LongCat-2.0: o modelo de IA de 1,6 trilhão de parâmetros treinado sem um único chip da Nvidia

Especificações Técnicas

• Arquitetura: Mixture-of-Experts (MoE) com capacidade total de 1,6 trilhão de parâmetros, mas apenas ~48 bilhões ativados por token (esparsidade de ~97%) .
• Janela de contexto: 1 milhão de tokens, possibilitada por um mecanismo personalizado de Atenção Esparsa LongCat (LSA), que evoluiu do design de atenção esparsa da DeepSeek .
• Faixa de parâmetros ativos: 33B–56B por token, via roteamento dinâmico de 'Expert de Computação Zero', garantindo que não haja computação desperdiçada .
• Embedding N-gram: Cerca de 135 bilhões de parâmetros adicionais na camada de embedding, usando n-gramas de 2 a 5 caracteres para melhorar a representação do contexto local sem empilhar mais camadas MoE .
• Propósito específico: Codificação agêntica — compreensão, geração e execução de código em cenários reais de uso de ferramentas .
• Infraestrutura de treinamento: Treinado do zero em 50.000 a 60.000 ASICs de IA fabricados na China (não GPUs Nvidia), consumindo mais de 35 trilhões de tokens de textos em chinês, inglês, multilíngue e código-fonte .
• Licença: Lançado sob a licença MIT de código aberto .
• Disponibilidade: Pesos e código publicados no GitHub, Hugging Face e no site oficial do LongCat; também acessível via API e demonstração online .

Desempenho e Benchmarks

A Meituan afirma que o LongCat-2.0 atinge desempenho comparável ao Gemini 3.1 Pro, do Google . Antes de sua revelação oficial, o modelo operava anonimamente como 'Owl Alpha' no OpenRouter, onde, segundo relatos, liderava os rankings de codificação entre desenvolvedores .

Pontuações-chave em benchmarks divulgadas pela equipe do LongCat no X: Terminal-Bench 2.1: 70,8; SWE-bench Pro: 59,5 (GPT-5.5 com 58,6 para comparação); SWE-bench Multilíngue: 77,3; e FORTE: 73,2 .

Significado Estratégico

O LongCat-2.0 carrega implicações que vão muito além das pontuações em benchmarks:

• Primeiro modelo de trilhão de parâmetros treinado de ponta a ponta em chips nacionais chineses, do pré-treinamento à inferência e implantação — um marco que nem mesmo o DeepSeek-V4-pro alcançou, já que este dependia de hardware doméstico apenas para a inferência .
• Demonstra a capacidade da China de atingir desempenho de IA próximo ao estado da arte sem acesso às GPUs avançadas da Nvidia, que estão sujeitas a restrições de exportação dos EUA .
• Sinaliza um potencial desacoplamento do desenvolvimento de IA chinês das cadeias de suprimento de hardware dos EUA, com implicações para o mercado global de chips de IA e a competição geopolítica em tecnologia .
• Para a Meituan especificamente, posiciona uma gigante de entrega de comida e serviços locais como uma contribuinte séria para modelos de base de IA de código aberto, de forma similar aos movimentos da Alibaba (Qwen) e ByteDance .

Principais Inovações Arquiteturais

O LongCat-2.0 introduz duas melhorias arquiteturais notáveis em relação ao seu predecessor, LongCat-Flash:

1. Atenção Esparsa LongCat (LSA): Uma evolução do mecanismo de atenção esparsa da DeepSeek (DSA), a LSA aborda gargalos de latência no indexador por meio de três otimizações de eficiência independentes: indexação sensível ao fluxo, indexação entre camadas e indexação hierárquica — projetadas para acelerar o processamento de contextos longos sem sacrificar a qualidade do modelo .

2. MOPD (Decodificação de Processo Multi-Objetivo): O modelo organiza seus experts em três grupos especializados — Agente, Raciocínio e Interação — com um roteador de porta que direciona cada token para o grupo apropriado com base no tipo de tarefa .

Disponibilidade e Acesso

Desenvolvedores e pesquisadores podem acessar o LongCat-2.0 sob a permissiva licença MIT. Os pesos do modelo, código de inferência e documentação estão disponíveis no GitHub, Hugging Face e no site oficial do LongCat. Um endpoint de API e uma demonstração interativa online também são fornecidos .