IA · Modelos abertos

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.

THE BUYER'S PULSEIA9 min de leitura
Close de unidades de servidor ligadas em um rack: baias de disco numeradas, grades de ventilação e fileiras de luzes de status azuis e verdes
O cômputo sob o modelo: unidades de servidor ligadas em um rack, baias numeradas e luzes de status acesas. A instalação da foto é ilustrativa; a implantação documentada da Meituan roda sobre 194 aceleradores Huawei Ascend Atlas A2.

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.

1,6 trilhãoParâmetros totais declarados pela Meituan na ficha oficial do modelo
~48 bilhõesParâmetros ativados por token (mistura de especialistas)
1 milhãoTokens de contexto na API hospedada
194Aceleradores Huawei Ascend Atlas A2 na implantação de auto-hospedagem de amostra da Meituan
Mais de 50.000Chips de IA chineses no cluster que, segundo a Meituan, treinou o antecessor, LongCat-2.0
MITLicença dos pesos liberados: uso comercial permitido

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

CampoDetalhe
DesenvolvedorMeituan (equipe LongCat)
Apresentação2 de novembro de 2026
Pesos abertosAnunciado em 10 de novembro de 2026, sob licença MIT (repositório criado em 4 de novembro)
ArquiteturaMistura de especialistas multimodal nativa
Parâmetros1,6 trilhão totais declarados; ~48 bilhões ativos por token (os metadados do Hugging Face somam ~1,78 trilhão armazenados)
Contexto1 milhão de tokens (API hospedada)
Tamanho do checkpoint~3,56 TB em BF16; versão W4A4 de 4 bits separada
Hardware de treinamentoAceleradores chineses em todo o processo, segundo a Meituan via The Decoder; sem GPUs da Nvidia
Implantação de amostra194 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.