LongCat 2.5 : ce qu'est le modèle Preview de Meituan, et ce qu'il n'est pas

Demandez LongCat 2.5 sur la propre plateforme de Meituan et le modèle que vous obtenez s'appelle LongCat-2.5-Preview — et ce suffixe n'est pas une décoration. C'est l'ID du modèle, la chaîne dans chaque exemple de code, le nom sur la liste de prix, et la seule entrée LongCat 2.5 que renvoie le point de terminaison de liste des modèles du fournisseur. La LongCat API Platform de Meituan l'a mis en ligne sous une entrée de journal des modifications datée du 25 septembre 2026, aux côtés de l'unique autre modèle de la plateforme, LongCat-2.0. Près de trois semaines plus tard, il n'a pas été renommé, son prix n'a pas cessé d'être qualifié de promotionnel, et personne — y compris Meituan — n'a publié un seul chiffre de benchmark à son sujet.

Cette combinaison est la raison d’être de cette page. L’interface est entièrement documentée : un point de terminaison compatible avec OpenAI, un autre compatible avec Anthropic, une grille tarifaire publiée, une limite de contexte publiée. Le profil de capacités n’est pas documenté du tout, et une fonctionnalité phare est décrite de deux façons différentes par deux pages du même ensemble de documentation. Si vous vous demandez si vous devez vous appuyer dessus, ce qui est utile, c’est une liste précise de ce qui est connu, de ce qui est affirmé et de ce qui est simplement absent.

Qu'est-ce que LongCat 2.5, et qui le publie ?

LongCat est la gamme de modèles de Meituan, et la plateforme API LongCat est la surface de service propre à Meituan pour celle-ci — pas une passerelle tierce. La FAQ de la plateforme décrit son service comme « des services de proxy de modèles d’IA spécifiquement destinés aux modèles de la série LongCat », en maintenant la compatibilité avec les formats d’API Open​AI et Anthrop​ic afin que les SDK existants fonctionnent sans modification. L’adresse d’assistance sur les pages du fournisseur lui-même est longcat-team@meituan.com, et le site de documentation, la console et l’hôte de l’API se trouvent tous sous des domaines contrôlés par Meituan et le CDN d’assets statiques de Meituan.

Le catalogue est court. Le tableau des modèles pris en charge par la plateforme ne contient que deux entrées, LongCat-2.5-Preview et LongCat-2.0, toutes deux décrites de manière identique comme un « modèle agentique haute performance ». Le GET /openai/v1/modelsrenvoie ces deux mêmes modèles et rien d'autre, chacun avec owned_bydéfini sur « LongCat ». Ainsi, « LongCat 2.5 » n'est pas une famille avec des variantes entre lesquelles choisir — il y a un seul modèle 2.5, c'est le plus récent des deux sur la plateforme, et c'est celui que la page de tarification à l'usage de la plateforme elle-même met en avant.

Ce à quoi le fournisseur dit qu’il sert, dans la note de version, se résume à trois choses : la compréhension d’images, le codage et la compatibilité avec les environnements de développement courants — Claude Code, Hermes, OpenClaw, OpenCode et Kilo Code sont cités. Cette note de version est l’entrée datée du fournisseur lui-même, et c’est le seul endroit où l’une de ces affirmations apparaît.

« Preview » est l'identifiant du modèle, et non un terme marketing.

La distinction compte davantage qu’à l’ordinaire, car sur cette plateforme, « preview » joue un rôle déterminant de trois manières concrètes.

D'abord, il s'agit de la chaîne que vous devez envoyer. Chaque exemple de requête dans la documentation — cURL, Python, l'exemple du SDK OpenAI, l'exemple du SDK Anthropic — utilise LongCat-2.5-Preview, et la référence Retrieve Model l'utilise comme paramètre de chemin. Il n'y a pas d'alias GA à envoyer à la place.

