TAU-HOME.COM
LOADING

엔비디아 없이 1.6조 파라미터 AI 모델 개발: 메이투안, LongCat-2.5 가중치 MIT 라이선스로 공개

중국 메이투안이 엔비디아 GPU를 사용하지 않고 전적으로 중국산 하드웨어로 훈련한 1.6조 파라미터 규모의 AI 에이전트 모델 LongCat-2.5의 가중치를 MIT 라이선스로 공개했습니다.

tau · 2026년 11월 21일

#메이투안 #LongCat-2.5 #AI에이전트 #중국AI #화웨이Ascend #오픈소스모델

엔비디아 없이 1.6조 파라미터 AI 모델 개발: 메이투안, LongCat-2.5 가중치 MIT 라이선스로 공개

중국의 배달 및 생활 서비스 기업 메이투안(Meituan) 산하 연구팀이 엔비디아(Nvidia) 그래픽 처리 장치(GPU)를 일체 거치지 않고 순수 중국산 하드웨어만으로 훈련된 1조 6,000억 파라미터 규모의 인공지능(AI) 에이전트 모델 '롱캣-2.5(LongCat-2.5)'의 가중치를 공개했습니다. 이번 공개는 상업적 이용과 수정, 재배포가 자유로운 MIT 라이선스를 채택하여 전 세계 개발자와 연구자들이 활용할 수 있도록 개방되었습니다.

메이투안 롱캣-2.5 AI 모델 소개 및 화웨이 어센드 칩 클러스터 배포 구조

이미지 출처: https://the-decoder.com/meituan-releases-a-1-6-trillion-parameter-agent-model-that-never-touched-an-nvidia-gpu

롱캣-2.5는 복잡하고 긴 단계를 스스로 거쳐 수행하는 자율형 에이전트, 특히 프로그래밍(코딩) 작업에 특화되어 설계되었습니다. 메이투안 측이 공개한 벤치마크 평가 결과에 따르면, 이 모델은 서구권의 대표적인 고성능 AI 모델들과 대등하거나 근접한 성능을 기록했습니다. 하드웨어 수급 제약 속에서도 대규모 모델을 독자적인 방식으로 구축하고 실용 성능까지 끌어올렸다는 점에서 주목받고 있습니다.

엔비디아 칩 없는 훈련과 화웨이 어센드 클러스터 배포 구조

이번 공개가 주목받는 가장 큰 이유는 훈련 과정에서 미국의 대중국 반도체 제재 핵심인 엔비디아 하드웨어를 전혀 사용하지 않았다는 점입니다. 메이투안은 전작인 롱캣-2.0(LongCat-2.0)을 5만 개 이상의 중국산 AI 칩 클러스터로 훈련한 데 이어, 이번 롱캣-2.5 역시 중국산 반도체 생태계 내에서 완성했습니다.

공개된 자가 호스팅 가이드에 따르면, 이 거대 모델을 실제로 구동하고 서비스하기 위한 예시 배포 환경에는 화웨이(Huawei)의 아틀라스 A2 시리즈에 속하는 '어센드(Ascend)' 가속기 194대로 구성된 클러스터가 사용됩니다.

  • 역할 분담: 전체 194대의 가속기 중 이미지 처리에 2대, 프롬프트 입력 및 토큰 처리에 64대, 그리고 응답 생성에 128대가 각각 투입됩니다.
  • 경량화 최적화: 전문가 혼합(MoE, Mixture-of-Experts) 구조를 취하고 있는 이 모델은 전체 1조 6,000억 개의 파라미터 중 토큰당 약 480억 개가 활성화되며, 전문가 가중치와 활성값을 4비트(4-bit) 정밀도로 양자화(Quantization)하여 중국산 칩에서 네이티브로 원활하게 처리할 수 있도록 설계되었습니다. 메이투안의 자체 테스트 결과, 이러한 양자화를 통해 8비트 버전 대비 프롬프트 처리량은 43.3%, 응답 생성 처리량은 42.77% 향상되면서도 정확도는 압축 전 모델과 동등한 수준을 유지했습니다.

멀티모달 토큰화 및 철저한 강화학습 검증 과정

롱캣-2.5는 텍스트뿐만 아니라 이미지와 비디오를 동시에 이해하는 멀티모달(Multimodal) 능력을 갖추고 있습니다. 기존의 많은 멀티모달 모델들이 사후에 별도의 이미지 인코더를 덧붙이는 방식을 취한 것과 달리, 롱캣-2.5는 이미지를 별도의 분할 토큰으로 변환하여 텍스트와 나란히 처리합니다. 이는 시각적 코딩, 디자인, 3D 작업 성능을 끌어올리기 위한 설계입니다.

또한 강화학습(Reinforcement Learning) 단계에서 모델이 지름길을 찾아내거나 편법을 쓰는 것을 막기 위해 엄격한 모래박스(Sandboxed) 환경을 구축했습니다.

  • 훈련 환경 통제: 훈련 과정에서 인터넷 접속을 전면 차단하고 깃(Git) 히스토리와 캐시 파일을 제거했으며, 실제 GitHub 풀 리퀘스트(Pull Request)와 에이전트 실패 사례 데이터를 바탕으로 실무 소프트웨어 작업 능력을 학습시켰습니다.
  • 교사 모델 증류: 에이전트 작업, 추론, 대화 영역에서 특화된 여러 교사 모델의 능력을 모델에 성공적으로 증류해 냈습니다.

성능 수준과 활용 방안

메이투안이 공개한 평가 지표에 따르면 롱캣-2.5는 터미널 명령어 수행 능력을 측정하는 '터미널 벤치 v2.1(Terminal Bench v2.1)'에서 88.4점을 기록했습니다. 이는 서구권의 클로드 오푸스 5(Claude Opus 5)나 GPT-5.6 솔(GPT-5.6 Sol) 등과 유사한 수준입니다. 다만 버그 수정 능력을 평가하는 딥SWE(DeepSWE) 등 일부 까다로운 코딩 벤치마크에서는 최상위권 모델에 비해 다소 격차가 존재합니다.

API 서비스 측면에서는 OpenAI 및 Anthropic 포맷을 모두 지원하여 클로드 코드(Claude Code), 코덱스(Codex), 헤르메스(Hermes) 같은 기존 에이전트 하네스(Harness)와 쉽게 연동됩니다. 한편 메이투안은 공식 웹사이트의 채팅 인터페이스(longcat.ai)를 통해 사용자 테스트를 지원하며, 출시 기념 프로모션 가격으로 입력 토큰 100만 개당 약 0.27유로, 출력 토큰 100만 개당 약 1.07유로의 저렴한 API 요금제를 제공하고 있습니다.

출처

Impact-Site-Verification: 9b3ebd10-6c45-44cf-a014-5b8c19b7b285