A equipe LongCat da Meituan lançou o LongCat-2.5 em 1º de novembro. Em relação à versão de pré-visualização, que entrou no ar em 25 de setembro, agora há um relatório técnico completo e uma tabela de avaliações. O modelo já pode ser testado no site oficial e a API está integrada, mas a versão de código aberto não foi liberada: as entradas de GitHub e HuggingFace na página mostram "em breve". O caminho é diferente do LongCat-2.0, do fim de junho, que já nasceu com código aberto.
A escala do modelo não mudou: 1,6 trilhão de parâmetros no total e cerca de 48 bilhões ativados por token. O que mudou foi a direção das capacidades: primeiro, multimodalidade nativa; segundo, programação com agentes voltada a tarefas de longo prazo.
Salto grande sobre o 2.0, resultados mistos frente aos líderes
A tabela oficial lista mais de 30 avaliações; escolhemos algumas representativas:
| Avaliação | LongCat-2.5 | LongCat-2.0 | GPT-5.6 Sol | Opus 5 | GLM-5.3 | Kimi K3 | DeepSeek V4.1 Flash |
|---|---|---|---|---|---|---|---|
| Terminal Bench v4.0 | 38.5 | 3.0 | 37.3 | 53.9 | 41.8 | 12.6 | 31.2 |
| Program Bench | 25.5 | 2.5 | 23.0 | 37.0 | 19.0 | 17.5 | 20.3 |
| DeepSWE v1.1 | 64.6 | 9.7 | 72.7 | 68.8 | 66.9 | 67.5 | 74.2 |
| NL2Repo | 60.5 | 40.9 | 56.8 | 75.3 | 58.0 | 58.0 | 65.4 |
| BrowseComp | 91.9 | 79.9 | 90.4 | 90.8 | 81.0 | 91.2 | 91.5 |
| 3DCodeBench | 55.4 | - | 52.3 | 54.3 | 53.4 | 49.3 | 53.3 |
Alguns sinais são bem claros. Em projetos que exigem rodar um trabalho de engenharia completo por muito tempo, o avanço sobre o 2.0 é o maior: Terminal Bench v4.0 e Program Bench subiram mais de dez vezes. Em BrowseComp, ResearchRubrics, ALE e 3DCodeBench, a pontuação do LongCat-2.5 é a mais alta da tabela oficial. Na maioria das tarefas de escrita de código, ele ainda fica atrás do Opus 5, e os 64,6 pontos no DeepSWE são o menor valor entre os concorrentes da tabela acima.
Há três ressalvas ao ler essa tabela. Primeiro, entre os modelos comparados não há a série GPT-6, o Opus 5.5 nem o Fable 5.1, ou seja, o LongCat-2.5 não foi colocado lado a lado com esses modelos mais novos. Segundo, as pontuações dos concorrentes com asterisco vêm de relatórios públicos, enquanto as sem asterisco foram medidas pela própria Meituan, e a empresa também anotou "apenas para referência". Terceiro, o harness e os parâmetros não são uniformes entre as avaliações. Até agora não há reprodução por instituições independentes, de modo que, por ora, esses números só podem ser lidos como o relato da própria Meituan.
Como a visão entra no modelo principal
Na parte multimodal, as imagens são codificadas em tokens discretos de vários níveis, de modo que o modelo principal processa visão e texto na mesma forma de token. Como o tokenizador visual é fixo, os IDs dos tokens podem ser calculados antes e guardados em cache, e o grafo de computação do treinamento deixa de ter um codificador visual. A equipe afirma que isso simplifica o empacotamento de sequências longas e melhora o balanceamento de carga no treinamento distribuído.
A empresa apresenta essa capacidade junto com a programação e a chama de Visual Coding; as demonstrações incluem simulação de fluidos em tempo real, exibição 3D de relíquias culturais e uma maquete urbana.
A capacidade para tarefas longas é construída com aprendizado por reforço. As tarefas de treinamento são sintetizadas a partir de repositórios públicos do GitHub e de cenários de código internos, e as trajetórias em que agentes reais falharam também são convertidas em problemas de treinamento reproduzíveis. Para impedir que o modelo tome atalhos, o ambiente corta a rede, apaga o histórico do git e o cache de arquivos, e um LLM judge acompanha a trajetória, descontando pontos extras por raciocínio repetido e chamadas repetidas de ferramentas.
Os números do lado da computação
O relatório dedica bastante espaço às placas aceleradoras nacionais, e o limite de memória de vídeo inferior a 80 GB por placa é citado repetidamente. Os dois resultados de otimização divulgados são:
- Treinamento com sequências longas: com a adoção de uma configuração de FSDP projetada para supernós, o throughput por placa subiu 86% em relação à base DDP;
- Inferência W4A4: tanto os pesos dos especialistas quanto as ativações são quantizados em 4 bits; em testes de carga online, em comparação com a base W8A8, o throughput de prefill aumentou 43,3% e o de decode 42,77%, enquanto TTFT e TPOT caíram 15,91% e 19,72%, respectivamente.
O relatório não informa qual fabricante forneceu as placas, quantas foram usadas nem quanto custou o treinamento. O blog técnico também não lista o preço da API da versão oficial; a pré-visualização teve um preço promocional por tempo limitado, e os novos preços dependem dos comunicados da plataforma aberta. A data do código aberto igualmente não foi divulgada. Só depois que os pesos forem liberados o público externo poderá verificar essa tabela de avaliações por conta própria.
Fontes: relatório técnico oficial e tabela de avaliações do LongCat, CocoLoop, ITHome; todas as pontuações seguem os critérios divulgados oficialmente, e as dos concorrentes vêm em parte de relatórios públicos e em parte de testes da própria Meituan.