Pada 2 November 2026, Meituan — perusahaan Tiongkok yang lebih dikenal lewat layanan pesan-antar makanan — merilis LongCat 2.5, model AI generasi terbarunya. Model ini dirancang untuk tugas agen jangka panjang: pekerjaan multi-langkah seperti menulis dan memperbaiki kode dalam proyek perangkat lunak yang kompleks, bukan sekadar menjawab satu pertanyaan lalu berhenti.
Yang membuat peluncuran ini menarik perhatian bukan hanya skalanya, melainkan cara model ini dilatih: sepenuhnya di atas akselerator AI buatan dalam negeri Tiongkok, tanpa perangkat keras Nvidia. Ini adalah model kedua berturut-turut dari Meituan yang dilatih dengan cara tersebut, setelah LongCat 2.0 pada Juni 2026.
Angka yang perlu dibaca dengan hati-hati
LongCat 2.5 memiliki total 1,6 triliun parameter, tetapi hanya sekitar 48 miliar parameter yang aktif untuk setiap token yang diproses. Arsitektur ini disebut mixture-of-experts: model menyimpan banyak "pakar" spesialis, namun setiap token hanya dirutekan ke sebagian kecil dari mereka. Karena itu, angka 1,6 triliun menggambarkan kapasitas total model, sedangkan angka 48 miliar lebih menentukan biaya inferensi sebenarnya.
Meituan juga mengklaim model ini memiliki jendela konteks 1 juta token — ruang kerja yang cukup untuk menampung terminal, peramban, antarmuka grafis, spreadsheet, dan alat desain dalam satu sesi agen yang panjang. Klaim kinerja yang beredar pun perlu dibaca dengan catatan yang sama: Meituan menyebut LongCat 2.5 berada di antara Claude Opus 4.8 dan Claude Opus 5 pada sejumlah benchmark utama, dan unggul atas GPT-5.6-Sol pada 20 dari 27 pengujian bersama menurut hitungan satu liputan. Namun hingga kini belum ada evaluasi independen yang diterbitkan, dan Meituan belum merilis tabel benchmark lengkapnya secara terbuka. Jadi, klaim-klaim tersebut berstatus klaim vendor yang masih menunggu verifikasi independen.
Mengapa chip domestik menjadi inti cerita
Selama bertahun-tahun, pembatasan ekspor membuat laboratorium Tiongkok sulit memperoleh akselerator AI tercanggih dari luar negeri. Meituan menjawab keterbatasan itu dengan arsitektur: karena setiap token hanya mengaktifkan sebagian kecil model, kebutuhan komputasi per langkah menjadi jauh lebih ringan daripada yang disarankan angka total parameternya.
Menurut laporan Tech Times, klaster pelatihan Meituan terdiri dari sekitar 50.000 akselerator buatan dalam negeri, dan komunitas memperkirakan chip yang dipakai adalah Huawei Ascend 910C — tetapi Meituan sendiri tidak menyebut nama vendor, hanya memakai frasa "platform perangkat keras alternatif". Jadi, identitas chip tersebut masih berupa dugaan komunitas, bukan pengungkapan resmi. Meituan juga melaporkan bahwa throughput pelatihan per kartu meningkat 86 persen dibanding baseline setelah optimalisasi bersama vendor komputasi domestik, termasuk pembagian ulang tugas di sekitar supernode agar komunikasi parameter berjalan lewat interkoneksi berkecepatan tinggi.
Apa artinya bagi developer?
Untuk saat ini, LongCat 2.5 sudah tersedia lewat layanan chat dan API Meituan, dengan rilis GitHub dan Hugging Face yang dijanjikan menyusul. Bagi developer di luar Tiongkok, aksesnya masih terbatas: pembayaran kredit API didokumentasikan hanya lewat WeChat Pay dan Alipay untuk akun Tiongkok daratan, sehingga sebagian besar developer luar negeri harus melalui agregator seperti OpenRouter. Format self-hosting pun berat — berdasarkan arsitektur pendahulunya, dibutuhkan minimal 8 GPU kelas Nvidia B300 atau 16 GPU kelas H200, dan belum ada format ramah konsumen seperti GGUF.
Pelajaran yang lebih luas justru bersifat strategis. LongCat 2.5 menunjukkan bahwa hambatan perangkat keras tidak lagi otomatis berarti hambatan kemampuan: dengan arsitektur yang tepat, sebuah perusahaan yang bahkan bukan pemain AI tradisional bisa melatih model skala frontier di atas chip domestik. Pertanyaannya kini bergeser dari "bisakah mereka melatihnya?" menjadi "seberapa andal model ini di tugas nyata, dan seberapa terbuka ekosistemnya bagi developer di luar Tiongkok?" Jawaban atas kedua pertanyaan itu masih harus dibuktikan — oleh evaluasi independen dan oleh rilis bobot terbuka yang dijanjikan.
Penutup
LongCat 2.5 adalah bukti bahwa peta kekuatan AI tidak lagi ditentukan semata oleh siapa yang menguasai chip tercepat. Arsitektur, data pelatihan agen, dan optimasi sistem kini sama pentingnya dengan perangkat keras itu sendiri. Bagi developer dan AI engineer Indonesia, kabar ini layak diikuti bukan karena hype parameternya, melainkan karena ia menandai babak baru: era ketika model agen skala besar bisa lahir dari luar ekosistem chip dominan — dengan segala janji dan tanda tanya yang menyertainya.
Sumber: Tech Times, BigGo Finance, AI Weekly, Crypto Briefing, dan TechNode (dilaporkan 2–3 November 2026). Klaim kinerja dan identitas chip dicantumkan sesuai statusnya: klaim vendor dan dugaan komunitas yang belum terverifikasi secara independen.