Deuxièmement, le prix est explicitement provisoire. La page de tarification place les mots « durée limitée » dans l’en-tête de colonne au-dessus de chaque chiffre, et se termine par une phrase qui mérite d’être lue deux fois : « Les prix sont susceptibles de changer. Les prix affichés sur la LongCat API Platform et vos relevés de facturation font foi. » Une grille tarifaire qui vous dit qu’elle ne fait pas foi pour ses propres chiffres vous dit de ne pas bâtir de modèle d’économie unitaire sur elle.

Troisièmement, aucun engagement de stabilité n'existe nulle part. Il n'existe aucune fenêtre de dépréciation publiée, aucune promesse de versionnage, aucune déclaration indiquant si le modèle conservera le même ID lorsqu'il passera en version définitive ou si -Preview sera simplement retiré au profit d'un nouveau nom. C'est le risque normal d'une préversion, et la manière honnête de l'assumer est la suivante : vous pouvez l'appeler aujourd'hui, et vous ne pouvez pas supposer que l'appel que vous écrivez aujourd'hui est celui que vous conserverez.

Ce que « preview » ne signifie pas ici, c’est un accès restreint. La plateforme est en libre-service : inscrivez-vous, créez une clé, rechargez un solde prépayé. Les utilisateurs en Chine continentale doivent effectuer une vérification d’identité avant de pouvoir recharger ; les utilisateurs en dehors peuvent s’inscrire avec un numéro de téléphone ou une adresse e-mail. Rien dans la documentation ne conditionne l’accès au modèle à un processus d’approbation.

Paramètres et architecture : le nombre que tout le monde cite appartient à LongCat 2.0

Meituan ne publie aucun nombre de paramètres pour LongCat-2.5-Preview. Il ne figure pas dans le journal des modifications, ni sur la page de tarification, ni dans la référence de l’API, ni dans la FAQ. Si vous avez vu « environ 1,6 billion de paramètres au total, dont environ 48 milliards d’actifs » associé à LongCat 2.5, vous avez vu un chiffre de LongCat 2.0 portant une étiquette 2.5 — et l’indice révélateur, c’est que la phrase est presque toujours nuancée par « approximativement », parce qu’elle est reprise de la fiche de l’ancien modèle plutôt que lue directement sur celle-ci.

La source de ce chiffre est la fiche de modèle Hugging Face de Meituan pour longcat-2.0, qui commence ainsi : « Nous présentons LongCat-2.0, un modèle de langage MoE à grande échelle avec 1,6 billion de paramètres au total et ~48 milliards activés par token. » Cette fiche décrit ensuite LongCat Sparse Attention, un pré-entraînement sur « des centaines de milliards de tokens de données à contexte de 1M », et 135 milliards de paramètres d'Embedding N-gram inclus dans le modèle. C'est une architecture bien documentée, et elle appartient à LongCat 2.0. Que 2.5 hérite de cette structure est une attente raisonnable et un fait non documenté. Cette page ne l'indiquera pas comme une spécification de LongCat 2.5, et rien d'autre que vous lirez ce mois-ci ne devrait le faire non plus.

Poids ouverts : non

Meituan publie énormément de choses sur Hugging Face — meituan-longcatest une organisation qui abrite une trentaine de dépôts couvrant les modèles de texte, d'image, de vidéo et d'audio, et la famille LongCat-2.0 y est présente au complet : le modèle de base ainsi que ses variantes FP8 et INT8, le tout sous licence MIT. Il n'existe aucun dépôt LongCat-2.5. La publication de génération de texte la plus récente au sein de l'organisation est LongCat-2.0, datant du début juillet 2026, et une recherche de LongCat-2.5 sur le Hub ne renvoie aucun dépôt provenant de Meituan ni de quiconque d'autre.

Le schéma est révélateur dans l'autre sens aussi. Le fait que les poids de LongCat 2.0 soient ouverts se voit dans l'écosystème qui se forme autour des poids ouverts — quantifications 3 bits et 2 bits de la communauté, conversions MLX, builds AutoRound en précision mixte. Rien de tout cela n'existe pour 2.5, car il n'y a aucun poids que quiconque puisse quantifier. Jusqu'à ce que Meituan publie un dépôt, considérez LongCat-2.5-Preview comme un modèle fermé, accessible uniquement via API, quel que soit l'avenir de la gamme LongCat.

