LongCat 2.5: Apa Itu Model Pratinjau Meituan, dan Apa yang Bukan

MintalahLongCat 2.5 di platform milik Meituan sendiri dan model yang Anda dapatkan disebut LongCat-2.5-Preview — dan akhiran itu bukan hiasan. Itu adalah ID model, string di setiap contoh kode, nama di daftar harga, dan satu-satunya entri LongCat 2.5 yang dikembalikan oleh endpoint daftar model vendor. LongCat API Platform milik Meituan merilisnya secara live di bawah entri changelog bertanggal pada 25 September 2026, bersama satu-satunya model lain di platform itu, LongCat-2.0. Hampir tiga minggu kemudian, namanya belum diganti, harganya belum berhenti dilabeli sebagai promosi, dan tidak ada seorang pun — termasuk Meituan — yang telah menerbitkan satu pun angka benchmark untuknya.

Kombinasi itulah alasan utama halaman ini ada. Antarmukanya terdokumentasi sepenuhnya: endpoint yang kompatibel dengan OpenAI, yang kompatibel dengan Anthropic, kartu tarif yang dipublikasikan, batas konteks yang dipublikasikan. Profil kemampuannya sama sekali tidak terdokumentasi, dan satu fitur utama dijelaskan dengan dua cara berbeda oleh dua halaman dari kumpulan dokumentasi yang sama. Jika Anda sedang memutuskan apakah akan membangun di atasnya, hal yang berguna adalah daftar yang tepat tentang apa yang diketahui, apa yang diklaim, dan apa yang benar-benar tidak ada.

Apa itu LongCat 2.5, dan siapa yang menerbitkannya

LongCat adalah lini model milik Meituan, dan LongCat API Platform adalah permukaan layanan milik Meituan sendiri untuknya — bukan gateway pihak ketiga. FAQ platform tersebut mendeskripsikan layanannya sebagai "layanan proxy model AI khusus untuk model seri LongCat", yang menjaga kompatibilitas dengan format API Open​AI dan Anthrop​ic sehingga SDK yang sudah ada tetap berfungsi tanpa perubahan. Alamat dukungan pada halaman milik vendor itu sendiri adalah longcat-team@meituan.com, dan situs dokumentasi, konsol, serta host API semuanya berada di bawah domain yang dikendalikan Meituan dan CDN aset statis Meituan.

Katalognya singkat. Tabel model yang didukung platform mencantumkan tepat dua entri, LongCat-2.5-Preview dan LongCat-2.0, keduanya dijelaskan secara identik sebagai "model Agentic berperforma tinggi". GET /openai/v1/models endpoint mengembalikan dua model yang sama dan tidak ada yang lain, masing-masing dengan owned_by disetel ke "LongCat". Jadi "LongCat 2.5" bukan keluarga dengan varian yang harus Anda pilih di antaranya — hanya ada satu model 2.5, itu adalah yang lebih baru di antara keduanya di platform, dan itulah yang diunggulkan oleh halaman penetapan harga bayar-sesuai-pemakaian milik platform itu sendiri.

Apa yang vendor katakan sebagai peruntukannya, dalam catatan rilis, adalah tiga hal: pemahaman gambar, coding, dan kompatibilitas dengan lingkungan pengembangan arus utama — Claude Code, Hermes, OpenClaw, OpenCode dan Kilo Code disebutkan. Catatan rilis itu adalah entri bertanggal milik vendor sendiri, dan hanya di sanalah klaim-klaim tersebut muncul.

"Preview" adalah ID model, bukan kata pemasaran

Perbedaan ini lebih penting daripada biasanya, karena di platform ini "preview" memikul peran penting dalam tiga cara yang konkret.

Pertama, itulah string yang harus Anda kirim. Setiap contoh permintaan dalam dokumentasi — cURL, Python, contoh Open​AI SDK, contoh Anthrop​ic SDK — menggunakan LongCat-2.5-Preview, dan referensi Retrieve Model menggunakannya sebagai parameter jalur. Tidak ada alias GA yang bisa dikirim sebagai gantinya.

