Os racks por trás do modelo aberto de fronteira da China: o LongCat-2.5 roda na Huawei, não na Nvidia
A Meituan liberou os pesos completos do LongCat-2.5, um modelo de 1,6 trilhão de parâmetros para agentes de horizonte longo, sob a licença MIT. A sua própria documentação descreve o treinamento com aceleradores chineses e uma implantação de amostra sobre 194 chips Huawei Ascend Atlas A2, sem nenhuma GPU da Nvidia no caminho oficial.

Foto: NOIRLab/NSF/AURA/T. Slovinský — “NOIRLab HQ Server Racks” (2022), CC BY 4.0, via Wikimedia Commons.
A fotografia que abre esta matéria é um close das próprias máquinas: unidades de servidor ligadas empilhadas em um rack, baias de disco numeradas, grades de ventilação e fileiras de luzes de status azuis e verdes. Não é a instalação da Meituan, e esta revista não afirma o contrário. Mas é a imagem certa para esta história, porque a notícia sobre o LongCat-2.5 não trata, no fundo, de um chatbot. Trata de sobre quais máquinas um modelo de inteligência artificial de fronteira pode se apoiar. A Meituan, gigante chinesa de entrega de comida e serviços locais, liberou os pesos completos de um modelo de 1,6 trilhão de parâmetros construído para agentes autônomos — e a sua própria documentação descreve um modelo treinado com aceleradores chineses e implantado sobre hardware da Huawei, sem nenhuma GPU da Nvidia no caminho oficial.
O momento aguçou o contraste. A liberação dos pesos recebeu ampla cobertura internacional em 15 de novembro, quando o The Decoder contou a história com uma manchete que dizia o ponto de forma direta: um modelo agente de 1,6 trilhão de parâmetros que nunca tocou uma GPU da Nvidia. Essa cobertura chega na semana em que a Nvidia divulga seus resultados trimestrais e enfrenta uma crise aberta de governança em torno de sua liderança — uma semana em que o pressuposto padrão da indústria, o de que a IA séria roda sobre silício da Nvidia, está sendo questionado de duas direções ao mesmo tempo. O LongCat-2.5 é a direção do hardware nessa pergunta, formulada em documentação, e não em frase de comunicado.
O que foi liberado, e quando — a cronologia real
Não é um lançamento de hoje, e a precisão com as datas importa porque várias coberturas iniciais as comprimiram. A Meituan apresentou o LongCat-2.5 em 2 de novembro de 2026. O repositório do Hugging Face, meituan-longcat/LongCat-2.5, foi criado em 4 de novembro. Em 10 de novembro, a Meituan anunciou que os pesos estavam em código aberto sob a licença MIT, com permissão explícita para inferência comercial, implantação e treinamento secundário sem autorização adicional. O checkpoint completo é grande por qualquer medida: cerca de 3,56 terabytes de arquivos de pesos em BF16, divididos em 194 fragmentos safetensors, ao lado de um repositório separado para a versão quantizada de 4 bits. O dia 15 de novembro é quando a liberação chegou à imprensa ampla de tecnologia, com o The Decoder à frente — uma segunda onda de atenção, não a liberação em si.
Uma curiosidade de metadados merece uma única linha, atribuída à sua fonte: a contabilidade de tensores do próprio Hugging Face soma cerca de 1,78 trilhão de parâmetros armazenados, frente aos 1,6 trilhão que a Meituan declara na ficha. A Meituan não conciliou as duas cifras; quem planejar armazenamento deve dimensionar a partir dos arquivos reais, não da manchete.
O modelo: um sistema multimodal nativo para trabalho agente de horizonte longo
O LongCat-2.5 é um modelo de mistura de especialistas, o que significa que, embora a rede completa guarde 1,6 trilhão de parâmetros, apenas um subconjunto de suas sub-redes especializadas — cerca de 48 bilhões de parâmetros — é ativado para cada token que ele processa. É multimodal de forma nativa: a informação visual é convertida em tokens discretos e processada no mesmo espaço compartilhado que o texto, de modo que o modelo lê capturas de tela, gráficos e imagens, e aceita vídeo por URL, junto ao texto comum. O objetivo de design, na descrição da Meituan, é o agente de horizonte longo: software que resolve tarefas de várias etapas de forma autônoma ao longo de sessões estendidas, em particular de programação — construir e reparar bases de código inteiras, operar uma linha de comando, buscar informações e usar ferramentas — em vez de responder perguntas isoladas.
