Meituan lança LongCat Flash Chat, um modelo Mixture of Experts com 560 mil milhões de parâmetros

Porque é que este lançamento importa agora

O gigante chinês dos serviços sob procura Meituan juntou-se à vaga de modelos de linguagem de código aberto com o lançamento do LongCat Flash Chat, um sistema que combina uma contagem muito elevada de parâmetros com um conceito de eficiência em primeiro lugar. Anunciado no início de setembro de 2025 e disponibilizado aos programadores no GitHub e no Hugging Face, o modelo chega com um relatório técnico que o coloca ao lado dos atuais sistemas de primeira linha. A Meituan afirma que o LongCat Flash Chat iguala o desempenho do DeepSeek V3.1, da família Qwen3 da Alibaba Cloud e do Kimi K2 da Moonshot AI, e que se compara bem ao Claude Sonnet da Anthropic e ao Gemini 2.5 Flash da Google, de acordo com os benchmarks da empresa. O modelo é licenciado para utilização e modificação em larga escala, o que sinaliza um impulso para criar um ecossistema ativo de programadores em torno da stack de IA da Meituan.

O LongCat Flash Chat é apresentado como um modelo de base rápido e pronto para produção, e não como um sistema orientado para o raciocínio. Essa concentração reflete uma opção clara: menos ênfase em cadeias lentas e complexas de lógica e mais em comportamento ágil dos agentes, utilização de ferramentas e cumprimento de instruções. O lançamento surge após a aquisição pela Meituan, em 2023, da startup de IA Light Year por 281 milhões de dólares e insere-se numa estratégia interna que abrange IA para fluxos de trabalho internos, funcionalidades de IA em produtos de consumo e construção de modelos fundamentais.

O que a Meituan lançou

A documentação da empresa descreve o LongCat Flash Chat como um modelo Mixture of Experts com 560 mil milhões de parâmetros no total. Apenas uma fração desses parâmetros está ativa em qualquer token, tipicamente 18,6 mil milhões a 31,3 mil milhões, com uma média em torno de 27 mil milhões. Essa ativação seletiva é central para a velocidade e o perfil de custo do modelo. O modelo suporta uma janela de contexto de até 128 mil tokens, o que lhe permite processar conversas longas, documentos ou tarefas de vários passos sem reinícios constantes.

Nas palavras da Meituan, trata-se de um modelo de base sem raciocínio. O Caixin Global referiu que o modelo não inclui capacidades avançadas de raciocínio, embora entregue resultados sólidos em muitas tarefas de instruções e de agentes. O repositório destaca pontuações competitivas em benchmarks gerais, cumprimento de instruções, matemática, programação, utilização de ferramentas e avaliações de segurança. Os programadores podem aceder aos pesos do modelo e à documentação no Hugging Face na página e consultar os detalhes do produto no site oficial em longcat.ai. O código e os pesos são disponibilizados sob a Licença MIT.

Dentro da arquitetura LongCat

Os modelos Mixture of Experts dividem uma rede gigante em muitos componentes especializados chamados peritos. Um router decide que peritos consultar para cada token. Ao ativar apenas um pequeno subconjunto de peritos por token, o modelo preserva uma grande capacidade total mantendo o cálculo por passo controlado. Esta abordagem tornou-se uma forma comum de escalar modelos sem inflacionar o custo de inferência.

Mixture of Experts em termos simples

Imagine o sistema como uma equipa grande em que apenas alguns especialistas são chamados para cada mensagem. O router seleciona esses especialistas com base no conteúdo, o que reduz trabalho desnecessário. O design da Meituan acrescenta várias nuances. O relatório descreve os Peritos de Cálculo Zero, que funcionam como marcadores de posição e podem ser escolhidos quando o router precisa de equilibrar a carga ou reduzir o cálculo para tokens simples. Há também um controlador PID nos bastidores que ajusta o viés dos peritos para manter estável o número médio de parâmetros ativos. PID significa proporcional, integral, derivativo. É um método de controlo comum que empurra um sistema em direção a um nível alvo sem oscilação.

Para aumentar o rendimento, o LongCat Flash Chat utiliza uma disposição MoE com ligações de atalho que aumenta a sobreposição entre comunicação e cálculo. Em configurações com múltiplas GPU, o tempo de comunicação pode limitar o desempenho. As ligações de atalho criam caminhos que permitem que partes da rede se movam mais depressa enquanto os dados se deslocam entre dispositivos. As notas técnicas referem uma taxa de inferência superior a 100 tokens por segundo para um único utilizador em hardware da classe H800.

