中国の美団(Meituan)は2026年11月1日に大規模言語モデル「LongCat-2.5」を発表し、11月9日には1.6兆パラメータの重みデータをMITライセンスで無償公開した。国内で基幹業務システムの機密データ隔離を進める金融機関や製造業にとって、商用API依存から自社占有型インフラへの移行を精査する具体的な検討材料となる。
エージェント評価で商用SOTAに肉薄するオープンウェイトモデルの台頭
美団のLongCat開発チームが公開したベンチマークデータによると、LongCat-2.5はコーディングおよび自律エージェントの実行タスクにおいて、プロプライエタリ(商用クローズド)の最上位モデルと僅差のスコアを記録した。ソフトウェアエンジニアリングの実務タスクを模したTerminal-Bench v2.1では、LongCat-2.5が88.4を記録した。この数値は米Anthropicの「Claude Opus 5」(89.1)や米OpenAIの「GPT-5.6 Sol」(88.8)と0.7ポイント以内の差であり、測定誤差の許容幅に収まる。
ソフトウェア不具合の解決能力を測るDeepSWE v1.1においても、前世代モデル「LongCat-2.0」のスコア9.7から64.6へと飛躍的な向上を見せた。従来のオープンウェイトモデルが苦手としていた長手番の環境操作やツール呼び出しにおいて、商用SOTA(State-of-the-Art)モデルの専売特許だった領域を切り崩しつつある。
| モデル名 | 提供形態 | Terminal-Bench v2.1 | DeepSWE v1.1 | BrowseComp | 入力価格(100万トークン) | 出力価格(100万トークン) |
|---|---|---|---|---|---|---|
| LongCat-2.5 | オープン(MIT) | 88.4 | 64.6 | 91.9 | $0.30(キャッシュ時$0.006) | $1.20 |
| Claude Opus 5 | 商用API(クローズド) | 89.1 | 68.8 | 90.8 | $5.00 | $25.00 |
| GPT-5.6 Sol | 商用API(クローズド) | 88.8 | 72.7 | 90.4 | $4.00 | $20.00 |
| DeepSeek V4.1 Flash | オープン | 90.6 | 74.2 | 91.5 | $0.30 | $1.20 |
| LongCat-2.0(前世代) | オープン(MIT) | 70.8 | 9.7 | 79.9 | – | – |
APIの提供コストにおいても差が生じている。LongCat-2.5の未キャッシュ入力トークン費用は100万トークンあたり0.30ドル、出力トークンは1.20ドルに設定された。キャッシュヒット時には入力コストが0.006ドルまで圧縮される。対するClaude Opus 5のAPI料金(入力5.00ドル、出力25.00ドル)と比較すると、出力コストベースで約20分の1の水準である。
ただし、これらのベンチマーク数値はすべて美団による自社計測値である点に留意しなければならない。2026年11月中旬の時点で第三者機関による完全な独立検証は完了しておらず、評価データセットの選定やプロンプトエンジニアリングのチューニングによってスコアが上振れしている懸念は残る。より難度の高いTerminal-Bench v4.0ではClaude Opus 5の53.9に対してLongCat-2.5は38.5に留まっており、複雑な長文脈推論では依然として商用トップモデルに分がある。
参考記事: Claude Opus 4.8 と GPT-5.5 の比較:ベンチマーク、テスト、どちらを選ぶべきか
非NVIDIAクラスタによる1.6兆MoEの事前学習とW4A4量子化
LongCat-2.5の技術的特異点は、総パラメータ1.6兆(1トークン処理あたりのアクティブパラメータ480億)という巨大なMixture-of-Experts(MoE)構造を、米エヌビディア(NVIDIA)製GPUを介さずに完結させた点にある。学習基盤にはファーウェイ(Huawei)の「Ascend Atlas A2」をはじめとする中国国産のAIアクセラレータクラスタが全面的に投入された。前世代のLongCat-2.0では5万基規模の国産チップクラスタを用いて35兆トークン以上の事前学習が行われており、LongCat-2.5はその分散並列環境をさらに最適化して構築された。
エージェント失敗軌跡を再学習するデータパイプライン
推論性能の急向上をもたらした主因は、美団が2026年5月に公開した「NoisyAgent」研究に基づくデータエンジニアリングにある。従来の強化学習では成功したエージェントのログのみを模倣学習させることが多かったが、実務環境ではツールのタイムアウトや引数エラーといったノイズが頻発する。LongCat開発チームは、エージェントが失敗した軌跡(Trajectory)を合成データとして体系的に収集し、それを自己修復可能な学習タスクへ変換した。これにより、例外処理が発生した際のループ脱出や代替ツールの再選択精度が劇的に改善した。
離散ビトークンによるマルチモーダル統合と低ビット推論
モデルの基盤層では、画像信号をマルチレベルの離散トークンとしてエンコードする方式を採用している。テキストトークンと視覚トークンを同一のトランスフォーマーバックボーンで区別なく処理することで、画面操作(GUIエージェント)における座標認識とコード生成の結合度を高めた。最大100万トークンのコンテキスト入力と128Kトークンの出力をサポートし、大規模なコードベース全体の把握を可能にしている。
