N環球 N GLOBE
China · Tecnologia

Meituan abre código-fonte do parâmetro 1.6T LongCat-2.5, treinado sem chips Nvidia

· N GLOBE

A Meituan divulgou os pesos do LongCat-2.5, um modelo de mistura de especialistas de 1,6 trilhão de parâmetros construído para codificação autônoma de longo prazo e tarefas de agente, treinado inteiramente em aceleradores fabricados na China, com um guia de auto-hospedagem construído em 194 chips Huawei Ascend.

A Meituan divulgou os pesos abertos para LongCat-2.5, um modelo de mistura de especialistas (MoE) com 1,6 trilhão de parâmetros, projetado para tarefas autônomas longas e de várias etapas, especialmente codificação. O detalhe da manchete é que ele foi treinado inteiramente em hardware de computação fabricado na China, sem chips Nvidia.

O Decoder relata que os pesos ficaram disponíveis cerca de uma semana após o lançamento do modelo, sob a licença do MIT, que permite uso comercial, modificação e redistribuição. Embora o modelo tenha 1,6 trilhão de parâmetros no total, apenas cerca de 48 bilhões estão ativos por token. Sua API suporta até um milhão de tokens de entrada e respostas de até 128.000 tokens, lida com texto, imagens e vídeo e permite que os usuários ativem ou desativem o modo de raciocínio.

O guia de auto-hospedagem é executado em 194 chips Huawei Ascend

O guia de auto-hospedagem da Meituan implanta o modelo em 194 aceleradores Huawei Ascend Atlas A2: dois para processamento de imagens, 64 para prompts e 128 para respostas. O guia não faz menção ao hardware ou implantação da Nvidia. A Meituan também lançou uma versão quantizada de 4 bits, que afirma manter a precisão no mesmo nível do modelo não compactado, ao mesmo tempo que aumenta o rendimento do processamento imediato em 43,3 por cento e o rendimento da geração de resposta em 42,77 por cento em relação a uma versão de 8 bits.

Os benchmarks são da própria Meituan; ainda não há verificação independente

Meituan relata 88,4 no Terminal-Bench v2.1, perto de Claude Opus 5 em 89,1 e abaixo de DeepSeek-V4.1-Flash em 90,6. No DeepSWE, um teste de correção de bugs em repositórios de código real, obteve pontuação de 64,6, um aumento acentuado em relação aos 9,7 da versão anterior, mas ainda atrás do DeepSeek com 74,2. Estas são as avaliações reportadas pela própria empresa e ainda não foram publicados quaisquer testes de benchmark independentes.

A API do modelo é compatível com os formatos OpenAI e Anthropic e funciona com ferramentas de agente, incluindo Claude Code e Codex. O preço de lançamento é de cerca de 0,27 euros por milhão de tokens de entrada e 1,07 euros por milhão de tokens de saída.

(Foto: foto de arquivo de um chip AI.)

💬 Comments

No comments yet. Be the first!