Kedua, harga tersebut secara eksplisit bersifat sementara. Halaman harga menempatkan kata "waktu terbatas" di header kolom di atas setiap angka, dan ditutup dengan kalimat yang layak dibaca dua kali: "Harga dapat berubah. Harga yang ditampilkan di LongCat API Platform dan catatan tagihan Anda adalah yang berlaku." Daftar tarif yang memberi tahu Anda bahwa dirinya bukan otoritas atas angka-angkanya sendiri sedang memberi tahu Anda untuk tidak membangun model unit economics berdasarkan itu.

Ketiga, tidak ada komitmen stabilitas di mana pun. Tidak ada jendela penghentian yang dipublikasikan, tidak ada janji pembuatan versi, tidak ada pernyataan tentang apakah model akan mempertahankan ID yang sama saat lulus atau apakah -Preview akan sekadar dipensiunkan demi nama baru. Itu adalah risiko normal dari sebuah pratinjau, dan cara jujur untuk menyikapinya adalah: Anda dapat memanggilnya hari ini, dan Anda tidak dapat mengasumsikan bahwa panggilan yang Anda tulis hari ini adalah panggilan yang akan Anda pertahankan.

Pratinjau di sini tidak berarti akses terbatas. Platform ini swalayan: daftar, buat kunci, isi ulang saldo prabayar. Pengguna di Tiongkok Daratan harus menyelesaikan verifikasi identitas sebelum dapat mengisi ulang; pengguna di luar Tiongkok Daratan dapat mendaftar dengan nomor telepon atau alamat email. Tidak ada apa pun dalam dokumentasi yang mensyaratkan proses persetujuan untuk mengakses model.

Parameter dan arsitektur: angka yang dikutip semua orang adalah milik LongCat 2.0

Meituan tidak menerbitkan jumlah parameter untuk LongCat-2.5-Preview. Angka itu tidak ada di changelog, tidak di halaman harga, tidak di referensi API, tidak di FAQ. Jika Anda pernah melihat "kira-kira 1,6 triliun total parameter dengan sekitar 48 miliar aktif" dilekatkan pada LongCat 2.5, Anda telah melihat angka LongCat 2.0 yang memakai label 2.5 — dan petunjuknya adalah bahwa kalimat itu hampir selalu disertai kualifikasi "sekitar", karena angka itu dibawa dari kartu model lama, bukan dibaca dari model ini.

Sumber angka itu adalah kartu model Hugging Face milik Meituan sendiri untuk longcat-2.0, yang dibuka dengan: "Kami memperkenalkan LongCat-2.0, model bahasa MoE berskala besar dengan 1,6 triliun parameter total dan ~48 miliar yang diaktifkan per token." Kartu tersebut kemudian menjelaskan LongCat Sparse Attention, prapelatihan pada "ratusan miliar token data konteks 1M", dan 135 miliar parameter N-gram Embedding yang disertakan dalam model. Ini adalah arsitektur yang terdokumentasi dengan baik, dan itu termasuk dalam LongCat 2.0. Apakah 2.5 mewarisi bentuk itu merupakan ekspektasi yang wajar dan fakta yang tidak terdokumentasi. Halaman ini tidak akan mencetaknya sebagai spesifikasi LongCat 2.5, dan hal lain yang Anda baca bulan ini juga tidak seharusnya.

Bobot terbuka: tidak

Meituan menerbitkan banyak sekali model di Hugging Face — meituan-longcatini adalah organisasi yang menampung sekitar tiga puluh repositori yang mencakup model teks, gambar, video, dan audio, dan keluarga LongCat-2.0 tersedia lengkap di sana: model dasar plus varian FP8 dan INT8, semuanya di bawah MIT. Tidak ada repositori LongCat-2.5. Rilis generasi teks terbaru di organisasi ini adalah LongCat-2.0 dari awal Juli 2026, dan pencarian di Hub untuk LongCat-2.5 tidak mengembalikan repositori dari Meituan maupun dari siapa pun.