A API hospedada reflete esse objetivo. Oferece uma janela de contexto de um milhão de tokens, admite um modo de raciocínio passo a passo e um modo mais rápido sem raciocínio, e é exposta por endpoints compatíveis com as principais convenções de API. Nada disso é incomum por si só no fim de 2026. O incomum é a pilha por baixo.
O hardware é a história: treinado sem Nvidia
Segundo a documentação da Meituan, conforme relatado pelo The Decoder em 15 de novembro, o LongCat-2.5 foi treinado inteiramente sobre hardware chinês, sem GPUs da Nvidia no processo de treinamento. A afirmação tem um antecessor documentado: a Meituan afirma que treinou o LongCat-2.0, o modelo sobre o qual a versão 2.5 se constrói, inteiramente em um cluster de mais de 50.000 chips de IA chineses. A própria ficha do modelo 2.5 fala de otimizações de infraestrutura sobre aceleradores de IA nacionais, e o seu único caminho oficial de implantação é um caminho NPU — pela pilha de serviço SGLang-FluentLLM da Meituan —, sem nenhuma receita publicada para hardware da Nvidia.
O guia de implantação é onde a afirmação se torna concreta e verificável. A Meituan quantiza os pesos dos especialistas e as ativações do modelo para precisão de 4 bits — o esquema W4A4 documentado na ficha —, um formato que os aceleradores chineses processam nativamente em INT4. Frente a uma base de 8 bits, a Meituan relata rendimento de pré-preenchimento 43,3% maior e rendimento de decodificação 42,77% maior em seus próprios testes de estresse on-line; são cifras da empresa, tiradas da sua própria ficha, e é assim que são rotuladas sempre que esta revista as cita. A configuração de amostra de auto-hospedagem construída sobre essa quantização roda sobre 194 aceleradores Huawei Ascend da série Atlas A2, divididos por função: 2 aceleradores cuidam do processamento de imagens, 64 da ingestão de prompts e 128 da geração de respostas. Não existe um guia equivalente para GPUs da Nvidia — nem uma nota dizendo que não há suporte, simplesmente guia nenhum.
Ficha de dados
LongCat-2.5, segundo a ficha oficial da Meituan
| Campo | Detalhe |
| Desenvolvedor | Meituan (equipe LongCat) |
| Apresentação | 2 de novembro de 2026 |
| Pesos abertos | Anunciado em 10 de novembro de 2026, sob licença MIT (repositório criado em 4 de novembro) |
| Arquitetura | Mistura de especialistas multimodal nativa |
| Parâmetros | 1,6 trilhão totais declarados; ~48 bilhões ativos por token (os metadados do Hugging Face somam ~1,78 trilhão armazenados) |
| Contexto | 1 milhão de tokens (API hospedada) |
| Tamanho do checkpoint | ~3,56 TB em BF16; versão W4A4 de 4 bits separada |
| Hardware de treinamento | Aceleradores chineses em todo o processo, segundo a Meituan via The Decoder; sem GPUs da Nvidia |
| Implantação de amostra | 194 Huawei Ascend Atlas A2: 2 imagem · 64 ingestão · 128 geração |
| Preço da API (promocional) | US$ 0,30 por milhão de tokens de entrada · US$ 1,20 de saída · US$ 0,006 de entrada em cache |
O número de referência, com o dono anexado
O número que mais viajou é uma pontuação de referência: 88,4 no Terminal Bench v2.1, um teste de como um agente resolve tarefas reais em um ambiente de linha de comando, frente a 89,1 do Claude Opus 5 da Anthropic na mesma tabela. Lida com cuidado, a própria tabela fornece a cautela. A ficha da Meituan declara que as pontuações medidas internamente são «apenas indicativas», e as pontuações rivais da sua comparação são citadas de relatórios públicos, em vez de medidas em um arnês comum. Nenhum laboratório independente havia reproduzido o 88,4 na cobertura publicada até 15 de novembro, e os modelos rivais mais novos não figuram na comparação. A afirmação honesta é mais estreita e ainda assim significativa: pelas medições do seu próprio desenvolvedor, rotuladas com clareza como próprias, um modelo chinês aberto se situa a um ponto de um modelo americano fechado de primeiro nível em um teste de agentes. Se ele se mantém sob testes independentes é uma pergunta que as próximas semanas responderão; o fato de os pesos serem públicos significa que qualquer um com o hardware pode fazer a verificação.
