美団LongCat-2.5公開、1.6兆パラメータAIとEC3つの論点

美団が1.6兆パラメータのエージェント向けAIモデルLongCat-2.5をMITライセンスで公開しました。Nvidia不使用の学習、ベンチマーク88.4、低価格APIの中身と、日本のEC事業者が押さえるべき3つの論点を解説します。

投稿日: カテゴリー AIニュース

中国の美団は2026年11月、1.6兆パラメータのエージェント向けAIモデル「LongCat-2.5」の重みをMITライセンスで公開しました。

LongCat-2.5とは、中国のフードデリバリー大手である美団(Meituan)のLongCatチームが開発した、自律的な多段階タスク、とくにコーディング向けのマルチモーダルAIモデルのことです。The Decoderによると、学習はすべて中国製ハードウェアで行われ、Nvidia製GPUは使われていません。本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援は2023年から提供する株式会社オルセル(うるチカラ運営)が、このLongCat-2.5の中身と、日本のEC事業者が押さえておきたい論点を整理して解説します。

LongCat-2.5で何が発表されたのか

結論から言うと、LongCat-2.5は総パラメータ1.6兆、1トークンあたりの稼働パラメータ約480億という大規模な混合エキスパート(MoE)モデルで、重みが商用利用可能なMITライセンスで公開されました。MoEとは、多数の専門サブネットワークの中から入力ごとに一部だけを動かす仕組みのことで、巨大なモデルでも推論コストを抑えやすいのが特徴です。重みはHugging Faceのモデルページで公開されています。なお同ページでは、本文の説明が1.6兆パラメータである一方、ページ上部のメタ情報では1.8Tと表示されており、正確な数字は要確認です。

The Decoderの報道では、API経由で最大100万トークンの文脈と最大12万8,000トークンの出力に対応し、テキスト・画像・動画を入力として受け付けます。前モデルのLongCat-2.0に画像理解を加えた後継という位置づけで、画像をトークンに変換してテキストと一緒に処理する方式を取っています。

LongCat-2.5の画像トークン化の仕組みを示す図

学習面では、実際のGitHubのプルリクエストから作ったタスクなどを使った強化学習が行われ、インターネット接続を遮断した環境で、解答に抜け道がないかをLLMの審査役が確認したと報じられています。さらに、重みと活性化を4ビットに量子化したW4A4版も用意され、美団は8ビット版と比べてプロンプト処理で43.3%、応答生成で42.77%のスループット向上を報告しています。公開されているセルフホスティング手順のサンプル構成は、Huawei製Ascendアクセラレータ194基を使うもので、Nvidia向けの手順は含まれていないとされています。

なぜLongCat-2.5が重要なのか

このニュースの重要性は、米国製GPUに頼らずに、米国の最上位モデルに近い水準のエージェント性能を示した点にあります。美団が公表したベンチマークでは、ターミナル操作の能力を測るTerminal Bench v2.1でLongCat-2.5が88.4を記録し、同じ表に載るClaude Opus 5の89.1、GPT-5.6 Solの88.8に迫りました。Web上の情報探索力を測るBrowseCompでは91.9と表中最高でしたが、これは美団が自社環境で実施した測定です。

LongCat-2.5のベンチマーク比較表

一方で、より難度の高い版のTerminal BenchではClaude Opus 5の53.9に対してLongCat-2.5は38.5にとどまっており、すべての領域で並んだわけではありません。またThe Decoderは、最新のClaude Opus 5.5やGPT-6.1 Solが比較表に含まれていないことも指摘しています。数字はあくまで開発元の自己申告である点を踏まえて読む必要があります。

価格面でも注目されます。期間限定のローンチ価格として、入力100万トークンあたり約0.27ユーロ、出力100万トークンあたり約1.07ユーロと報じられています。APIはOpenAI形式とAnthropic形式の両方に対応し、Claude CodeやCodexといったエージェント実行環境から呼び出せるとされています。チャット画面もLongCat公式サイトで提供されています。

日本のEC事業者にとっての今後の論点

EC事業者にとっての直接的な影響は限定的ですが、3つの点は押さえておく価値があります。1つ目は、高性能モデルの価格競争がさらに進むことです。商品説明文の大量生成やレビュー分析、受注データの集計スクリプト作成など、トークン消費の多い業務では、モデル選択によってAI関連コストが大きく変わる局面が続くと考えられます。

2つ目は、データの取り扱いです。安価で高性能なAPIであっても、顧客情報や受注データを送る場合は、提供元の利用規約、データの保存場所、学習への利用有無を自社の個人情報保護方針と照らして確認することが欠かせません。重みが公開されているため、自社環境や国内クラウドで動かす選択肢もありますが、1.6兆パラメータ級を自前で運用するには相応の計算資源が必要で、中小規模の事業者が現実的に選べる手段かは要確認です。

3つ目は、美団という企業の性格です。美団はフードデリバリーや店舗予約などを手がける生活サービスのプラットフォームで、その企業がエージェント型AIに大きく投資していることは、購買や注文の現場でAIエージェントが動く未来を見据えた動きとも読めます。楽天市場やAmazonでもAIによる購買支援が広がるなか、海外の大手プラットフォームが自社モデルをどう事業に組み込むかは、引き続き注視したい論点です。

まとめ

美団のLongCat-2.5は、Nvidia製GPUを使わずに学習された1.6兆パラメータのエージェント向けモデルで、MITライセンスで重みが公開されました。ベンチマークは米国の上位モデルに迫る一方、開発元の自己申告である点には注意が必要です。日本のEC事業者は、AIの低価格化の流れを業務コスト削減に生かしつつ、データの扱いを慎重に確認する姿勢が求められます。

参考文献

※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談(30分)も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/

引用元: The Decoder


【監修】齋藤竹紘(株式会社オルセル代表 / 19年・5,000社のEC支援実績)


投稿者: 齋藤竹紘

株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。

お問い合わせ