LongCat 2.5: qué es el modelo preliminar de Meituan y qué no es

Pide LongCat 2.5 en la propia plataforma de Meituan y el modelo que obtienes se llama LongCat-2.5-Preview — y ese sufijo no es decoración. Es el ID del modelo, la cadena que aparece en cada ejemplo de código, el nombre en la lista de precios, y la única entrada de LongCat 2.5 que devuelve el endpoint de listado de modelos del proveedor. La LongCat API Platform de Meituan lo puso en funcionamiento bajo una entrada fechada en el registro de cambios el 25 de septiembre de 2026, junto con el único otro modelo de la plataforma, LongCat-2.0. Casi tres semanas después, no se le ha cambiado el nombre, su precio no ha dejado de estar etiquetado como promocional, y nadie —incluido Meituan— ha publicado una sola cifra de benchmark para él.

Esa combinación es la razón de ser de esta página. La interfaz está completamente documentada: un endpoint compatible con OpenAI, uno compatible con Anthropic, una tabla de tarifas publicada, un límite de contexto publicado. El perfil de capacidades no está documentado en absoluto, y una característica destacada se describe de dos maneras distintas en dos páginas del mismo conjunto de documentación. Si estás decidiendo si construir sobre ello, lo útil es una lista precisa de lo que se sabe, lo que se afirma y lo que simplemente está ausente.

Qué es LongCat 2.5 y quién lo publica

LongCat es la línea de modelos de Meituan, y LongCat API Platform es la superficie de servicio propia de Meituan para ella — no una pasarela de terceros. Las preguntas frecuentes de la plataforma describen su servicio como "servicios de proxy de modelos de IA específicamente para los modelos de la serie LongCat", manteniendo compatibilidad con los formatos de API de OpenAI y Anthropic para que los SDK existentes funcionen sin cambios. La dirección de soporte en las propias páginas del proveedor es longcat-team@meituan.com, y el sitio de documentación, la consola y el host de la API se encuentran todos bajo dominios controlados por Meituan y la CDN de recursos estáticos de Meituan.

El catálogo es corto. La tabla de modelos compatibles de la plataforma enumera exactamente dos entradas, LongCat-2.5-Preview y LongCat-2.0, ambas descritas de forma idéntica como un «modelo agéntico de alto rendimiento». El GET /openai/v1/models endpoint devuelve esos mismos dos y nada más, cada uno con owned_by establecido en «LongCat». Así que «LongCat 2.5» no es una familia con variantes entre las que haya que elegir: hay un solo modelo 2.5, es el más nuevo de los dos en la plataforma, y es el que encabeza la propia página de precios de pago por uso de la plataforma.

Lo que el proveedor dice sobre para qué sirve, en la nota de versión, son tres cosas: comprensión de imágenes, programación y compatibilidad con entornos de desarrollo convencionales — se mencionan Claude Code, Hermes, OpenClaw, OpenCode y Kilo Code. Esa nota de versión es la propia entrada fechada del proveedor, y es el único lugar donde aparece cualquiera de esas afirmaciones.

"Preview" es el ID del modelo, no una palabra de marketing.

La distinción importa más de lo habitual, porque en esta plataforma «vista previa» tiene una función estructural en tres sentidos concretos.

En primer lugar, es la cadena que debes enviar. Todas las solicitudes de ejemplo de la documentación — cURL, Python, el ejemplo del SDK de OpenAI, el ejemplo del SDK de Anthropic — usan LongCat-2.5-Preview, y la referencia Retrieve Model la usa como parámetro de ruta. No hay ningún alias GA que enviar en su lugar.

Segundo, el precio es explícitamente provisional. La página de precios coloca las palabras «limited-time» en el encabezado de la columna sobre cada cifra, y cierra con una frase que vale la pena leer dos veces: «Prices are subject to change. The prices shown on the LongCat API Platform and your billing records are authoritative.» Una tarifa que te dice que no es la autoridad para sus propias cifras te está diciendo que no construyas sobre ella un modelo de economía unitaria.

Tercero, no existe ningún compromiso de estabilidad en ninguna parte. No hay ninguna ventana de retirada publicada, ninguna promesa de versionado, ninguna declaración sobre si el modelo conservará el mismo ID cuando se gradúe o sobre si -Preview simplemente se retirará en favor de un nuevo nombre. Ese es el riesgo normal de una versión preliminar, y la forma honesta de asumirlo es esta: puedes llamarlo hoy, pero no puedes dar por hecho que la llamada que escribas hoy sea la llamada que conserves.