L'enveloppe que le fournisseur publie réellement

Ces informations proviennent de la documentation et des pages de tarification de Meituan lui-même, le 13 octobre 2026. Chacune d’elles est un chiffre fourni par le fournisseur lui-même ; aucune n’est vérifiée de manière indépendante, et la dernière n’est pas un chiffre du tout.

• Fenêtre de contexte — 1 048 576 tokens. L'exemple de réponse de la référence Retrieve Model pour LongCat-2.5-Preview renvoie context_length: 1048576, et le guide de démarrage rapide indique la même limite en prose sous la forme « fenêtre de contexte de 1 M de tokens ».

• Sortie maximale — 131 072 tokens. Le guide de démarrage rapide l’écrit comme « une longueur de sortie maximale de 128 K tokens » ; la référence Chat Completions fixe le plafond à 131072 et la valeur par défaut à 128k. Un seul nombre, trois façons de l’écrire, et la plus grande d’entre elles est le véritable plafond.

• Modalités d’entrée — documentées comme du texte. La même réponse Retrieve Model renvoie input_modalities: ["text"] avec une chaîne modality de text->text. Le journal des modifications indique une entrée d’image. Ces deux éléments se trouvent sur le même site de documentation et se contredisent ; la section suivante s’en occupe.

• Modalités de sortie — texte, avec la réflexion du modèle renvoyée séparément dans un champ reasoning_content plutôt qu'intégrée dans la réponse. Les jetons de raisonnement sont comptés séparément dans le bloc d'utilisation, ce qui rend l'attribution des coûts sur les longues chaînes gérable.

• Prix par million de tokens — 0,30 $ pour l'entrée non mise en cache, 0,006 $ pour l'entrée mise en cache, 1,20 $ pour la sortie. La page qualifie ces trois tarifs de « durée limitée ». Le même tableau présente la grille tarifaire en renminbi, 2 ¥ / 0,04 ¥ / 8 ¥, pour les comptes facturés en Chine.

• Paramètres — non publiés pour ce modèle. La configuration 1,6 T/48 B est celle de LongCat 2.0.

• Score indépendant — il n’en existe aucun. Pas un score faible : aucun score.

Là où le fournisseur se contredit au sujet des images

L’affirmation phare du journal des modifications est sans équivoque : « Compréhension multimodale : nouvelle capacité de compréhension d’images, capable d’analyser le contenu des images, prenant en charge les questions-réponses intermodales, le résumé de contenu et le raisonnement visuel complexe. » Pour un modèle dont le seul autre différenciateur documenté est d’être bon marché, c’est la fonctionnalité sur laquelle vous vous appuieriez.

La référence de l'API dit le contraire. Retrieve Model, appelé pour cet ID de modèle précis, renvoie input_modalities: ["text"] et output_modalities: ["text"]. La référence de Chat Completions décrit le champ content du message comme « contenu du message sous forme de chaîne de texte brut » — une chaîne, et non un tableau de parties de contenu, sans paramètre d'URL d'image ni champ de pièce jointe nulle part dans le corps de requête documenté. Rien dans l'interface documentée n'offre d'emplacement où insérer une image.

L’une de ces deux pages est obsolète, et il est impossible de savoir laquelle de l’extérieur. Le changelog est une annonce de version, et les annonces sont rédigées lorsqu’une fonctionnalité arrive ; la référence d’API est générée à partir de ce que le point de terminaison accepte réellement, et les pages de référence sont la dernière chose que quiconque met à jour. Ce raisonnement mène dans une direction, et c’est un raisonnement plutôt qu’une preuve, ce qui explique pourquoi cette page n’affirmera pas que l’entrée d’images est une fonctionnalité opérationnelle. Si la vision est ce qui vous intéresse, prenez dix minutes pour envoyer une image et lire la réponse. Ne planifiez pas de pipeline en vous fondant sur la formulation du changelog, et n’écartez pas non plus le modèle en vous appuyant sur la page de référence.

