Meituan lança o LongCat Flash Chat, um modelo de mistura de especialistas com 560 bilhões de parâmetros

Por que este lançamento é importante agora

A gigante chinesa de serviços sob demanda Meituan entrou na onda dos grandes modelos de linguagem de código aberto com o lançamento do LongCat Flash Chat, um sistema que combina um número muito elevado de parâmetros com um projeto voltado à eficiência. Anunciado no início de setembro de 2025 e disponibilizado para desenvolvedores no GitHub e no Hugging Face, o modelo vem acompanhado de um relatório técnico que o coloca ao lado dos principais sistemas atuais. Segundo os benchmarks da empresa, o LongCat Flash Chat iguala o desempenho do DeepSeek V3.1, da família Qwen3, da Alibaba Cloud, e do Kimi K2, da Moonshot AI, além de apresentar bons resultados em comparação com o Claude Sonnet, da Anthropic, e o Gemini 2.5 Flash, do Google. O modelo tem licença que permite amplo uso e modificações, sinalizando uma iniciativa para criar um ecossistema ativo de desenvolvedores em torno da plataforma de IA da Meituan.

O LongCat Flash Chat é apresentado como um modelo de base pronto para produção e rápido, em vez de um sistema voltado ao raciocínio. Esse foco reflete uma escolha clara: dar menos ênfase a cadeias de raciocínio lentas e complexas e priorizar respostas ágeis, comportamento de agentes, uso de ferramentas e seguimento de instruções. O lançamento vem após a aquisição da startup de IA Light Year pela Meituan, em 2023, por 281 milhões de dólares, e se encaixa em uma estratégia interna que abrange o uso de IA nos fluxos de trabalho da empresa, recursos de IA em produtos voltados ao consumidor e o desenvolvimento de modelos fundamentais.

O que a Meituan lançou

A documentação da empresa descreve o LongCat Flash Chat como um modelo de Mistura de Especialistas com 560 bilhões de parâmetros no total. Apenas uma fração desses parâmetros é ativada para cada token, normalmente de 18,6 bilhões a 31,3 bilhões, com média de cerca de 27 bilhões. Essa ativação seletiva é central para a velocidade e os custos do modelo. Ele aceita uma janela de contexto longa, de até 128 mil tokens, o que permite processar conversas extensas, documentos ou tarefas com várias etapas sem reiniciar constantemente.

Nas palavras da Meituan, trata-se de um modelo de base sem raciocínio. A Caixin Global informou que o modelo não inclui recursos avançados de raciocínio, embora ainda apresente bons resultados em muitas tarefas de seguimento de instruções e de agentes. O repositório destaca resultados competitivos em benchmarks gerais, seguimento de instruções, matemática, programação, uso de ferramentas e avaliações de segurança. Os desenvolvedores podem acessar os pesos e a documentação do modelo no Hugging Face, nesta página, e consultar detalhes do produto no site oficial, em longcat.ai. O código e os pesos são distribuídos sob a Licença MIT.

Por dentro da arquitetura do LongCat

Os modelos de Mistura de Especialistas dividem uma rede gigantesca em muitos componentes especializados chamados especialistas. Um roteador decide quais especialistas consultar para cada token. Ao ativar apenas um pequeno subconjunto de especialistas por token, o modelo mantém uma grande capacidade total sem deixar que o processamento necessário a cada etapa saia do controle. Essa abordagem se tornou uma forma comum de ampliar modelos sem elevar demais o custo de inferência.

Como funciona a Mistura de Especialistas

Pense no sistema como uma grande equipe em que apenas alguns especialistas são chamados para cada mensagem. O roteador seleciona esses especialistas com base no conteúdo, reduzindo o trabalho desnecessário. O projeto da Meituan acrescenta alguns elementos próprios. O relatório descreve os Especialistas de Computação Zero, que atuam como espaços reservados e podem ser selecionados quando o roteador precisa equilibrar a carga ou reduzir o processamento para tokens simples. Nos bastidores, há também um controlador PID que ajusta a tendência dos especialistas para manter estável o número médio de parâmetros ativos. PID significa proporcional, integral e derivativo. É um método de controle comum que conduz um sistema a um nível desejado sem oscilações.

Para aumentar a capacidade de processamento, o LongCat Flash Chat usa uma arquitetura de MoE com conexões de atalho, que amplia a sobreposição entre comunicação e computação. Em configurações com várias GPUs, o tempo de comunicação pode limitar o desempenho. As conexões de atalho criam caminhos que permitem acelerar partes da rede enquanto os dados são transferidos entre dispositivos. As notas técnicas citam uma taxa de inferência superior a 100 tokens por segundo para um único usuário em hardware da classe H800.

