Meituan lança LongCat-2.5, modelo multimodal de 1,6 trilhão de parâmetros feito para agentes de programação

Quando penso na Meituan, penso em entrega de comida na China, não em inteligência artificial. Mas a empresa vem levando a sério a sua família de modelos LongCat, e acaba de apresentar o LongCat-2.5, apresentado em 1º de novembro no blog oficial da equipe.

O que muda em relação ao 2.0

O modelo tem 1,6 trilhão de parâmetros no total, mas só cerca de 48 bilhões são ativados a cada token, graças à arquitetura de especialistas (MoE). A novidade principal é a multimodalidade nativa: imagens são transformadas em tokens discretos e processadas junto com o texto no mesmo fluxo, sem um codificador visual separado durante o treino. Na prática, a Meituan promete que o modelo consegue olhar um layout ou uma imagem de referência e transformar isso em código, além de lidar com design e tarefas em 3D.

O outro foco é o trabalho de longo prazo. A equipe diz ter treinado o modelo com aprendizado por reforço em tarefas longas, como mexer em bases de código complexas e montar projetos completos, e transformou falhas reais de agentes em novos exercícios de treino. Nos testes, ele trabalhou dentro de ferramentas como Claude Code e Codex.

Números que pedem cautela

Na tabela publicada pela própria empresa, o LongCat-2.5 marca 88,4 no Terminal Bench v2.1, perto dos 89,1 do Claude Opus 5, e 91,9 no BrowseComp, acima do Opus 5 e do GPT-5.6-Sol. São resultados autodeclarados, então vale esperar avaliações independentes. Também chama a atenção o detalhe de infraestrutura: o treino e a inferência em 4 bits foram otimizados para aceleradores fabricados na China.

O anúncio não fala em pesos abertos para o 2.5, ao contrário de alguns LongCat anteriores, então vale acompanhar os próximos passos da Meituan. Os detalhes técnicos estão no anúncio oficial do LongCat-2.5.