Lo que preview no significa aquí es acceso restringido. La plataforma es de autoservicio: regístrate, crea una clave, recarga un saldo prepago. Los usuarios de China continental deben completar la verificación de identidad antes de poder recargar; los usuarios fuera de ella pueden registrarse con un número de teléfono o una dirección de correo electrónico. Nada en la documentación condiciona el acceso al modelo a un proceso de aprobación.

Parámetros y arquitectura: el número del que todo el mundo habla {{1}}pertenece a{{/1}} LongCat 2.0

Meituan no publica ningún recuento de parámetros para LongCat-2.5-Preview. No está en el registro de cambios, ni en la página de precios, ni en la referencia de la API, ni en las preguntas frecuentes. Si has visto «aproximadamente 1,6 billones de parámetros totales con unos 48 mil millones activos» asociado a LongCat 2.5, has visto una cifra de LongCat 2.0 con una etiqueta de 2.5, y el indicio revelador es que la frase casi siempre va matizada con «aproximadamente», porque se está arrastrando desde la ficha del modelo anterior en lugar de leerse en esta.

La fuente de ese número es la propia tarjeta de modelo de Hugging Face de Meituan para longcat-2.0, que comienza: «Presentamos LongCat-2.0, un modelo de lenguaje MoE a gran escala con 1,6 billones de parámetros totales y ~48.000 millones activados por token». Esa tarjeta pasa a describir LongCat Sparse Attention, el preentrenamiento con «cientos de miles de millones de tokens de datos con contexto de 1M», y 135.000 millones de parámetros de N-gram Embedding incluidos en el modelo. Es una arquitectura bien documentada y pertenece a LongCat 2.0. Que 2.5 herede esa forma es una expectativa razonable y un hecho no documentado. Esta página no lo presentará como una especificación de LongCat 2.5, y ninguna otra cosa que leas este mes debería hacerlo tampoco.

Pesos abiertos: no

Meituan publica una gran cantidad de contenido en Hugging Face — la meituan-longcat organización alberga alrededor de treinta repositorios que abarcan modelos de texto, imagen, vídeo y audio, y la familia LongCat-2.0 está ahí al completo: el modelo base junto con sus versiones FP8 e INT8, todas bajo licencia MIT. No existe ningún repositorio de LongCat-2.5. El lanzamiento de generación de texto más reciente de la organización es LongCat-2.0, de principios de julio de 2026, y una búsqueda en el Hub de LongCat-2.5 no devuelve ningún repositorio de Meituan ni de nadie más.

El patrón también es revelador en el otro sentido. Que los pesos de LongCat 2.0 estén abiertos se ve en el ecosistema que se forma en torno a los pesos abiertos: cuantizaciones comunitarias de 3 y 2 bits, conversiones a MLX, compilaciones AutoRound de precisión mixta. Nada de eso existe para 2.5, porque no hay pesos para que nadie los cuantice. Hasta que Meituan publique un repositorio, trata a LongCat-2.5-Preview como un modelo cerrado, solo por API, sea cual sea el futuro de la línea LongCat.

La envolvente que el proveedor publica realmente

Estos datos proceden de la propia documentación y las páginas de precios de Meituan, consultadas el 13 de octubre de 2026. Todos ellos son cifras del propio proveedor; ninguna está verificada de forma independiente, y la última ni siquiera es una cifra.

• Ventana de contexto — 1.048.576 tokens. La respuesta de ejemplo de la referencia de Retrieve Model para LongCat-2.5-Preview devuelve context_length: 1048576, y el inicio rápido indica el mismo límite en prosa como "ventana de contexto de 1M tokens".

• Salida máxima — 131.072 tokens. La guía de inicio rápido lo indica como "una longitud máxima de salida de 128K tokens"; la referencia de Chat Completions sitúa el límite máximo en 131072 y el valor predeterminado en 128k. Un mismo número, tres formas de escribirlo, y la más grande de ellas es el verdadero límite máximo.

• Modalidades de entrada — documentadas como texto. La misma respuesta de Retrieve Model devuelve input_modalities: ["text"] con una cadena de modalidad de text->text. El registro de cambios afirma entrada de imágenes. Estas dos cosas están en el mismo sitio de documentación y no coinciden; la siguiente sección lo aborda.

• Modalidades de salida — texto, con el razonamiento del modelo devuelto por separado en un campo reasoning_content en lugar de entrelazado con la respuesta. Los tokens de razonamiento se contabilizan por separado en el bloque de uso, lo que hace que la atribución de costos en cadenas largas sea manejable.

• Precio por millón de tokens — $0.30 de entrada sin caché, $0.006 de entrada en caché, $1.20 de salida. La página etiqueta los tres como «por tiempo limitado». La misma tabla incluye la tarifa en renminbi, ¥2 / ¥0.04 / ¥8, para cuentas facturadas en China.

• Parámetros — no publicados para este modelo. La forma de 1.6T/48B es la de LongCat 2.0.

