Meituan, il colosso cinese della consegna a domicilio diventato a sorpresa uno dei protagonisti dell'IA open source, ha pubblicato il 31 luglio 2026 su Hugging Face un nuovo modello a pesi aperti: LongCat-Flash-Lite-Sparse. E' una versione "leggera e sparsa" della famiglia LongCat, pensata per far girare un modello capace, con contesto lunghissimo, anche su una singola macchina. Licenza MIT, quindi utilizzabile liberamente anche in ambito commerciale.
Cosa e' e cosa cambia
LongCat-Flash-Lite-Sparse e' un modello Mixture-of-Experts (MoE) con circa 69 miliardi di parametri totali, di cui pero' solo circa 3 miliardi attivi per ogni token generato. E' proprio questo il trucco che lo rende efficiente: invece di attivare tutti i parametri a ogni passo, il modello ne accende solo una piccola frazione, riducendo drasticamente il costo di calcolo. Supporta nativamente contesti fino a 1 milione di token e introduce la LongCat Sparse Attention (LSA), un meccanismo di attenzione descritto dall'azienda come un'evoluzione della Sparse Attention di DeepSeek, che avvicina il costo del contesto lungo a un andamento lineare invece che quadratico.
Come scaricarlo e provarlo
Il modello e' pubblico su Hugging Face all'indirizzo meituan-longcat/LongCat-Flash-Lite-Sparse, in formato safetensors e con licenza MIT. Per scaricarlo bastano gli strumenti standard dell'ecosistema Hugging Face. Prima si installa il client a riga di comando:
pip install -U "huggingface_hub[cli]" transformersPoi si scaricano i pesi in una cartella locale:
huggingface-cli download meituan-longcat/LongCat-Flash-Lite-Sparse \
--local-dir ./longcat-flash-lite-sparseAttenzione ai requisiti hardware: pur essendo "lite", con 69 miliardi di parametri totali il modello richiede una GPU di fascia data-center. La documentazione della famiglia LongCat indica che le varianti Flash-Lite possono essere servite su un singolo nodo (ad esempio una GPU H20 da 141 GB di memoria). Non e' un modello da far girare sul portatile di casa, ma e' alla portata di un server aziendale o di un servizio cloud a noleggio orario.
Per l'inferenza a prestazioni, l'approccio consigliato con modelli MoE di queste dimensioni e' un motore come vLLM, che gestisce in modo efficiente batching e memoria. In alternativa, per un test rapido si puo' usare la libreria transformers di Hugging Face con codice Python standard, tenendo presente che serve comunque hardware adeguato.
Un prompt di prova, una volta caricato il modello, potrebbe essere:
Sei un assistente tecnico. Ho un file di log di 400.000 righe. Spiegami una strategia passo per passo per individuare gli errori ricorrenti e riassumere le cause piu' probabili, sfruttando il tuo contesto lungo.
Il risultato atteso e' una risposta strutturata che, grazie al milione di token di contesto, puo' in teoria ingerire e ragionare su documenti molto voluminosi senza doverli spezzare.
Perche' interessa anche in Italia
Il rilascio si inserisce nell'ondata di modelli aperti cinesi che ha ridefinito il settore nel 2026, da DeepSeek a Qwen fino a Kimi K3. Per un'azienda o un ente italiano, un modello a pesi aperti con licenza MIT e contesto da un milione di token e' un'opzione concreta: si puo' installare sui propri server, adattare a compiti specifici, e usare senza inviare dati sensibili a fornitori esterni. Il tema si lega direttamente al dibattito politico sui modelli aperti, dove Washington valuta restrizioni proprio sui sistemi cinesi.
Le cautele restano quelle tipiche dei modelli open recenti: i benchmark citati provengono in gran parte dai test interni dell'azienda e attendono verifica indipendente; l'efficienza reale dipende molto dall'hardware e dal software di inferenza; e la disponibilita' di documentazione dettagliata, spesso in inglese e cinese, puo' rendere l'adozione meno immediata rispetto ai servizi commerciali "chiavi in mano". Detto questo, LongCat-Flash-Lite-Sparse conferma la velocita' con cui l'open source cinese continua a spostare in avanti la frontiera di cio' che si puo' scaricare e far girare in casa.
Perche' "sparso" e' la parola chiave
Il termine tecnico che ricorre nel nome del modello - "sparse", sparso - merita una spiegazione perche' e' la vera innovazione. Nei modelli tradizionali, generare ogni parola richiede di far lavorare tutti i parametri; e' come accendere ogni volta l'intera centrale elettrica per illuminare una stanza. I modelli Mixture-of-Experts introducono degli "esperti" specializzati e, per ogni token, ne attivano solo alcuni: la centrale accende solo i generatori che servono. La LongCat Sparse Attention aggiunge un secondo livello di risparmio, applicando lo stesso principio al meccanismo di attenzione, quello che permette al modello di "guardare" indietro nel testo. Su contesti da un milione di token questo fa un'enorme differenza: senza queste ottimizzazioni, il costo crescerebbe con il quadrato della lunghezza, rendendo proibitivo elaborare documenti molto lunghi.
Casi d'uso concreti
A cosa serve, in pratica, un modello con contesto da un milione di token e alta efficienza? Gli scenari piu' naturali sono quelli che richiedono di ragionare su grandi volumi di testo tutto insieme: analisi di interi codici sorgente, revisione di lunghi contratti o documentazione tecnica, sintesi di archivi di log, assistenza su basi di conoscenza aziendali senza doverle spezzare in frammenti. Sono compiti dove i modelli con contesto corto obbligano a complicati sistemi di recupero delle informazioni, mentre un contesto lunghissimo permette approcci piu' diretti. La famiglia LongCat, inoltre, ha mostrato un orientamento marcato verso le capacita' agentiche e la programmazione, terreni in cui la Cina open source sta accumulando risultati notevoli. Per chi in Italia sviluppa strumenti interni o prodotti verticali, avere un modello del genere a licenza MIT significa poter costruire senza vincoli di licenza e senza cedere dati a terzi: un tassello in piu' nella cassetta degli attrezzi dell'IA aperta.
