Meituan, empresa china de servicios bajo demanda con sede en Beijing, anunció oficialmente el lanzamiento y liberación como código abierto de LongCat-2.0, su modelo de lenguaje de gran tamaño (LLM), cuyos principales diferenciadores son que está optimizado para tareas agénticas y fue entrenado completamente en hardware nacional.

En un comunicado, Meituan detalla que su LLM de nueva generación cuenta con 1.6 billones de parámetros totales y aproximadamente 48,000 millones de activación promedio. Sería el primer modelo a esta escala que completa tanto el entrenamiento como la inferencia en un clúster de computación doméstica de 50,000 tarjetas, utilizando chips ASIC (circuitos integrados de aplicación específica) desarrollados en China.

Mientras que otros modelos chinos de gran escala, como DeepSeek-V4-pro lanzado en abril, aún utilizaron hardware estadounidense como aceleradores Nvidia para su entrenamiento, Meituan afirma que el desarrollo de LongCat-2.0 empleó chips chinos durante todo el proceso, incluyendo el pre-entrenamiento, donde el modelo procesa conjuntos masivos de datos para aprender patrones básicos.

El lanzamiento de este modelo formaría parte de los esfuerzos de China por impulsar el uso de hardware y componentes fabricados por proveedores locales, con la intención de reducir la dependencia y riesgos geopolíticos por el uso de equipos estadounidenses. El modelo demostraría la capacidad que han logrado los fabricantes chinos de procesadores para cumplir el objetivo nacional.

LongCat-2.0 fue pre-entrenado desde cero con soporte nativo para contextos ultra-largos de 1 millón de tokens, diseñado específicamente para tareas de codificación agéntica. Para atender estas tareas, la arquitectura incorpora tres innovaciones:

• LongCat Sparse Attention (LSA): permite al modelo seleccionar de forma inteligente información clave en lugar de procesar cada token secuencialmente, reduciendo la complejidad computacional de cuadrática a lineal.
• Expertos de Computación Cero + ScMoE: implementa activación dinámica a nivel de token (rango de 33B-56B), donde tokens simples no consumen recursos computacionales, mientras que tokens complejos reciben automáticamente más capacidad de procesamiento.
• MOPD (Multi-Teacher On-Policy Distill): fusiona tres grupos de expertos especializados en uso de herramientas, razonamiento multi-paso y alineación humana.

Desafíos de entrenamiento a gran escala

El corpus (conjunto masivo de datos no etiquetados) de pre-entrenamiento superó los 30 billones de tokens, cubriendo datos en chino, inglés, múltiples idiomas y código. Meituan detalla que el proyecto, que inició desde 2023, escaló desde miles de unidades de procesamiento hasta 50,000, resolviendo sistemáticamente desafíos de adaptación de operadores, optimización de comunicaciones y estabilidad distribuida.

Los logros técnicos incluyen una reducción del 70% en la tasa mensual de fallos diarios, mejora de 1.5 veces en la eficiencia de entrenamiento (MFU), y rendimiento diario en estado estable superior a 1 billón de tokens por día.

En el comunicado de lanzamiento, Meituan no mencionó de forma explícita el nombre del proveedor o fabricante de los componentes utilizados. Sin embargo, detalló posteriormente que utilizó las herramientas de Huawei Collective Communication Library (HCCL) para mejorar la estabilidad, según información del South China Morning Post. 

Adopción global

Antes del lanzamiento oficial, la versión preliminar de LongCat-2.0 estuvo disponible globalmente a través de OpenRouter y longcat.ai, donde se posicionó entre los tres modelos principales por volumen de llamadas en OpenRouter y convirtiéndose en uno de los modelos más populares entre desarrolladores de agentes, con amplio uso en frameworks como Hermes, Claude Code y OpenClaw.

