Duas semanas antes de a Meituan lançar o LongCat-2.0, um ensaio amplamente compartilhado resumia em uma frase a questão angustiante da IA chinesa: sem acesso aos melhores chips da NVIDIA, alguém ainda consegue construir um modelo de classe mundial? Por um ano e meio, essa ansiedade havia se cristalizado em consenso — desde a proibição de venda dos A100 até as restrições aos H20, da aparente insubstituibilidade do CUDA aos fosso de engenharia em torno dos grandes clusters de treinamento, todos repetiam a mesma pergunta: o computo nacional realmente funciona?
Em 30 de junho, a Meituan respondeu com um modelo que torna a pergunta obsoleta. LongCat-2.0: 1,6 trilhão de parâmetros (cerca de 48 bilhões de ativação média), arquitetura mixture-of-experts, contexto de um milhão de tokens. Esses números, por si só, não chamariam a atenção nos rankings de hoje — o DeepSeek-V4-Pro registra 1.6T/49B/1M e até leva vantagem em alguns benchmarks. Mas o LongCat-2.0 carrega um rótulo que nenhum concorrente pode reivindicar: do pré-treinamento à inferência, ele jamais tocou em uma única GPU NVIDIA ou AMD. Cerca de 50.000 aceleradores nacionais (o consenso da comunidade aponta para o Ascend 910C da Huawei), pré-treinado do zero com 30 trilhões de tokens, estável até o fim — sem rollbacks, sem picos de perda irrecuperáveis. Não é uma demonstração de laboratório. É uma execução de produção nos clusters reais da maior empresa de entrega de comida da China.
Mas aqui vai a parte honesta: se o LongCat-2.0 tivesse apenas provado que “chips nacionais conseguem treinar modelos de trilhões de parâmetros”, seria uma narrativa política, e não uma história técnica. O que o torna genuinamente importante é o segundo teto que ele expôs — um que se aplica a toda a indústria, Vale do Silício incluído.
A Primeira Parede: Um Milagre de Engenharia de Pré-Treinamento do Zero
A escolha de palavras importa aqui: “pré-treinamento do zero” e “pós-treinamento em chips nacionais” são esportes diferentes. No início de junho, uma equipe de Shenzhen, em parceria com o Instituto de Tecnologia de Harbin e a Huawei, executou o pós-treinamento com parâmetros totais dos pesos existentes do DeepSeek-V4-Pro em um cluster Ascend 910C — mais de 1.500 passos estáveis, um feito de engenharia genuíno que provou que as placas nacionais conseguem fazer fine-tuning de um modelo de trilhão de parâmetros. Mas fine-tuning é reformar uma casa cuja fundação outra pessoa construiu.
O pré-treinamento do zero é fazer a sua própria fundação e depois erguer a torre. Um modelo MoE de 1,6 trilhão de parâmetros em 50.000 placas nacionais confronta você com todo o inventário: memória por placa muito abaixo da série H (o 910C tem cerca de 64GB de HBM contra os 80GB do H100), banda de interconexão atrás do par NVLink/NCCL da NVIDIA, uma stack de software CANN/HCCL com grandes lacunas de maturidade em relação ao CUDA, e taxas de falha que crescem exponencialmente conforme o cluster escala.
As respostas de engenharia da Meituan, segundo as divulgações públicas, parecem uma campanha de cerco. Tratamento de exceções do HCCL mais recuperação automática de falhas reduziu a taxa média diária de falhas mensais em mais de 70%. Operadores totalmente determinísticos desenvolvidos internamente garantem resultados bit a bit consistentes, de modo que uma reexecução nunca diverge. As equipes espremeram o agendamento de pipeline, o gerenciamento de memória e a otimização de operadores por núcleo até que o MFU de treinamento subisse 1,5x, ultrapassando 30%, com throughput em regime permanente superior a um trilhão de tokens por dia. Um engenheiro que viveu trabalhos semelhantes descreveu o pré-treinamento nacional como construir a mesma torre de um cluster NVIDIA com pás menores e esteiras mais lentas — e sem plantas herdadas, porque o manual do CUDA simplesmente não é transferível. A equipe do LongCat terminou a torre, e as avaliações de ocupação — tráfego total entre os três primeiros do mundo no OpenRouter sob o pseudônimo anônimo Owl Alpha, atrás apenas do Claude Opus dentro do próprio Claude Code — sugerem que a torre é confortável para se morar.
A parede caiu. Mas seu verdadeiro significado não é “a substituição nacional funcionou”. É que a questão central da IA chinesa migrou de “conseguimos?” para “devemos?” — não é mais uma questão de possibilidade técnica, mas de alocação comercial: vale a pena investir em engenharia para adaptar e otimizar? A resposta agora é óbvia, e uma consequência merece mais atenção do que recebeu: empresas fora do mercado de nuvem que operam computo próprio são o melhor terreno para a adaptação de chips nacionais — livres do lock-in da stack CUDA das nuvens públicas e de milhões de pessoas-mês de custo de migração, elas podem escolher hardware do zero, como uma startup.
A Segunda Parede: A Esparsidade do MoE em 97% Encerra a Corrida do Empilhamento
Se a história do computo fosse tudo que o LongCat-2.0 tivesse, ele seria arquivado como “marco da substituição nacional” e passado para o lado. Mas o blog técnico da Meituan escondeu uma frase que importa mais do que a história dos chips, e ela merece ser citada na íntegra:
A esparsidade MoE do modelo, excluindo o N-gram Embedding, atingiu cerca de 97%; expandir ainda mais os parâmetros de especialistas em 135B gera ganhos de desempenho desprezíveis.