Reivindicações de velocidade e custo

Resumos de código aberto e relatórios dos meios de comunicação chineses indicam que a Meituan concluiu o treino em cerca de 30 dias com uma configuração altamente paralela, e que o modelo consegue gerar a 100 tokens por segundo em aceleradores H800. A empresa cita um custo de saída próximo de 5 yuan por milhão de tokens sob condições específicas. Os custos reais variam consoante o hardware, o tamanho do lote e a framework de implementação, mas a reivindicação principal é clara. A Meituan apresenta o LongCat Flash Chat como um modelo construído para a velocidade, com qualidade competitiva e uma menor pegada de cálculo por pedido.

Receita de treino e estabilidade

O repositório descreve um conjunto de auxílios à estabilidade: transferência de hiperparâmetros para reutilizar boas definições em diferentes escalas, inicialização por crescimento do modelo, para que variantes maiores partam de mais pequenas, e um método de equilibramento do gradiente do router com z loss para manter o router MoE saudável. A equipa enfatiza o cálculo determinístico para execuções reproduzíveis. No lado dos dados, a Meituan descreve uma estratégia de fusão de pré-treino em duas fases e uma framework de síntese multiagente para criar trajetórias de tarefas complexas para comportamento de agentes. O resultado é um pipeline de treino afinado para a fiabilidade e o desempenho de agentes, em vez de raciocínio profundo de múltiplos passos.

Como se posiciona face aos rivais

Os benchmarks da Meituan colocam o LongCat Flash Chat ao nível dos principais modelos gerais da China. Os destaques incluem o DeepSeek V3.1, a família Qwen3 da Alibaba Cloud e o Kimi K2 da Moonshot AI. O relatório também faz referência a uma posição forte face a proeminentes modelos norte-americanos como o Claude Sonnet e o Gemini 2.5 Flash. Algumas coberturas chegam mesmo a assinalar comparações com o GPT 4.1 para tarefas específicas sem raciocínio. Os rankings exatos dependem do conjunto de benchmarks e das configurações de prompt. Os testes realizados pelo fornecedor são um ponto de partida, e avaliações de terceiros darão uma imagem mais completa.

A etiqueta sem raciocínio é um qualificador importante. Os sistemas orientados para o raciocínio visam planear e refletir ao longo de vários passos, frequentemente com geração mais lenta e uma fatura de cálculo mais elevada. O LongCat Flash Chat concentra-se em cumprimento rápido de instruções, utilização de ferramentas e orquestração de agentes. Essa abordagem enquadra-se em casos de uso em que o tempo de resposta, o rendimento e o custo previsível contam mais do que um raciocínio elaborado de raciocínio auxiliar.

O que significam as tarefas agênticas na prática

As tarefas agênticas envolvem um modelo capaz de invocar ferramentas, obter informações, seguir fluxos de trabalho e decidir quando pedir mais dados. O motor pode consultar documentação, aceder a uma base de dados interna, acionar uma API de pagamento ou redigir uma mensagem a um cliente. O LongCat Flash Chat está afinado para este tipo de trabalho. Visa tomar decisões rápidas, lidar com contextos longos e manter a latência baixa, de modo a parecer responsivo em aplicações reais.

A Meituan já experimentou agentes em todo o seu negócio. A empresa apresentou o NoCode para programação assistida por IA, o Kangaroo Advisor para apoio à tomada de decisões empresariais e o Meituan Jibai para gestão de operações hoteleiras. Um motor de agentes rápido pode ajudar a executar tarefas como integração de comerciantes, triagem de apoio ao cliente, verificações de inventário, apoio ao planeamento de rotas e criação de textos de marketing. No comércio eletrónico e nos serviços locais, muitas tarefas beneficiam mais de uma velocidade fiável, de conectividade com ferramentas e de retenção de contexto longo do que de raciocínio lento passo a passo.

Estratégia, aquisições e a ascensão do código aberto na China

O avanço da Meituan para os modelos fundamentais começou a sério com a compra da Light Year em 2023 por 281 milhões de dólares. Os líderes da empresa descreveram um plano em três níveis: IA para trabalho interno, IA em produtos de consumo e construção de modelos fundamentais. O LongCat Flash Chat é o primeiro ponto de prova pública ao nível fundamental. Alinha-se também com uma tendência mais ampla entre as empresas tecnológicas chinesas. Os lançamentos de código aberto de empresas como a Alibaba, laboratórios afiliados à DeepSeek e a Moonshot AI estão a reduzir as distâncias face aos homólogos ocidentais através de iteração rápida e testes pela comunidade.