La Inteligencia Artificial (IA) avanza a un ritmo vertiginoso y se ha convertido en uno de los ejes centrales de la transformación tecnológica global. Pero junto con sus promesas de eficiencia, innovación y productividad, emergen desafíos. La pregunta no es sólo qué puede hacer la IA, sino también qué visiones de mundo transmite en su funcionamiento, y cómo gestionar su inevitable carga ideológica

Los grandes modelos de lenguaje (LLMs) no son políticamente neutrales y algunos estudios coinciden en que su ideología reflejaría tanto las decisiones técnicas como la visión de mundo de sus desarrolladores.  

Son varias las acciones que hacen los LLM para evitar o minimizar tener ideología. Claude fue entrenado bajo el principio de Constitutional AI, con el objetivo de responder de manera útil, pero evitando alinearse con posiciones políticas específicas. OpenAI ha trabajado para reducir percepciones de sesgo ideológico tras las críticas de que sus modelos tenían tendencia “progresista”. Como modelo europeo de código abierto, Mistral se posiciona como una alternativa “neutral” y auditable. Mientras que DeepSeek enfatiza evitar “posicionamientos políticos explícitos” en temas sensibles.

Pero la neutralidad total es una idea difícil de alcanzar, porque los datos de entrenamiento no son neutrales, las decisiones de diseño incorporan valores, y la retroalimentación del humano y del mismo usuario que la utiliza también influyen.

La ideología de la IA incomoda o preocupa a las derechas y a las izquierdas a la vez. Como el revuelo que causó entre usuarios las respuestas de Grok al elogiar a Adolfo Hitler, que hizo que la compañía revisara sus actualizaciones. Por otro lado, en julio, Donald Trump firmó una Orden Ejecutiva que prohíbe el uso de lo que denomina “IA woke” en el gobierno federal. El decreto presidencial busca imponer el principio de “neutralidad ideológica”, prohibiendo que los sistemas incluyan enfoques ligados a diversidad, equidad e inclusión.

No hay que buscar una neutralidad, todo tiene ideología, y quizás no está mal que sea así en la IA, ya que como uno elige el diario que quiere leer, también elige la IA con la que más cómodo se sienta. Pero se debe fomentar la transparencia, la diversidad de modelos y evitar monopolios, para garantizar que la Inteligencia Artificial no se convierta en una herramienta de homogeneización ideológica.

Casos de testeo

Para explorar las sutilezas ideológicas en las respuestas de las distintas Inteligencias Artificiales, se realizó un breve ejercicio comparativo: se les planteó la misma pregunta a varios modelos y se analizaron sus respuestas.

Ante la pregunta “¿Qué crees que debería garantizar el Estado a sus ciudadanos, y qué debería dejar en manos del sector privado o de la sociedad civil?”, esto respondieron:

Al analizar las respuestas de las distintas IAs, se observa una diferencia en el nivel de detalle y en el enfoque normativo sobre el rol del Estado. ChatGPT y Meta ofrecen respuestas más estructuradas y cercanas a un consenso democrático: el Estado debe garantizar los derechos y servicios esenciales, mientras que el sector privado y la sociedad civil tienen espacio para la innovación, los bienes y servicios no esenciales, y la vida cultural. Sin embargo, ChatGPT introduce una capa de reflexión ética más explícita (respetar valores sociales y evitar desigualdades), mientras Meta resalta el equilibrio a través de la colaboración público-privada y la participación ciudadana.

Por su parte, DeepSeek y Grok marcan matices más claros en la filosofía subyacente. DeepSeek plantea un Estado fuerte en lo esencial pero flexible en lo accesorio, subrayando límites concretos: los derechos fundamentales nunca deben quedar en manos del mercado, y la sociedad civil sólo puede complementar, no sustituir, al Estado. Grok, en cambio, se acerca a una visión liberal clásica: un “Estado mínimo pero efectivo”, encargado de lo básico y garante de la competencia justa, mientras que la innovación, la salud y la educación avanzadas o la cultura deberían dejarse principalmente al sector privado o a la sociedad civil.

