel varco: pretraining e deployment sono entrambi su silicio non Nvidia.

La sovranità dei chip si paga in memoria, non in slide

L’autonomia dichiarata non è gratuita. Meituan riconosce un collo di bottiglia preciso: la memoria per acceleratore resta inferiore a quella dell’Nvidia H800, un chip che gli Stati Uniti hanno già bloccato all’esportazione verso la Cina. Servono più di 50mila processori domestici per ottenere risultati comparabili a cluster Nvidia molto più piccoli. È il prezzo reale della sovranità tecnologica: più hardware, più energia, più complessità ingegneristica per compensare un gap che il divieto di esportazione ha reso strutturale. La Cina ha risolto il problema a colpi di scala, pagandolo in acceleratori e consumo energetico.

Il paragone con l’H800 pesa perché è proprio il chip che gli Stati Uniti hanno vietato all’esportazione per rallentare il training di modelli di frontiera in Cina. Meituan lo cita come termine di paragone e ammette un divario di memoria per processore, un gesto raro nella comunicazione di un’azienda cinese su questi temi, di solito più incline a enfatizzare i risultati che a riconoscere i limiti tecnici. La trasparenza sul collo di bottiglia rende più credibile il resto dei dati dichiarati.

Sui benchmark, LongCat-2.0 supera Gemini 3.1 Pro su Terminal-Bench 2.1 e ottiene un punteggio di 59,5 su SWE-Bench Pro contro il 58,6 di GPT-5.5, secondo le cifre diffuse da Meituan stessa. Resta però dietro a GPT-5.5 e Claude 4.8 Opus sulle valutazioni frontier complessive, e non compare ancora su nessuna classifica indipendente come Artificial Analysis o Arena. Prima di prendere questi numeri come oro colato, vale la pena aspettare una verifica esterna.

Le sanzioni dovevano fermare la Cina, hanno prodotto l’opposto

La lettura più comoda di questa storia sarebbe celebrativa: la Cina ce l’ha fatta nonostante il bando sui chip avanzati. Quella più interessante è rovesciata. I controlli export su H800, H20 e Blackwell non hanno bloccato la corsa cinese all’AI, hanno accelerato la costruzione di uno stack alternativo completo, dai chip Huawei Ascend al software CANN fino alle librerie di comunicazione proprietarie.

Due anni fa un pretraining di questa scala senza Nvidia sarebbe stato impensabile. Oggi Meituan, Zhipu AI e DeepSeek dimostrano una capacità di addestramento domestico end-to-end che prima delle restrizioni non esisteva. La stessa logica ha già prodotto le quote allo 0% di Nvidia sul mercato cinese degli acceleratori, un dato che Jensen Huang ha definito senza mezzi termini un autogol clamoroso della politica industriale americana.

Il conflitto concreto è tra due scommesse opposte. Washington ha puntato sul controllo export come argine strategico, convinta che tagliare l’accesso ai chip migliori avrebbe rallentato i concorrenti cinesi sull’AI di frontiera. Pechino ha risposto puntando sull’open source come leva geopolitica, distribuendo gratis modelli che chiunque può scaricare, incluse aziende che con l’intelligenza artificiale non avevano nulla a che fare fino a ieri.

Per un’azienda occidentale che oggi valuta se costruire, comprare o affittare capacità AI, il calcolo cambia sotto i piedi: la licenza MIT di LongCat-2.0 significa che un concorrente diretto, sviluppato con soldi e chip cinesi, può finire dentro un prodotto commerciale americano o europeo senza pagare royalty a nessuno. Il vantaggio competitivo di chi vende accesso a modelli proprietari si assottiglia ogni volta che l’alternativa gratuita si avvicina in prestazioni, indipendentemente da chi l’abbia costruita e con quali chip.

A perdere, nel medio periodo, è la leva negoziale degli Stati Uniti: più lo stack cinese matura, meno morderanno le restrizioni future. La risposta di Huawei ai divieti sull’H20 e i nuovi controlli export del 2026 raccontano la stessa traiettoria: ogni giro di vite produce, con qualche mese di ritardo, un pezzo in più dell’ecosistema alternativo. Chi ha scommesso sul controllo dei chip come argine oggi deve fare i conti con un concorrente aperto, gratuito, e reso pubblico da un’azienda che fino a ieri consegnava involtini primavera a domicilio.