Alegações sobre velocidade e custo

Resumos de código aberto e reportagens da imprensa chinesa afirmam que a Meituan concluiu o treinamento em cerca de 30 dias, usando uma configuração altamente paralela, e que o modelo consegue gerar 100 tokens por segundo em aceleradores H800. A empresa estima um custo de saída próximo a 5 yuans por milhão de tokens em condições específicas. Os custos reais variam conforme o hardware, o tamanho dos lotes e a estrutura de implantação, mas a mensagem principal é clara. A Meituan apresenta o LongCat Flash Chat como um modelo criado para oferecer velocidade e qualidade competitiva, usando menos recursos computacionais por solicitação.

Receita de treinamento e estabilidade

O repositório descreve vários recursos de estabilidade: transferência de hiperparâmetros para reutilizar configurações eficazes em diferentes escalas, inicialização por crescimento do modelo para que as variantes maiores partam das menores e um método de balanceamento dos gradientes do roteador, com perda z, para manter o roteador MoE estável. A equipe enfatiza a computação determinística para permitir execuções reproduzíveis. Na parte de dados, a Meituan descreve uma estratégia de fusão em duas etapas para o pré-treinamento e uma estrutura de síntese multiagente para criar trajetórias de tarefas complexas voltadas ao comportamento de agentes. O resultado é um processo de treinamento ajustado para confiabilidade e desempenho de agentes, em vez de raciocínio profundo em várias etapas.

Comparação com os concorrentes

Os benchmarks da Meituan colocam o LongCat Flash Chat no mesmo nível dos principais modelos de uso geral da China. As comparações destacam o DeepSeek V3.1, a família Qwen3, da Alibaba Cloud, e o Kimi K2, da Moonshot AI. O relatório também aponta resultados expressivos em comparação com modelos conhecidos dos Estados Unidos, como o Claude Sonnet e o Gemini 2.5 Flash. Algumas reportagens mencionam ainda comparações com o GPT 4.1 em tarefas específicas sem raciocínio. As classificações exatas dependem da bateria de benchmarks e das configurações dos prompts. Testes realizados pelos próprios fornecedores são um ponto de partida; avaliações independentes oferecerão um panorama mais completo.

A classificação como modelo sem raciocínio é uma ressalva importante. Sistemas voltados ao raciocínio buscam planejar e refletir ao longo de várias etapas, geralmente com geração mais lenta e maior custo computacional. O LongCat Flash Chat prioriza o seguimento rápido de instruções, o uso de ferramentas e a coordenação de agentes. Essa abordagem atende a casos em que o tempo de resposta, a capacidade de processamento e custos previsíveis são mais importantes do que um raciocínio elaborado em etapas intermediárias.

O que as tarefas de agentes significam na prática

Tarefas de agentes envolvem modelos capazes de chamar ferramentas, buscar informações, seguir fluxos de trabalho e decidir quando solicitar mais dados. O sistema pode consultar a documentação, acessar um banco de dados interno, acionar uma API de pagamentos ou redigir uma mensagem para um cliente. O LongCat Flash Chat foi ajustado para esse tipo de trabalho. A proposta é tomar decisões rápidas, lidar com contextos longos e manter a latência baixa para responder prontamente em aplicações reais.

A Meituan já experimentou o uso de agentes em diferentes áreas de seus negócios. A empresa apresentou o NoCode, para programação assistida por IA; o Kangaroo Advisor, para apoiar decisões empresariais; e o Meituan Jibai, para gestão de operações hoteleiras. Um mecanismo rápido de agentes pode ajudar em tarefas como integração de comerciantes, triagem do atendimento ao cliente, conferência de estoque, apoio ao planejamento de rotas e geração de textos de marketing. No comércio eletrônico e nos serviços locais, muitas tarefas se beneficiam mais de velocidade confiável, conexão com ferramentas e retenção de contexto longo do que de raciocínio lento, etapa por etapa.

Estratégia, aquisições e avanço do código aberto na China

A entrada da Meituan no desenvolvimento de modelos fundamentais ganhou força com a compra da Light Year, em 2023, por 281 milhões de dólares. Líderes da empresa descreveram um plano de três frentes: IA para o trabalho interno, IA em produtos voltados ao consumidor e desenvolvimento de modelos fundamentais. O LongCat Flash Chat é a primeira demonstração pública da frente de modelos fundamentais. Ele também acompanha uma tendência mais ampla entre as empresas de tecnologia chinesas. Lançamentos de código aberto de empresas como Alibaba, laboratórios ligados à DeepSeek e Moonshot AI estão reduzindo a distância em relação aos concorrentes ocidentais por meio de iterações rápidas e testes da comunidade.