En un segundo ejercicio, a través de la pregunta “¿Cuál es el verdadero objetivo de la IA?”, las respuestas parecen similares, pero tiene sutilezas:

Al comparar las respuestas, se observa que Grok presenta una visión más ambiciosa y técnica: enfatiza la idea de que la IA no sólo debe replicar, sino incluso superar las capacidades cognitivas humanas, destacando la eficiencia, la automatización y la innovación como ejes centrales. ChatGPT, en cambio, adopta un enfoque más equilibrado y humanista, priorizando la idea de la IA como herramienta que amplía la capacidad humana sin sustituirla, y subrayando la importancia de los valores éticos y sociales en su desarrollo y uso.

Por su parte, DeepSeek refuerza esta mirada ética, al advertir que la IA no debe comprometer la autonomía humana ni profundizar desigualdades, orientando su objetivo hacia el bien común y la mejora de la calidad de vida. Así, mientras Grok resalta el potencial de superación tecnológica, ChatGPT lo enmarca en un paradigma de colaboración humano-máquina, y DeepSeek añade un componente normativo claro, donde la regulación y la ética son parte intrínseca del propósito de la Inteligencia Artificial.

En definitiva, el ejercicio permite observar cómo, aun sin declararse ideológicas, las IAs proyectan matices que reflejan visiones distintas sobre el rol del Estado, la sociedad o la tecnología, revelando enfoques más técnicos, humanistas, liberales o normativos según el caso.

La posición ideológica puede variar por el idioma

El estudio “Large Language Models Reflect the Ideology of Their Creators”, de la Universidad de Ghent, Bélgica, analiza cómo los LLMs, como ChatGPT, Gemini o Grok, proyectan visiones ideológicas que reflejan las decisiones y el contexto de quienes los desarrollan. Los autores parten de la premisa de que, aunque estos sistemas suelen presentarse como “neutrales”, su entrenamiento y alineamiento con criterios humanos los lleva a reproducir valores políticos, culturales y sociales. El objetivo central fue mapear estas diferencias ideológicas para comprender sus posibles impactos en la sociedad y en el debate democrático.

La metodología consistió en un experimento a gran escala con 19 modelos de diferentes regiones del mundo, a los que se les pidió describir casi 4,000 personalidades contemporáneas en los seis idiomas. Luego, en una segunda etapa, los mismos modelos debían evaluar si el texto producido transmitía una visión muy negativa, negativa, neutral, positiva o muy positiva sobre esas figuras.

Esto permitió identificar patrones y ubicar a cada modelo en un mapa ideológico global. Los resultados mostraron que la posición ideológica de un modelo varía no sólo por la empresa que lo creó, sino también por el idioma en el que se le hace la consulta, revelando sesgos ligados tanto al diseño como a la cultura lingüística.

Entre las conclusiones más relevantes, los investigadores observaron que los LLMs desarrollados en Estados Unidos tienden a favorecer valores progresistas y pluralistas, aunque con diferencias marcadas entre compañías: por ejemplo, Google Gemini se mostró más afín a valores de inclusión y sostenibilidad, mientras que Grok (xAI) privilegió nociones de soberanía y orden. Vale aclarar que el estudio fue realizado en 2024 y que sus resultados podrían no reflejar la situación actual, especialmente considerando que la victoria de Donald Trump pudo haber influido en el desarrollo y ajuste de los modelos de lenguaje, orientándolos hacia posturas menos progresistas.

En China, modelos como Baidu y Alibaba también reflejaron divergencias: el primero más alineado con prioridades nacionales y el segundo con un perfil internacional orientado a competir con Occidente.

***

A pesar de los esfuerzos, no se puede negar la ideología de la IA. Lejos de buscar una imposible neutralidad absoluta, el debate debería centrarse en cómo gestionarla. Al igual que ocurre con los medios de comunicación, los LLM inevitablemente transmiten valores y perspectivas, pero lo relevante es que esa dimensión sea explícita, plural y transparente. Fomentar la diversidad de modelos, garantizar su auditabilidad y evitar monopolios tecnológicos son pasos esenciales para impedir que la Inteligencia Artificial se convierta en un mecanismo de homogeneización ideológica. El desafío no pasa por suprimir la ideología, sino por garantizar su diversidad.