Pola ini juga berbicara ke arah sebaliknya. Terbukanya bobot LongCat 2.0 terlihat pada ekosistem yang terbentuk di sekitar bobot terbuka — kuantisasi 3-bit dan 2-bit dari komunitas, konversi MLX, build AutoRound presisi campuran. Tidak ada satu pun dari itu untuk 2.5, karena tidak ada bobot yang bisa dikuantisasi oleh siapa pun. Sampai Meituan menerbitkan repositori, anggap LongCat-2.5-Preview sebagai model tertutup yang hanya berbasis API, apa pun bentuk masa depan lini LongCat nantinya.

Envelope yang sebenarnya diterbitkan vendor

Ini dibaca dari dokumentasi dan halaman harga Meituan sendiri pada 13 Oktober 2026. Setiap angkanya adalah angka milik vendor itu sendiri; tidak ada yang diverifikasi secara independen, dan yang terakhir sama sekali bukan angka.

• Jendela konteks — 1.048.576 token. Contoh respons referensi Retrieve Model untuk LongCat-2.5-Preview menampilkan context_length: 1048576, dan panduan memulai cepat menyatakan batas yang sama dalam bentuk prosa sebagai "jendela konteks 1 juta token".

• Output maksimum — 131,072 token. Panduan cepat menuliskannya sebagai "panjang output maksimum 128K token"; referensi Chat Completions menetapkan batas atasnya pada 131072 dan nilai default pada 128k. Satu angka, tiga cara penulisannya, dan yang terbesar di antaranya adalah batas atas yang sebenarnya.

• Modalitas input — didokumentasikan sebagai teks. Respons Retrieve Model yang sama mengembalikan input_modalities: ["text"] dengan sebuah modalitas berupa string text->text. Catatan perubahan mengklaim input gambar. Kedua hal ini berada di situs dokumentasi yang sama dan saling bertentangan; bagian berikutnya membahasnya.

• Modalitas output — teks, dengan pemikiran model dikembalikan secara terpisah di dalam reasoning_content bidang alih-alih dijalin ke dalam jawaban. Token penalaran dihitung secara terpisah di blok penggunaan, yang membuat atribusi biaya pada rantai panjang dapat ditangani.

• Harga per juta token — $0,30 untuk input tanpa cache, $0,006 untuk input cache, $1,20 untuk output. Halaman ini memberi label "waktu terbatas" pada ketiganya. Tabel yang sama juga memuat daftar tarif renminbi, ¥2 / ¥0,04 / ¥8, untuk akun yang ditagih di Tiongkok.

• Parameter — tidak dipublikasikan untuk model ini. Bentuk 1.6T/48B adalah milik LongCat 2.0.

• Skor independen — tidak ada. Bukan skor rendah: tidak ada skor.

Ketika vendor bertentangan dengan dirinya sendiri soal gambar

Klaim utama changelog itu tidak ambigu: “Pemahaman Multimodal: Kemampuan pemahaman gambar baru, yang mampu mengurai konten gambar, mendukung tanya jawab lintas modalitas, peringkasan konten, dan penalaran visual yang kompleks.” Bagi model yang satu-satunya pembeda lain yang didokumentasikan adalah harganya yang murah, itulah fitur yang akan Anda bangun di atasnya.

Referensi API mengatakan sebaliknya. Retrieve Model, yang dipanggil untuk ID model persis ini, mengembalikan input_modalities: ["text"] dan output_modalities: ["text"]. Referensi Chat Completions menjelaskan field content pesan sebagai "Konten pesan sebagai string teks biasa" — sebuah string, bukan array bagian konten, tanpa parameter URL gambar dan tanpa field lampiran di mana pun dalam body permintaan yang didokumentasikan. Tidak ada apa pun dalam antarmuka yang didokumentasikan yang memiliki slot untuk menempatkan gambar.