Il n'y a pas de référence. Voilà où on en est.

Meituan n'a publié aucun benchmark pour LongCat-2.5-Preview. Il n'y a pas de tableau d'évaluation dans la documentation, pas de graphique comparatif dans le changelog, pas de score sur la page des tarifs, et aucun article de blog de lancement pour en porter un — la propre page de modèle de Meituan consacrée à la génération précédente comporte un article technique joint, et 2.5 n'a rien d'équivalent que nous ayons pu trouver sur quelque surface Meituan que ce soit. Ce n'est pas un oubli dans cet article ; c'est le premier fait dont un acheteur a besoin.

Il n’existe pas non plus de score indépendant. Artificial Analysis, qui mesure bel et bien la gamme LongCat — il y référence LongCat 2.0 avec une date de sortie au 29 juin 2026, ainsi que LongCat Flash Lite — n’avait aucune entrée LongCat 2.5 dans son index de modèles lorsque nous avons vérifié le 13 octobre 2026. Si vous voyez un chiffre de benchmark pour LongCat 2.5 ce mois-ci, la première question à poser est de savoir à quoi il se rattache réellement, car la réponse la plus probable est qu’il s’agit d’un résultat de LongCat 2.0 réétiqueté par quelqu’un qui a supposé que les deux modèles partagent un même profil. La confusion sur le nombre de paramètres décrite ci-dessus est la même erreur sous un autre déguisement.

Ce que le fournisseur revendique bel et bien, sans qu’aucun de ces points n’ait été reproduit, c’est la liste à trois éléments du changelog : la compréhension multimodale, une « capacité de codage supérieure » couvrant « la génération de code, la compréhension de code et les tâches de programmation automatisées », et un fonctionnement efficace avec Claude Code, Hermes, OpenClaw, OpenCode et Kilo Code. Considérez ces éléments comme la description des intentions du fournisseur. Deux des trois sont des affirmations que toute fiche de modèle de cette catégorie formule, et la troisième — la compatibilité avec l’environnement — est le genre de chose que vous pouvez vérifier vous-même en un après-midi en pointant votre agent vers le point de terminaison et en regardant si les appels d’outils reviennent dans une forme que votre harnais comprend.

Comment en obtenir une réponse

La plateforme expose deux surfaces compatibles via une seule clé, émise depuis la page API Keys de la console et transmise sous la forme 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.

• Paramètres acceptés — max_tokens jusqu'à 131072 (128k par défaut), temperature de 0 à 1, top_p, stream pour SSE, tools et tool_choice, ainsi qu'un objet thinking qui accepte {"type":"enabled"} ou {"type":"disabled"}. Le raisonnement est un commutateur sur la requête, et non un ID de modèle distinct.

• Limitation de débit — une requête au-delà de la limite renvoie un HTTP 429 avec retry_after: 60, et la documentation recommande un backoff exponentiel côté client. Aucun plafond de requêtes par minute ni de jetons par minute n'est publié nulle part, donc vous ne pouvez pas dimensionner un budget de concurrence à partir de la documentation ; vous découvrez la limite en l'atteignant. Pour une boucle d'agent qui effectue des dizaines d'appels par tâche, cela vaut la peine de le savoir avant le premier 429 plutôt qu'après.

• Facturation — solde prépayé, facturé par requête, uniquement sur les réponses réussies. Les requêtes échouées — la documentation cite 401, 403, 429 et 500 — ne sont explicitement pas facturées. Le solde n'expire pas, et le crédit promotionnel est consommé avant le solde payant.

