LongCat-2.0: il modello aperto da 1,6 trilioni, come usarlo

Il gruppo cinese Meituan, noto in patria soprattutto per le consegne di cibo, ha reso open source il 5 luglio 2026 LongCat-2.0, un modello linguistico da 1,6 trilioni di parametri (architettura Mixture-of-Experts, con circa 48 miliardi attivati per token) rilasciato con licenza MIT, una delle piu' permissive in assoluto. Il dettaglio che ha fatto piu' rumore: il modello era gia' in cima alle classifiche di OpenRouter da settimane, usato in forma anonima, ed e' stato addestrato interamente su chip cinesi. Ma la vera notizia per chi lavora con l'IA e' che questa potenza e' ora scaricabile e usabile liberamente, anche a fini commerciali.

Cosa rende interessante LongCat-2.0

LongCat-2.0 e' pensato per il lavoro agentico e la programmazione, con una finestra di contesto nativa da 1 milione di token resa efficiente da un meccanismo di attenzione sparsa proprietario. Sui benchmark di programmazione i risultati sono di fascia alta per un modello aperto: sul test SWE-bench Pro si colloca vicino ai modelli commerciali di riferimento. La licenza MIT significa che si puo' usare, modificare e integrare nei propri prodotti senza le restrizioni che accompagnano molti altri modelli "aperti".

Come provarlo subito, senza installare nulla

Il modo piu' rapido per farsi un'idea e' la chat ufficiale su longcat.ai, dove si puo' dialogare con il modello dal browser gratuitamente. E' l'ideale per valutare la qualita' delle risposte in italiano e sui propri casi d'uso prima di impegnarsi in un'integrazione.

Come usarlo via API a costo bassissimo

Meituan mette a disposizione endpoint compatibili con gli standard di OpenAI e Anthropic, il che rende l'integrazione quasi immediata per chi gia' usa quelle librerie. Il prezzo di listino e' di 0,75 dollari per milione di token in ingresso e 2,95 in uscita, con tariffe promozionali ancora piu' basse (0,30 e 1,20 dollari) e letture della cache gratuite. Per volumi elevati sono disponibili pacchetti da un miliardo di token a circa 60 dollari. Ecco un esempio di chiamata con la libreria Python di OpenAI, semplicemente cambiando l'indirizzo di base:

from openai import OpenAI

client = OpenAI(
    api_key="LA_TUA_CHIAVE_LONGCAT",
    base_url="https://api.longcat.ai/v1"
)

risposta = client.chat.completions.create(
    model="LongCat-2.0",
    messages=[
        {"role": "user", "content": "Scrivi una funzione Python che verifica se una stringa è un palindromo, ignorando spazi e maiuscole."}
    ]
)
print(risposta.choices[0].message.content)

Il risultato atteso e' una funzione Python corretta e commentata, restituita in pochi secondi. Poiche' l'endpoint e' compatibile con OpenAI, lo stesso codice che usavi con GPT funziona cambiando solo base_url, api_key e nome del modello.

Come scaricarlo ed eseguirlo in locale

I pesi del modello sono pubblicati su Hugging Face, in formato Safetensors, all'indirizzo meituan-longcat/LongCat-2.0. Attenzione, pero': si tratta di un modello enorme. Con 1,6 trilioni di parametri, l'esecuzione locale non e' alla portata di un normale PC e richiede cluster di GPU o NPU di livello data center. Il download avviene con lo strumento a riga di comando di Hugging Face:

pip install -U "huggingface_hub[cli]"
hf download meituan-longcat/LongCat-2.0 --local-dir ./LongCat-2.0

Per servirlo si usano motori di inferenza come vLLM o SGLang, che espongono a loro volta un'API compatibile con OpenAI. Con vLLM, ad esempio, l'endpoint locale sara' del tipo http://localhost:8000/v1/chat/completions. In pratica, per chi non dispone di un'infrastruttura importante, la via realistica resta l'API ufficiale o servizi di neocloud che gia' offrono il modello: scaricare i pesi ha senso soprattutto per grandi aziende, centri di ricerca o per chi vuole personalizzare il modello.

Per chi ha senso e quando conviene un'alternativa

LongCat-2.0 e' una scelta interessante per chi vuole un modello potente per compiti agentici e di codice a costi molto contenuti, senza vincoli di licenza. Il rovescio della medaglia riguarda i temi tipici dei modelli cinesi: privacy e residenza dei dati vanno valutate con attenzione se si usano gli endpoint ufficiali, e su argomenti sensibili le risposte possono riflettere restrizioni. Per chi tratta dati riservati, l'esecuzione in locale o su un neocloud europeo e' la via piu' prudente; per chi cerca semplicita' e integrazione con un ecosistema consolidato, i modelli di OpenAI, Anthropic o Google restano piu' comodi, seppur piu' cari.