Salah satu dari dua halaman itu sudah usang, dan tidak ada cara untuk mengetahui yang mana dari luar. Changelog adalah pengumuman rilis dan pengumuman ditulis saat sebuah kemampuan hadir; referensi API dihasilkan dari apa yang sebenarnya diterima endpoint, dan halaman referensi adalah hal terakhir yang diperbarui siapa pun. Penalaran itu mengarah ke satu kesimpulan, dan itu penalaran, bukan bukti, itulah sebabnya halaman ini tidak akan menyatakan input gambar sebagai fitur yang berfungsi. Jika visi adalah alasan Anda tertarik, habiskan sepuluh menit untuk mengirim satu gambar dan membaca responsnya. Jangan merencanakan pipeline berdasarkan kata-kata di changelog, dan jangan pula menyingkirkan model tersebut hanya berdasarkan halaman referensi.

Tidak ada tolok ukur. Itulah keadaannya.

Meituan tidak menerbitkan tolok ukur apa pun untuk LongCat-2.5-Preview. Tidak ada tabel evaluasi dalam dokumentasi, tidak ada bagan perbandingan dalam changelog, tidak ada skor di halaman harga, dan tidak ada posting blog peluncuran yang memuatnya — halaman model Meituan sendiri untuk generasi sebelumnya memiliki tulisan teknis yang terlampir, dan 2.5 tidak memiliki padanan apa pun yang dapat kami temukan di kanal Meituan mana pun. Itu bukan kelalaian dalam artikel ini; itu adalah fakta pertama yang dibutuhkan pembeli.

Tidak ada pula skor independen. Artificial Analysis, yang memang mengukur lini LongCat — lembaga ini memuat LongCat 2.0 dengan tanggal rilis 29 Juni 2026, dan LongCat Flash Lite — tidak memiliki entri LongCat 2.5 dalam indeks modelnya saat kami memeriksa pada 13 Oktober 2026. Jika Anda melihat angka benchmark LongCat 2.5 bulan ini, pertanyaan pertama yang perlu diajukan adalah angka itu sebenarnya melekat pada apa, karena jawaban yang paling mungkin adalah bahwa itu adalah hasil LongCat 2.0 yang diberi label ulang oleh seseorang yang menganggap kedua model memiliki profil yang sama. Kebingungan jumlah parameter yang dijelaskan di atas adalah kesalahan yang sama dalam kostum yang berbeda.

Yang benar-benar diklaim vendor, yang semuanya tidak direproduksi, adalah daftar tiga item dalam changelog: pemahaman multimodal, "kemampuan coding yang unggul" yang mencakup "pembuatan kode, pemahaman kode, dan tugas pemrograman otomatis", serta operasi yang efisien dengan Claude Code, Hermes, OpenClaw, OpenCode, dan Kilo Code. Anggap itu sebagai deskripsi niat dari vendor. Dua dari tiga klaim tersebut adalah klaim yang dibuat oleh setiap kartu model di kelas ini, dan yang ketiga — kompatibilitas lingkungan — adalah jenis hal yang dapat Anda verifikasi sendiri dalam waktu satu sore dengan mengarahkan agen Anda ke endpoint dan melihat apakah panggilan alatnya kembali dalam bentuk yang dipahami harness Anda.

Bagaimana cara mendapatkan respons darinya

Platform ini menyediakan dua antarmuka yang kompatibel melalui satu kunci, yang diterbitkan dari halaman API Keys di konsol dan dikirimkan sebagai 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.

• Parameter yang diterima — max_tokens hingga 131072 (default 128k), temperature dari 0 hingga 1, top_p, stream untuk SSE, tools dan tool_choice, serta sebuah objek thinking yang menerima {"type":"enabled"} atau {"type":"disabled"}. Reasoning adalah sakelar pada permintaan, bukan ID model terpisah.

• Pembatasan laju — permintaan yang melebihi batas mengembalikan HTTP 429 dengan retry_after: 60, dan dokumentasi merekomendasikan backoff eksponensial di sisi klien. Tidak ada batas maksimum permintaan per menit atau token per menit yang dipublikasikan di mana pun, jadi Anda tidak dapat memperkirakan anggaran konkurensi dari dokumentasi; Anda menemukan batasnya dengan mencapainya. Untuk loop agen yang melakukan puluhan panggilan per tugas, hal itu layak diketahui sebelum 429 pertama, bukan sesudahnya.