O preço, e o que ele muda e o que não muda
Para as equipes que não querem mover 3,56 terabytes, a Meituan também vende acesso. A tarifa promocional da API é de US$ 0,30 por milhão de tokens de entrada e US$ 1,20 por milhão de tokens de saída, com a entrada em cache a US$ 0,006 por milhão — uma tarifa por tempo limitado, declarada como tal pela empresa. Preços assim reajustam as expectativas sobre quanto deveriam custar as cargas de trabalho de agentes, e são parte do motivo pelo qual a liberação atraiu atenção além da comunidade de pesos abertos. Mas a licença MIT é o fato estrutural: os pesos podem ser baixados, modificados, ajustados e executados comercialmente sem pedir nada à Meituan, sobre o hardware que a licença não dita. O caminho de hardware que a Meituan documenta é, simplesmente, o da Huawei.
O que isso não prova
Três cautelas pertencem ao registro. Primeira: a afirmação sobre o hardware de treinamento é da Meituan, relatada pelo The Decoder a partir da documentação da empresa; as próprias publicações da empresa descrevem aceleradores nacionais sem nomear um fornecedor para o treinamento em si — o nome da Huawei é explícito no guia de implantação, que é uma afirmação distinta, e esta matéria mantém as duas separadas. Segunda: a auto-hospedagem continua sendo um empreendimento de sala de servidores: um checkpoint de vários terabytes e uma implantação de referência de 194 aceleradores não são um fim de semana de amador, diga o que disser a licença. Terceira: uma tabela de referências publicada pelo próprio desenvolvedor de um modelo é um ponto de partida para a verificação, não a sua conclusão — o mesmo padrão que esta revista aplica a cada fornecedor, em cada país.
O que resta, depois das cautelas, é o fato para o qual a fotografia aponta. Por uma década, a geografia do cômputo avançado de IA teve um único centro: aceleradores de design americano, fabricados em uma cadeia de suprimentos concentrada e exportados sob controles cada vez mais rígidos. O LongCat-2.5 é evidência documentada — em uma ficha pública, um guia de implantação público e um repositório público que qualquer um pode inspecionar — de um modelo em escala de fronteira cujo ciclo de vida oficial completo, treinamento e serviço igualmente, roda em outro lugar. Os racks da fotografia são anônimos. Os do guia da Meituan têm nome, número e divisão de funções: 194 aceleradores Huawei Ascend Atlas A2, e nem uma única GPU da Nvidia no documento.
𝐋𝐄𝐈𝐀 𝐀 𝐑𝐄𝐕𝐈𝐒𝐓𝐀 𝐂𝐎𝐌𝐏𝐋𝐄𝐓𝐀 𝐆𝐑𝐀𝐓𝐔𝐈𝐓𝐀 𝐄𝐌 thebuyerspulse.com/pt/
Fontes
- Meituan LongCat, ficha oficial do modelo: meituan-longcat/LongCat-2.5 no Hugging Face (lida ao vivo em 15 de novembro de 2026) — 1,6 trilhão de parâmetros totais, ~48 bilhões ativados por token, MoE multimodal nativo, quantização W4A4 (+43,3% de rendimento de pré-preenchimento frente ao W8A8, testes próprios da Meituan), implantação somente NPU via SGLang-FluentLLM, tabela de avaliação com a nota de que as pontuações internas são «apenas indicativas» (Terminal Bench v2.1: LongCat-2.5 88,4; Claude Opus 5 89,1, citado), licença MIT.
- Blog oficial do LongCat (longcat.ai), “Introducing LongCat-2.5” — apresentação do modelo em 2 de novembro de 2026 e anúncio de código aberto da Meituan de 10 de novembro de 2026 (pesos sob MIT; repositório criado em 4 de novembro de 2026; ~3,56 TB em BF16; os metadados do Hugging Face somam ~1,78 trilhão de parâmetros armazenados).
- The Decoder, 15 de novembro de 2026: “Meituan releases a 1.6 trillion parameter agent model that never touched an Nvidia GPU” — treinamento inteiramente sobre hardware chinês; LongCat-2.0 treinado em mais de 50.000 chips de IA chineses; implantação de amostra de 194 aceleradores Huawei Ascend Atlas A2 (2 imagem · 64 ingestão · 128 geração); sem guia para Nvidia; preços promocionais da API.
- Foto: NOIRLab/NSF/AURA/T. Slovinský, “NOIRLab HQ Server Racks” (2022) — CC BY 4.0, via Wikimedia Commons (File:NOIRLab HQ Server Racks (6V6A0402-CC).jpg; original 5472×3648). A instalação fotografada é ilustrativa e não é identificada como a da Meituan.