A licença de código aberto é importante aqui. Ao publicar os pesos e o código sob uma Licença MIT, a Meituan convida startups, grupos de investigação e equipas empresariais a experimentar, adaptar e implementar sem restrições pesadas. Isso alarga o funil de feedback e de casos de uso. Também ajuda a Meituan a construir credibilidade técnica para além da sua identidade central de entrega de alimentos. Várias fontes assinalaram que a empresa apresenta a sua abordagem de IA como agressiva e proativa, procurando conquistar a atenção dos programadores através da velocidade e da abertura.

Licenciamento, implementação e segurança

O LongCat Flash Chat é lançado sob a Licença MIT, uma licença permissiva que permite amplo uso comercial. O repositório inclui orientações para implementação com vLLM e SGLang. Essas frameworks são populares para inferência de alto rendimento, com funcionalidades como batching contínuo e atenção paginada que podem reduzir o custo de serviço. Um modelo com ativação parcial de peritos combina naturalmente com ambientes que reduzem o tempo ocioso das GPU.

Como todos os grandes modelos de linguagem, o LongCat Flash Chat tem limites. A documentação incentiva os programadores a avaliar a segurança, a equidade e o cumprimento legal nas suas próprias configurações. Isto é especialmente relevante em domínios que tratam de dados pessoais, finanças ou saúde. Os materiais da Meituan incluem avaliações de segurança e testes de red teaming, e lembram aos utilizadores que devem cumprir as leis e as regras da indústria ao aplicar o modelo a contextos sensíveis.

Reação dos investidores e sinais de mercado

A cobertura financeira após o lançamento assinalou que as ações da Meituan negociaram em baixa, mesmo enquanto a empresa se juntava à lista de empresas chinesas que disponibilizam modelos competitivos. O TipRanks citou os benchmarks do South China Morning Post e apontou para um contexto político mais alargado, com a China a reforçar o apoio ao seu setor tecnológico enquanto enfrenta tensões comerciais. As reações do mercado frequentemente atrasam-se face à realidade do produto. O que importará para os investidores é se o modelo impulsiona a adoção, se reduz custos nas operações internas da Meituan e se programadores externos o escolhem como motor para produtos reais.

O sinal mais significativo é que empresas muito fora dos círculos centrais da IA estão agora a publicar modelos que desafiam os atores estabelecidos em termos de velocidade, custo e capacidade em casos de uso de agentes. Esse impulso poderá remodelar a forma como as empresas pensam sobre a origem da sua stack de IA. Também pode acelerar a pressão sobre os fabricantes de modelos para comprovarem valor em tarefas pragmáticas e sensíveis à latência, e não apenas em rankings de benchmarks.

Pontos-chave

• A Meituan lançou o LongCat Flash Chat, um modelo Mixture of Experts de código aberto com 560 mil milhões de parâmetros no total, no GitHub e no Hugging Face no início de setembro de 2025.
• O modelo ativa, em média, entre 18,6 mil milhões e 31,3 mil milhões de parâmetros por token, o que reduz o custo de cálculo mantendo uma grande capacidade total.
• Os benchmarks do relatório técnico reivindicam um desempenho ao nível do DeepSeek V3.1, do Qwen3 da Alibaba Cloud e do Kimi K2 da Moonshot AI, e uma posição forte face ao Claude Sonnet e ao Gemini 2.5 Flash.
• A Meituan posiciona o sistema como um modelo de base sem raciocínio, focado na velocidade, no cumprimento de instruções, na utilização de ferramentas e nos fluxos de trabalho de agentes, em vez de raciocínio profundo.
• As funcionalidades de engenharia incluem Peritos de Cálculo Zero, um controlador PID para o viés dos peritos, um design MoE com ligações de atalho e uma janela de contexto de 128 mil tokens.
• As notas técnicas referem mais de 100 tokens por segundo em hardware H800 e um custo de saída próximo de 5 yuan por milhão de tokens sob condições específicas.
• O código e os pesos estão sob a Licença MIT, com orientações de implementação para vLLM e SGLang.
• O lançamento sucede à compra da Light Year pela Meituan em 2023 e apoia uma estratégia de IA mais ampla em três níveis, abrangendo ferramentas de trabalho, produtos e modelos fundamentais.
• O TipRanks reportou uma descida do preço das ações após o anúncio, mostrando que o sentimento dos investidores pode depender da adoção no mundo real e das poupanças de custos.
• O lançamento acrescenta-se a uma vaga de atividade de modelos de código aberto na China que está a reduzir distâncias face aos homólogos ocidentais e a focar-se em casos de uso rápidos de agentes.