• Puntuación independiente — no existe ninguna. No es una puntuación baja: no hay puntuación.

Donde el proveedor se contradice acerca de las imágenes

La afirmación principal del registro de cambios es inequívoca: «Comprensión multimodal: nueva capacidad de comprensión de imágenes, capaz de analizar el contenido de las imágenes, con soporte para preguntas y respuestas entre modalidades, resumen de contenido y razonamiento visual complejo». Para un modelo cuyo único otro diferenciador documentado es ser barato, esa es la característica sobre la que construirías.

La referencia de la API dice lo contrario. Retrieve Model, llamado para este ID de modelo exacto, devuelve input_modalities: ["text"] y output_modalities: ["text"]. La referencia de Chat Completions describe el campo content del mensaje como "Contenido del mensaje como una cadena de texto sin formato" — una cadena, no un array de partes de contenido, sin parámetro de URL de imagen y sin ningún campo de archivo adjunto en el cuerpo de la solicitud documentado. Nada en la interfaz documentada tiene un espacio donde colocar una imagen.

Una de esas dos páginas está desactualizada, y no hay forma de saber cuál desde fuera. El registro de cambios es un anuncio de lanzamiento, y los anuncios se escriben cuando se incorpora una capacidad; la referencia de la API se genera a partir de lo que el endpoint acepta realmente, y las páginas de referencia son lo último que alguien actualiza. Ese razonamiento apunta en una dirección, y es razonamiento en lugar de evidencia, por lo que esta página no afirmará que la entrada de imágenes sea una función operativa. Si la visión es la razón por la que te interesa, dedica diez minutos a enviar una imagen y leer la respuesta. No planifiques una pipeline basándote en la redacción del registro de cambios, y tampoco descartes el modelo basándote en la página de referencia.

No hay ningún punto de referencia. Así están las cosas.

Meituan no ha publicado ningún benchmark para LongCat-2.5-Preview. No hay tabla de evaluación en la documentación, ni gráfico comparativo en el registro de cambios, ni puntuación en la página de precios, ni una entrada de blog de lanzamiento que lo incluya —la propia página del modelo de Meituan para la generación anterior tiene un informe técnico adjunto, y 2.5 no tiene nada equivalente que hayamos podido encontrar en ningún espacio de Meituan. Eso no es una omisión de este artículo; es el primer dato que necesita un comprador.

Tampoco hay una puntuación independiente. Artificial Analysis, que sí mide la línea LongCat —incluye LongCat 2.0 con fecha de lanzamiento del 29 de junio de 2026, y LongCat Flash Lite—, no tenía ninguna entrada de LongCat 2.5 en su índice de modelos cuando lo consultamos el 13 de octubre de 2026. Si ves una cifra de benchmark de LongCat 2.5 este mes, la primera pregunta que hay que hacer es a qué está realmente asociada, porque la respuesta más probable es que sea un resultado de LongCat 2.0 reetiquetado por alguien que asumió que los dos modelos comparten un perfil. La confusión con el recuento de parámetros descrita anteriormente es el mismo error con otro disfraz.

Lo que el proveedor sí afirma, todo ello sin que nadie lo haya reproducido, es la lista de tres elementos del registro de cambios: comprensión multimodal, «capacidad de programación superior» que abarca «generación de código, comprensión de código y tareas de programación automatizadas», y funcionamiento eficiente con Claude Code, Hermes, OpenClaw, OpenCode y Kilo Code. Considera eso como la descripción de intenciones del proveedor. Dos de las tres son afirmaciones que hace toda ficha de modelo de esta clase, y la tercera —la compatibilidad con el entorno— es el tipo de cosa que puedes verificar tú mismo en una tarde apuntando tu agente al endpoint y viendo si las llamadas a herramientas vuelven con una forma que tu harness entiende.

Cómo obtener una respuesta de eso

La plataforma expone dos superficies compatibles a través de una única clave, emitida desde la página Claves de API de la consola y enviada como Authorization: Bearer.

• OpenAI-compatible — POST https://api.longcat.chat/openai/v1/chat/completions. Point the Open​AI SDK's base_url at https://api.longcat.chat/openai and it works unchanged; the vendor's own example sends model: "LongCat-2.5-Preview" with max_tokens: 1000 and temperature: 0.7.

• Anthropic-compatible — POST https://api.longcat.chat/anthropic/v1/messages with the anthropic-version: 2023-06-01 header, and https://api.longcat.chat/anthropic as the Anthrop​ic SDK's base URL. Both request and response formats follow the Messages API.

• Parámetros aceptados — max_tokens hasta 131072 (predeterminado 128k), temperature de 0 a 1, top_p, stream para SSE, tools y tool_choice, y un objeto thinking que acepta {"type":"enabled"} o {"type":"disabled"}. El razonamiento es un interruptor en la solicitud, no un ID de modelo independiente.