推論インフラの運用負荷を下げるため、開発チームはW4A4(重み4ビット・活性化4ビット)の極小量子化技術を実装した。FP8やW8A8 INT8環境と比較した自社検証において、以下の性能改善を達成している。
- プリフィルスループット:+43.3%向上
- デコードスループット:+42.77%向上
- TTFT(初回トークン生成時間):-15.91%短縮
- TPOT(トークン毎出力時間):-19.72%短縮
- GEMMカーネル実行速度:平均1.73倍高速化
この低ビット化により、従来はペタバイト級のVRAM帯域を要求していた1.6兆パラメータモデルが、Huawei Ascend Atlas A2を194台束ねたクラスタ構成で実用的なレイテンシ推論を可能にした。CUDAエコシステムに依存せずとも、専用カーネルの最適化次第でフロンティア級モデルを訓練・ホストできる実証例となった。
参考記事: 大規模言語モデル大手がNVIDIAから集団「離反」:OpenAIやDeepSeekが自社製推論チップ(ASIC)へ…
自社占有環境におけるハードウェア調達とコンプライアンスの境界線
LongCat-2.5の重み公開は、機密データを外部の商用APIに送信できない日本のエンタープライズにとって、オンプレミスまたは自社プライベートクラウドでの運用という現実的な選択肢を提示した。しかし、技術的な採用可否を判断する上では、インフラ要件、言語適応性、地政学的ガバナンスという3つの障壁を検証する必要がある。
1. 推論インフラの調達可能性と運用コスト
MITライセンスによって商用利用が許諾されているとはいえ、重みファイルだけで約1.8TBに達するフルモデルのホスティングは容易ではない。194台規模のHuawei Ascend Atlas A2クラスタを日本国内で正規調達・保守できるかは、米国の対中輸出規制や国内の調達サプライチェーンの観点から独立した検討が必要であり、選択肢は限られる可能性がある。
代替手段としてNVIDIA H100/H200やAMD Instinct MI300Xによるクラスタ構築が求められるが、480億アクティブパラメータを低遅延で駆動するには最低でも数十台規模のハイエンドGPUノードを専有する必要がある。自社ホストを成立させるには、フルモデルの運用ではなく、コミュニティによって量子化・蒸留された軽量派生モデルの登場を待つか、推論バッチ処理を効率化するアーキテクチャ設計が不可欠となる。
参考記事: AI推論インフラとは?CTOが知るべきアーキテクチャ設計とROI最大化戦略
2. 日本語環境における実効性能の乖離
公表されたベンチマークは英語および中国語のタスクが中心であり、日本語の自然言語処理や日本固有の商習慣コードに対する性能は明示されていない。過去の多言語オープンウェイトモデルの傾向を踏まえると、トークナイザーの語彙効率や日本語コーパスの学習比率が低調である場合、同等スコアを誇る商用モデルと比べて日本語の推論トークン生成効率が著しく低下するリスクがある。実際の導入にあたっては、自社の社内ドキュメントやコードリポジトリを用いた実測評価が前提となる。
3. 地政学的規制とサプライチェーンリスク
ガバナンス面では、米国の通商政策に連動した規制リスクを警戒しなければならない。2026年10月には米国土安全保障省(DHS)が連邦民間機関に対し、中国DeepSeek関連技術の調達を排除する命令を出した。LongCat-2.5自体は2026年11月時点で名指しの制限を受けていないものの、将来的にグローバルサプライチェーンに組み込まれる製品や、海外拠点を横断する業務システムに中国発モデルを採用する場合、取引先企業のセキュリティ審査で制約を受ける可能性がある。
自社評価基盤の構築と段階的検証のロードマップ
最高峰の自律エージェント能力がオープンライセンスで提供された現在、企業が取るべき現実的な対応は、全面的な移行ではなく「自社タスクに特化したブラインド比較」の体制を整えることである。
- 社内評価データセットによるベンチマーク検証
Terminal-Bench等の外部スコアを鵜呑みにせず、社内の実コードリファクタリングやAPI連携タスクを用意し、Claude Opus 5や既存オープンモデルとの精度差を定点観測する。
- 量子化版・蒸留版のインフラ要件試算
1.8TBの原形モデルをそのまま導入するのではなく、W4A4量子化モデルやvLLM等の推論エンジンに対応したコミュニティビルドを対象に、既存のオンプレミスGPU環境で許容レイテンシ内に収まるかPoCを実施する。
- AIサプライチェーンの法務・セキュリティデューデリジェンス
学習データの開示水準やバックドアの有無、将来的な輸出入規制に抵触する可能性を法務部門と精査し、社外秘データを扱う本番システムに組み込む際の許容限度を社内ポリシーとして規定する。
モデルのオープン化と非NVIDIAインフラの実用化が進む中、商用APIの利用料削減と自社インフラの保守コストを冷静に天秤にかけ、自社のデータ主権に適合する技術スタックを選択することが求められる。
出典: クリスタルメソッド
出典: VentureBeat
出典: Meituan LongCat Official Blog
出典: The Decoder
出典: Cursor Docs
