Meituan libera modelo de 1,6 trilhão de parâmetros sem chips Nvidia
Pesos do LongCat-2.5 saem sob licença MIT e cluster de referência exige 194 aceleradores da Huawei para rodar tarefas autônomas de código.
Edição: Anderson Gomes
· 3 min de leitura

A empresa chinesa de entregas Meituan liberou em 15 de novembro de 2026 os pesos do LongCat-2.5, modelo para agentes autônomos com 1,6 trilhão de parâmetros voltado a programar software. A equipe treinou o sistema inteiro em hardware fabricado na China, sem encostar em processadores da Nvidia. Na avaliação Terminal Bench v2.1, o modelo marcou 88,4 pontos e encostou no Claude Opus 5, da Anthropic. Qualquer desenvolvedor pode baixar o código sob licença MIT.
O LongCat-2.5 adota arquitetura de mistura de especialistas para acionar apenas partes específicas da rede a cada fração de texto calculada. Desse total de 1,6 trilhão de parâmetros, cerca de 48 bilhões trabalham de fato em cada token processado. Pela interface de programação, o sistema recebe janelas de contexto com até 1 milhão de tokens e gera saídas de até 128.000 tokens de extensão. A ferramenta aceita texto, imagens e vídeos.
Treino isolou a rede de atalhos na web
Diferente de sistemas que acoplam módulos visuais separados, a Meituan converte arquivos visuais diretamente em tokens processados na resolução original junto ao texto. O método veio da pesquisa LongCat-Next. No aprendizado por reforço, os engenheiros treinaram o sistema com tarefas reais extraídas de pull requests do GitHub e falhas reconstituídas de agentes anteriores. Para impedir trapaças no treino, a equipe cortou o acesso à internet dos ambientes, apagou históricos do Git e usou outro modelo para auditar o código.
Cluster de referência opera com 194 aceleradores da Huawei
A documentação de auto-hospedagem detalha a operação em um cluster próprio montado com 194 aceleradores Huawei Ascend da série Atlas A2. Nessa arquitetura técnica, dois chips cuidam do processamento visual, 64 processam os comandos de entrada e 128 placas geram as respostas finais. O guia ignora circuitos da Nvidia. Para rodar nessas máquinas locais, os engenheiros quantizaram pesos e ativações para 4 bits, formato aceito nativamente pelo hardware chinês.
A Meituan afirma que a quantização em 4 bits elevou o processamento de prompts em 43,3% e a geração de respostas em 42,77%, preservando a precisão original. No Terminal Bench v2.1, que avalia tarefas de linha de comando, o LongCat-2.5 registrou 88,4 pontos, próximo dos 89,1 do Claude Opus 5 e dos 88,8 do GPT-5.6 Sol, enquanto o Deepseek-V4.1-Flash liderou com 90,6. Na versão v4.0 desse teste, a nota caiu para 38,5 pontos, acima do GPT-5.6 Sol, mas distante dos 53,9 do Opus 5. A tabela omitiu o Claude Opus 5.5.
No benchmark DeepSWE, que mede o conserto de defeitos em repositórios de código, o sistema saltou de 9,7 para 64,6 pontos. O resultado superou o Claude Opus 4.8. No teste BrowseComp, a nota atingiu 91,9 pontos, mas a própria Meituan realizou a prova em ambiente próprio. O antecessor LongCat-2.0 treinou em 50 mil chips chineses e rodou anônimo no OpenRouter como Owl Alpha.
Os interessados podem testar o modelo no site https://longcat.ai/ ou plugar a API em orquestradores como Claude Code, Codex e Hermes. A interface aceita padrões da OpenAI e da Anthropic. As tarifas promocionais cobram o equivalente a cerca de €0,27 por milhão de tokens de entrada e €1,07 por milhão de saída. O avanço acompanha modelos como Kimi K3.1 e GLM-5.3, que disputam espaço com sistemas americanos nos principais testes.
- The Decoder
- Modelos e LLMs
Cisco integra modelos da OpenAI à telemetria de rede para acelerar resposta a ataques
Parceria usa GPT-6 Astra e o projeto Daybreak para correlacionar ameaças em contêineres e isolar falhas sem derrubar sistemas.
· 3 min de leitura

Auto Ontology MCP conecta bancos ao Claude e barra erros de SQL
Criado por gogoymh, o servidor em Python usa a camada semântica da NVIDIA para validar consultas e organizar notas no Obsidian.
· 3 min de leitura

DeepMind lança Gemini Robotics 2.5 com 96% de acerto na Mercedes
· 3 min de leitura