Meituan treinou um modelo de 1,6 trilhão sem chip Nvidia

A Meituan é conhecida na China por entregar comida. No fim de junho, ela entregou outra coisa: o LongCat-2.0, um modelo de linguagem de 1,6 trilhão de parâmetros com pesos abertos, arquitetura Mixture of Experts e janela de contexto nativa de 1 milhão de tokens. Número grande, mas o número não é a manchete. A manchete é a frase que a empresa colou no anúncio: treino e inferência rodaram inteiros em chips fabricados na China, sem uma única GPU da Nvidia.

Se isso se confirmar de fora, é o sinal mais concreto do ano de que o gargalo de silício que os Estados Unidos tentaram criar começou a vazar.

A parte difícil não é rodar, é treinar

Vale separar duas etapas que costumam ser confundidas. Inferência é o modelo respondendo a você depois de pronto. Treino, e em especial o pré-treino, é a fase em que o modelo é construído, engolindo trilhões de tokens ao longo de semanas num cluster gigante. O pré-treino é a carga pesada: exige milhares de aceleradores conversando em alta velocidade sem parar, e uma única instabilidade de hardware ou de interconexão pode derrubar dias de trabalho.

Foi por isso que os esforços chineses anteriores, mesmo os bons, usavam chip doméstico só para a inferência e mantinham o pré-treino nas GPUs importadas. A Meituan diz ter feito o ciclo inteiro, treino e inferência, num cluster de cerca de 50 mil aceleradores chineses. Ela chama o LongCat-2.0 de primeiro modelo de trilhão de parâmetros do setor a completar treino e inferência só em hardware doméstico.

Essa é a diferença de degrau. Não é "a China consegue rodar IA sem Nvidia", que já era verdade. É "a China consegue construir um modelo de fronteira sem Nvidia", que é uma afirmação bem maior.

O que está confirmado e o que não está

Duas coisas dá para verificar hoje: o modelo existe e os pesos estão abertos para download. O tamanho, 1,6 trilhão de parâmetros com ativação esparsa, e o contexto de 1 milhão de tokens, são declarados na documentação de lançamento.

Uma coisa não dá para verificar ainda: a afirmação de que nenhuma GPU Nvidia tocou no treino. Ela vem da própria Meituan. Ninguém de fora auditou o cluster, e os detalhes que mais interessam para quem paga a conta, custo de treino, eficiência por token e estabilidade do cluster, não foram abertos junto com os pesos. Então a régua honesta aqui é: peso aberto é fato, silício 100% doméstico é alegação plausível e não confirmada. Tratamos como sinal forte, não como sentença.

Também não entramos no jogo de benchmark. A Meituan posiciona o LongCat-2.0 entre os grandes modelos abertos, mas comparação de qualidade contra os modelos fechados de ponta pede avaliação independente que, no momento desta publicação, ainda não estava consolidada. Quem quiser cravar que ele é melhor ou pior que tal concorrente está inventando, não medindo.

Encaixa num mês que já vinha gritando isso

O anúncio não caiu no vácuo. Poucas semanas depois, a WAIC 2026 em Xangai virou uma vitrine de silício de agente, com fabricantes chineses alinhando chips e supernós para reduzir a dependência de importação. Antes disso, a DeepSeek já desenhava um chip próprio de inferência, e a Apple homologou o Qwen para a China em vez de levar o próprio modelo para lá. Cada um desses movimentos apontava para o mesmo lugar. O LongCat-2.0 é o que faltava para fechar a frase: se você consegue treinar o modelo mais pesado em chip local, o resto da pilha já não é o gargalo.

A pergunta deixou de ser se a China roda IA sem Nvidia. Passou a ser quanto tempo o controle de exportação ainda segura alguma coisa.

O que isso muda para a operação por aqui

Para um time no Brasil, três leituras práticas.

Primeira, é oferta, não ameaça. Um modelo forte de peso aberto a mais é uma opção a mais na sua prateleira. Peso aberto de 1,6 trilhão de parâmetros não roda no seu notebook, mas roda em provedor de nuvem, e mais concorrência de modelos abertos capazes pressiona preço de inferência para baixo. Quem monta pilha de IA em produção ganha poder de barganha quando o mercado deixa de ter dois ou três donos.

Segunda, é aula de cadeia de suprimentos. A lição não é sobre a China, é sobre concentração. Se um controle de exportação de chip pode ser contornado com anos de esforço nacional, o seu próprio risco também está em depender de um único fornecedor, de um único modelo, de uma única nuvem. Vale olhar a sua arquitetura e perguntar onde você tem ponto único de falha que um fornecedor pode fechar ou encarecer sem aviso. Roteamento entre modelos e portabilidade de peso deixaram de ser luxo de engenheiro purista, e são a mesma alavanca de custo que Steve Yegge chama de rotear cada tarefa para o modelo mais burro que dá conta.

Terceira, é lembrete de método. A régua continua sendo avaliação, não anúncio. Antes de trocar seu modelo atual por um LongCat da vida porque é grande e é aberto, rode ele contra a sua própria suíte de casos reais. O tamanho do modelo e a nacionalidade do chip não dizem nada sobre a sua tarefa. Seu eval diz.

O sinal de fundo é que a fronteira de IA está deixando de ter um único endereço. Isso é bom para quem opera, porque opção derruba preço e reduz risco, e ruim para quem apostou que o gargalo de silício ia congelar o mapa. Ele não congelou.

Se você quer desenhar uma pilha de IA que não fica refém de um único fornecedor de modelo ou de chip, fala com a gente no WhatsApp.