• Limitación de tasa — una solicitud que supera el límite devuelve HTTP 429 con retry_after: 60, y la documentación recomienda retroceso exponencial del lado del cliente. No se publica en ningún lugar un límite de solicitudes por minuto o de tokens por minuto, por lo que no se puede dimensionar un presupuesto de concurrencia a partir de la documentación; se descubre el límite al alcanzarlo. Para un bucle de agente que realiza docenas de llamadas por tarea, eso vale la pena saberlo antes del primer 429 en lugar de después.

• Facturación — saldo prepago, se cobra por solicitud, solo en respuestas exitosas. Las solicitudes fallidas —la documentación menciona 401, 403, 429 y 500— no se facturan explícitamente. El saldo no caduca, y el crédito promocional se consume antes que el saldo pagado.

Dos detalles que te costarán una sesión de depuración

El primero es el campo de razonamiento. El propio ejemplo de respuesta del proveedor devuelve un mensaje de asistente que lleva tanto content como reasoning_content, con reasoning_tokens desglosado dentro de usage.completion_tokens_details. Esa no es la forma de OpenAI y no es la forma de Anthropic: es un campo intercalado que llega en cada respuesta. Un cliente que deserializa en un esquema fijo y descarta las claves desconocidas descartará silenciosamente el pensamiento del modelo, y el fallo es invisible, porque la respuesta sigue llegando. Concluirías que el modelo es más débil de lo que es, y estarías equivocado por una razón que no tiene nada que ver con el modelo. Comprueba que tu cliente conserva el campo antes de juzgar la calidad de la salida.

La segunda es la cuestión de modalidad mencionada arriba. Está en esta lista por cómo se distribuyen los dos documentos: el registro de cambios es la página que se lee para entender qué puede hacer el modelo, y la referencia de la API es la página que se lee para entender cómo preguntar. Aquí discrepan sobre el mismo modelo, y la discrepancia es exactamente sobre la función con la que encabeza la nota de la versión.

¿Qué cambiaría esta recomendación?

Esta página es una instantánea, y es una instantánea de un modelo con cuatro preguntas abiertas en lugar de uno ya resuelto. Cinco cosas lo harían avanzar:

• Un cambio de nombre o una entrada de GA en el registro de cambios: el momento en que -Preview deja de ser el ID del modelo, el precio deja de etiquetarse como de tiempo limitado y un compromiso de estabilidad pasa a tener sentido.

• Un benchmark, de Meituan o de una organización de medición, cualquiera de los dos reemplazaría la situación actual, que es que la competencia del modelo es desconocida en lugar de meramente baja.

• Entrada de imágenes demostrada en la referencia en lugar de afirmada en la nota de la versión — la corrección aquí es un cambio de una sola línea en una página generada, y resolvería la única contradicción interna del conjunto de documentación.

• Una divulgación de parámetros o un repositorio de Hugging Face — cualquiera de los dos permitiría debatir la arquitectura 2.5 sobre la base de evidencia en lugar de por herencia de LongCat 2.0.

• Un límite de tasa publicado — el más pequeño de los cinco, y el que más afecta si la carga de trabajo de un agente es planificable.

Mientras tanto, la postura práctica es sencilla, y no es la misma postura que adoptarías con un modelo puntuado, con precio y estable. Un preview sin puntuación a un precio promocional es un modelo que evalúas, no uno al que diriges una ruta de producción — y eso hace que el fallback sea la parte que vale la pena configurar con cuidado. En OrcaRouter, los modelos que servimos están detrás de una sola clave al precio de lista del proveedor con cero margen, por lo que un cambio de precio del proveedor llega a tu factura el mismo día en lugar de en la renovación, y failover automático mueve una solicitud degradada a un proveedor saludable sin que tu código lo sepa. LongCat-2.5-Preview no es una de nuestras rutas y no lo servimos, así que probarlo significa ir directamente a la plataforma de Meituan; el argumento aquí es solo que lo que sea que mantengas detrás de él debería costarte una línea de configuración para llegar a él, porque la pregunta que plantea este modelo — ¿es lo suficientemente bueno para mi trabajo? — es una que solo puedes responder ejecutándolo, y la respuesta bien podría ser no.

Que es la forma de todo el asunto. LongCat 2.5 es un modelo real en una plataforma real con una interfaz documentada, un precio publicado y una ventana de contexto de 1M tokens, y también es una preview cuyos parámetros, benchmark y soporte de visión aún no están establecidos. Ambas mitades son ciertas, ambas merecen quedar por escrito, y la segunda mitad es la que nadie republica.