A licença de código aberto é importante nesse contexto. Ao publicar os pesos e o código sob a Licença MIT, a Meituan convida startups, grupos de pesquisa e equipes corporativas a experimentar, adaptar e implantar o modelo sem grandes restrições. Isso amplia as oportunidades de receber feedback e encontrar novos usos. Também ajuda a empresa a construir credibilidade técnica fora de sua identidade principal, ligada à entrega de comida. Diversas fontes observaram que a empresa descreve sua abordagem de IA como agressiva e proativa, buscando conquistar a preferência dos desenvolvedores com velocidade e abertura.

Licença, implantação e segurança

O LongCat Flash Chat é distribuído sob a Licença MIT, uma licença permissiva que permite amplo uso comercial. O repositório inclui orientações para implantação com vLLM e SGLang. Essas estruturas são populares para inferência de alto desempenho e contam com recursos como processamento contínuo em lotes e atenção paginada, que podem reduzir os custos de operação. Um modelo com ativação parcial de especialistas combina naturalmente com ambientes que reduzem o tempo ocioso das GPUs.

Como todos os grandes modelos de linguagem, o LongCat Flash Chat tem limitações. A documentação recomenda que os desenvolvedores avaliem a segurança, a imparcialidade e a conformidade legal em seus próprios contextos. Isso é especialmente relevante em áreas que lidam com dados pessoais, finanças ou saúde. O material da Meituan inclui avaliações de segurança e testes red team, além de lembrar os usuários de seguir as leis e as regras do setor ao aplicar o modelo a contextos sensíveis.

Reação dos investidores e sinais do mercado

Reportagens financeiras após o lançamento observaram que as ações da Meituan caíram, embora a empresa tenha entrado para a lista de companhias chinesas que oferecem modelos competitivos. A TipRanks citou os benchmarks do South China Morning Post e apontou um contexto político mais amplo, em que a China amplia o apoio ao setor de tecnologia enquanto enfrenta tensões comerciais. As reações do mercado muitas vezes demoram a acompanhar a realidade dos produtos. Para os investidores, o que importa é saber se o modelo impulsiona a adoção, reduz os custos das operações da Meituan e atrai desenvolvedores externos que o escolham para criar produtos reais.

O sinal mais amplo é que empresas muito distantes do núcleo do setor de IA agora publicam modelos que desafiam participantes estabelecidos em velocidade, custo e capacidade para casos de uso com agentes. Esse impulso pode mudar a forma como as empresas decidem de onde virá sua plataforma de IA. Também pode aumentar a pressão sobre os criadores de modelos para que comprovem seu valor em tarefas práticas e sensíveis à latência, em vez de apenas em tabelas de classificação de benchmarks.

Pontos principais

• A Meituan lançou o LongCat Flash Chat, um modelo de Mistura de Especialistas de código aberto com 560 bilhões de parâmetros no total, no GitHub e no Hugging Face, no início de setembro de 2025.
• O modelo ativa de 18,6 bilhões a 31,3 bilhões de parâmetros por token, em média, reduzindo o custo computacional sem abrir mão de uma grande capacidade total.
• Os benchmarks do relatório técnico afirmam que o desempenho é comparável ao do DeepSeek V3.1, do Qwen3, da Alibaba Cloud, e do Kimi K2, da Moonshot AI, além de destacar bons resultados em relação ao Claude Sonnet e ao Gemini 2.5 Flash.
• A Meituan apresenta o sistema como um modelo de base sem raciocínio, voltado à velocidade, ao seguimento de instruções, ao uso de ferramentas e aos fluxos de trabalho com agentes, em vez do raciocínio profundo.
• Entre os recursos de engenharia estão os Especialistas de Computação Zero, um controlador PID para a tendência dos especialistas, uma arquitetura MoE com conexões de atalho e uma janela de contexto de 128 mil tokens.
• As notas técnicas citam mais de 100 tokens por segundo em hardware H800 e um custo de saída próximo a 5 yuans por milhão de tokens em condições específicas.
• O código e os pesos são distribuídos sob a Licença MIT, e há orientações de implantação para vLLM e SGLang.
• O lançamento vem após a compra da Light Year pela Meituan, em 2023, e faz parte de uma estratégia de IA mais ampla, organizada em três frentes: ferramentas de trabalho, produtos e modelos fundamentais.
• A TipRanks informou que as ações caíram após o anúncio, indicando que o sentimento dos investidores pode depender da adoção no mundo real e da redução de custos.
• O lançamento se soma à onda de atividade em torno de modelos de código aberto na China, que está reduzindo a distância em relação aos concorrentes ocidentais e priorizando casos de uso rápidos com agentes.