Vamos destrinchar isso. A lógica central do MoE é dividir um modelo em muitos “especialistas” e ativar apenas uma pequena fatia por token, permitindo que os parâmetros totais cresçam enquanto o computo por token permanece limitado. DeepSeek-V3: 671B no total, 37B ativos, esparsidade de aproximadamente 94%. V4-Pro: 1.6T sobre 49B, cerca de 97%. LongCat-2.0: também 97%. E os dados da Meituan dizem que, em 97%, adicionar especialistas produz ganhos pequenos demais para serem medidos.
Um contrafactual brutal deixa o ponto claro. Suponha que o LongCat dobrasse seu conjunto de especialistas para 3,2 trilhões de parâmetros no total. Com 97% de esparsidade, cada token ainda ativaria os mesmos ~48B. Você paga o dobro por hardware e memória para executar um forward pass indistinguível do atual. Isso não é escalonamento; é comprar o privilégio de um número maior na ficha do modelo.
Este é um problema de assíntota, não de ajuste fino. Por dois anos, a melodia principal da indústria foi empilhar especialistas: 560B, depois 671B, depois 1T, depois 1.6T, com a contagem total de parâmetros como o argumento de marketing em todo pitch de investimento. O número da Meituan declara o fim dessa estrada — e o fato de o DeepSeek-V4-Pro ter chegado independentemente aos mesmos 97% significa que não se trata da coincidência de uma equipe; é um sinal estrutural sobre toda a rota técnica. Quando “maior” deixa de comprar “melhor”, a competição migra para as dimensões para as quais a própria Meituan migrou: eficiência de atenção por meio do LongCat Sparse Attention, contexto de um milhão de tokens comercialmente viável, qualidade de dados de pós-treinamento via MOPD multiobjetivo, e controle de custo de inferência. Esse é o campo de batalha pós-MoE, e ele recompensa a profundidade de engenharia em vez do volume de parâmetros.
Duas Paredes, Uma Narrativa Reescrita
Ao lado dos resultados, o LongCat-2.0 rompeu dois tetos ao mesmo tempo: a parede da autonomia de computo — de “chips nacionais conseguem rodar inferência”, passando por “conseguem treinar modelos de trilhões de parâmetros”, até “conseguem fazer isso de forma lucrativa em escala” — e a parede da eficiência arquitetural, onde a competição no MoE passa de “de quem é o modelo maior” para “de quem é o modelo mais inteligente”.
Antes de 30 de junho, era possível ouvir em qualquer conferência: chips nacionais servem para inferência, mas não conseguem treinar. Esse consenso agora está destroçado — não pelo slide de um fabricante de chips, mas por uma empresa que atende centenas de milhões de usuários diários e gastou anos reais de engenharia para provar o contrário. O custo importa como contexto: o investimento em IA da Meituan é possivelmente o maior entre empresas chinesas fora dos gigantes de nuvem, abrangendo design de chips (Moore Threads, MetaX, UNISOC) até IA incorporada (Unitree, Galaxy General). Essa foi uma aposta estratégica num relógio de três anos, e o retorno chegou no prazo. Enquanto isso, a queda da segunda parede encerra a era da contagem de parâmetros para todos: se 97% de esparsidade é a assíntota, parâmetros totais adicionais compram orçamento de marketing, não capacidade. Para DeepSeek, Zhipu, Alibaba, ByteDance e os demais, a corrida armamentista dos últimos dois anos acabou — não porque modelos maiores se tornaram impossíveis, mas porque modelos maiores deixaram de importar. A próxima rodada será otimização de eficiência, adequação a cenários e controle de custo, decidida pela profundidade de engenharia.
Três Grupos, Três Sinais
Se você constrói modelos de fundação — pare de competir na contagem total de parâmetros. Dentro de um orçamento fixo de ativação de 30-50B, as batalhas reais são a qualidade do pós-treinamento, a eficiência da atenção esparsa, o custo de inferência e o desempenho real de agentes. Mova o orçamento de expansão de especialistas para essas frentes agora, porque a Meituan e a DeepSeek já publicaram o teto que você estaria correndo para alcançar.
Se você fabrica chips nacionais — o feedback de engenharia do LongCat são dados de produção raros e genuínos. Memória por placa, banda de interconexão, cobertura de operadores, estabilidade do cluster: esses são os pontos onde as equipes de modelos realmente sangram. Concentre recursos nesses pontos de dor em vez de recordes de benchmark por placa; os compradores leem taxas de falha, não apresentações de lançamento.
Se você constrói aplicações de IA — o LongCat-2.0 é open-source sob MIT, com o segundo maior tráfego global em coding agêntico no OpenRouter. Você pode rodar um modelo de trilhão de parâmetros validado em tarefas reais de código, a um custo agressivo (a Meituan cobra cerca de 9,9 RMB por 50 milhões de tokens). Para equipes que constroem ferramentas de código, a combinação de um modelo de pesos abertos com inferência nacional de baixo custo não é uma manchete de orgulho nacional; é arbitragem de infraestrutura, disponível hoje.
Fontes: blog técnico oficial da Meituan LongCat; IT Home; 36Kr; QbitAI; análises da comunidade e cobertura da Geopolitechs. Pesos: Hugging Face, meituan-longcat/LongCat-2.0.
