Meituan libera os pesos do LongCat-2.5: 1,6 trilhão de parâmetros, licença MIT e multimodalidade

A chinesa Meituan, mais conhecida pela entrega de comida, continua investindo seriamente em IA de código aberto. A equipe do LongCat publicou os pesos do LongCat-2.5 no Hugging Face sob licença MIT. É uma das licenças mais permissivas: permite fazer ajustes finos no modelo, integrá-lo a um produto e vendê-lo sem acordos adicionais.

O que há por dentro

O LongCat-2.5 usa uma arquitetura Mixture-of-Experts. São 1,6 trilhão de parâmetros no total, mas apenas cerca de 48 bilhões são ativados por token. A ideia é simples: o modelo se parece com um grande escritório com centenas de especialistas, no qual cada pergunta é respondida apenas pelos poucos profissionais necessários. A qualidade se aproxima da de um modelo enorme, enquanto o processamento por token é comparável ao de um modelo de porte médio.

A segunda característica é a multimodalidade nativa. A visão não foi acoplada por meio de um codificador separado: ela foi treinada junto com o restante do modelo. Os desenvolvedores afirmam que ele combina forte compreensão visual e programação agêntica em um único modelo. Os exemplos incluem projetos complexos de código, design criativo e tarefas em 3D.

Por que isso importa na prática

Imagine uma tarefa comum: um designer envia uma captura de tela de um layout, e o agente precisa transformá-la em uma interface funcional, executá-la, inspecionar o resultado e corrigir a implementação visual. Normalmente, isso exige conectar um modelo de visão a um modelo de programação, e parte do contexto se perde nessa passagem. Se um único modelo consegue ver a tela e escrever código, o ciclo de "inspecionar, corrigir e verificar" fica mais curto e confiável.

Para empresas que não podem enviar código e layouts a APIs externas, isso também representa uma oportunidade de ter um agente potente em infraestrutura própria. A licença MIT elimina as questões jurídicas que frequentemente dificultam o uso de modelos com termos específicos.

Limitações

A primeira e mais importante: o anúncio não apresenta nenhum benchmark. As alegações de visão e programação "mais fortes" ainda não têm comprovação, e a comunidade terá de comparar o modelo com outras alternativas abertas. Até que existam medições independentes, essas afirmações devem ser tratadas como marketing.

A segunda: esses 1,6 trilhão de parâmetros precisam ser armazenados em algum lugar. Mesmo com apenas 48 bilhões ativos, o modelo inteiro precisa ficar na memória, o que representa cerca de 1,6 TB em formato de 8 bits. Isso exige um cluster com vários servidores equipados com GPUs, não uma estação de trabalho. Na prática, grandes equipes ou provedores de nuvem conseguirão executá-lo em hardware próprio; os demais terão de esperar por versões quantizadas e hospedagem via APIs de terceiros.

A terceira: ainda não estão claros a qualidade do suporte a ferramentas, o tamanho da janela de contexto e a confiabilidade em fluxos agênticos longos. É justamente nesses pontos que a maioria dos modelos que brilham nos testes falha em projetos reais.

O que fazer

Se você desenvolve agentes de programação ou trabalha com tarefas de conversão de imagens em código, inclua o LongCat-2.5 na lista de candidatos e teste-o nas suas próprias tarefas, em vez de se apoiar em benchmarks de terceiros. Se a independência de APIs fechadas é importante para você, acompanhe o lançamento de versões quantizadas e o suporte no vLLM e no SGLang. E, se você trabalha com gestão de produto, considere a tendência mais ampla: modelos abertos chineses com licença MIT e escala de um trilhão de parâmetros se tornaram comuns, pressionando os preços dos provedores de modelos fechados.