Deux détails qui vous coûteront une session de débogage

Le premier est le champ de raisonnement. L'exemple de réponse du fournisseur lui-même renvoie un message d'assistant contenant à la fois content et reasoning_content, avec reasoning_tokens détaillé dans usage.completion_tokens_details. Ce n'est pas la forme Open​AI et ce n'est pas la forme Anthrop​ic : c'est un champ entrelacé qui arrive à chaque réponse. Un client qui désérialise selon un schéma fixe et ignore les clés inconnues écartera silencieusement la réflexion du modèle — et l'échec est invisible, car la réponse revient quand même. Vous concluriez que le modèle est plus faible qu'il ne l'est, et vous auriez tort pour une raison qui n'a rien à voir avec le modèle. Vérifiez que votre client conserve le champ avant de juger la qualité des sorties.

Le deuxième est la question de modalité ci-dessus. Il figure sur cette liste en raison de la manière dont les deux documents sont distribués : le changelog est la page que l’on lit pour comprendre ce que le modèle peut faire, et la référence API est la page que l’on lit pour comprendre comment poser la question. Ici, ils ne sont pas d’accord au sujet du même modèle, et le désaccord porte exactement sur la fonctionnalité que la note de version met en avant.

Qu’est-ce qui changerait cette recommandation ?

Cette page est un instantané, et c'est l'instantané d'un modèle qui comporte quatre questions ouvertes plutôt qu'un modèle établi. Cinq éléments le feraient évoluer :

• Un renommage ou une entrée de disponibilité générale dans le journal des modifications — le moment où -Preview cesse d’être l’identifiant du modèle, où le prix cesse d’être présenté comme limité dans le temps, et où un engagement de stabilité prend tout son sens.

• Un benchmark, qu'il vienne de Meituan ou d'un organisme de mesure, remplacerait la situation actuelle, dans laquelle la compétence du modèle est inconnue plutôt que simplement faible.

• L'entrée d'image est démontrée dans la référence plutôt qu'affirmée dans la note de version — la correction ici consiste en une modification d'une seule ligne sur une page générée, et elle résoudrait la seule contradiction interne de l'ensemble documentaire.

• Une divulgation des paramètres ou un dépôt Hugging Face — l'un ou l'autre permettrait de discuter de l'architecture 2.5 à partir de preuves plutôt que par héritage de LongCat 2.0.

• Une limite de débit publiée — la plus petite des cinq, et celle qui influe le plus sur le caractère planifiable d’une charge de travail d’agent.

En attendant, la posture pratique est simple, et ce n'est pas la même posture que celle que vous adopteriez avec un modèle évalué, tarifé et stable. Un aperçu non évalué à un prix promotionnel est un modèle que l'on évalue, pas un modèle vers lequel on dirige un chemin de production — et c'est ce qui fait du repli la partie qu'il vaut la peine de mettre en place avec soin. Sur OrcaRouter, les modèles que nous servons se trouvent derrière une seule clé, au prix catalogue du fournisseur avec zéro marge, de sorte qu'un changement de prix d'un fournisseur se répercute sur votre facture le jour même plutôt qu'au renouvellement, et le basculement automatique déplace une requête dégradée vers un fournisseur sain sans que votre code le sache. LongCat-2.5-Preview ne fait pas partie de nos routes et nous ne le servons pas, donc l'essayer signifie se rendre directement sur la plateforme de Meituan ; l'argument ici est simplement que tout ce que vous gardez derrière lui devrait vous coûter une ligne de configuration à atteindre, car la question que pose ce modèle — est-il assez bon pour mon travail — est une question à laquelle vous ne pouvez répondre qu'en l'exécutant, et la réponse pourrait bien être non.

Telle est la forme de l’ensemble. LongCat 2.5 est un vrai modèle sur une vraie plateforme, avec une interface documentée, un prix publié et une fenêtre de contexte de 1 M de tokens, et c’est aussi une préversion dont les paramètres, le benchmark et la prise en charge de la vision ne sont pas établis. Les deux moitiés sont vraies, elles valent toutes les deux la peine d’être consignées, et c’est la seconde moitié que personne ne republie.