• Penagihan: saldo prabayar, dikenakan biaya per permintaan, hanya untuk permintaan yang berhasil. Permintaan yang gagal — dokumentasi menyebutkan 401, 403, dan 500 — tidak dikenakan biaya. Saldo tidak kedaluwarsa, dan kredit dikonsumsi sebelum saldo berbayar.

Dua detail yang akan menghabiskan satu sesi debugging Anda

Yang pertama adalah field reasoning. Contoh respons vendor itu sendiri mengembalikan pesan assistant yang membawa baik content maupun reasoning_content, dengan reasoning_tokens dijabarkan di dalam usage.completion_tokens_details. Itu bukan bentuk Open​AI dan bukan bentuk Anthrop​ic: itu adalah field interleaved yang muncul pada setiap respons. Klien yang melakukan deserialisasi ke skema tetap dan membuang kunci yang tidak dikenal akan diam-diam membuang pemikiran model — dan kegagalannya tidak terlihat, karena jawabannya tetap kembali. Anda akan menyimpulkan model itu lebih lemah daripada sebenarnya, dan Anda akan salah karena alasan yang tidak ada hubungannya dengan model. Pastikan klien Anda mempertahankan field tersebut sebelum Anda menilai kualitas output.

Yang kedua adalah pertanyaan modalitas di atas. Hal itu ada dalam daftar ini karena cara kedua dokumen tersebut didistribusikan: changelog adalah halaman yang Anda baca untuk memahami apa yang dapat dilakukan model, dan referensi API adalah halaman yang Anda baca untuk memahami cara bertanya. Di sini keduanya tidak sepakat tentang model yang sama, dan ketidaksepakatan itu justru menyangkut fitur yang dijadikan pembuka dalam catatan rilis.

Apa yang akan mengubah rekomendasi ini?

Halaman ini adalah sebuah tangkapan sesaat, dan ini adalah tangkapan sesaat dari sebuah model dengan empat pertanyaan terbuka, bukan model yang sudah mapan. Lima hal akan menggesernya:

• Ganti nama atau entri GA dalam catatan perubahan — saat -Preview tidak lagi menjadi ID model, harga tidak lagi berlabel waktu terbatas, dan komitmen stabilitas menjadi berarti.

• Sebuah tolok ukur, dari Meituan atau dari organisasi pengukuran — salah satunya akan menggantikan situasi saat ini, yaitu bahwa kompetensi model tidak diketahui, bukan sekadar rendah.

• Input gambar ditunjukkan dalam referensi, bukan dinyatakan dalam catatan rilis — perbaikan di sini adalah perubahan satu baris pada halaman yang dihasilkan, dan itu akan menyelesaikan satu-satunya kontradiksi internal dalam kumpulan dokumentasi.

• Pengungkapan parameter atau repositori Hugging Face — salah satu dari keduanya akan memungkinkan arsitektur 2.5 dibahas berdasarkan bukti, bukan berdasarkan warisan dari LongCat 2.0.

• Batas laju yang dipublikasikan — yang terkecil dari kelima, dan yang paling memengaruhi apakah beban kerja agen dapat direncanakan.

Sementara itu, sikap praktisnya sederhana, dan itu bukan sikap yang sama seperti yang akan Anda ambil terhadap model yang sudah dinilai, berharga, dan stabil. Pratinjau tanpa skor dengan harga promosi adalah model yang Anda evaluasi, bukan model yang Anda arahkan sebagai jalur produksi — dan itu menjadikan fallback sebagai bagian yang layak disiapkan dengan hati-hati. Di OrcaRouter, model yang kami layani berada di balik satu kunci dengan harga daftar penyedia dengan tanpa markup, sehingga perubahan harga vendor sampai ke tagihan Anda pada hari yang sama alih-alih saat perpanjangan, dan failover otomatis memindahkan permintaan yang menurun ke penyedia yang sehat tanpa kode Anda mengetahuinya. LongCat-2.5-Preview bukan salah satu rute kami dan kami tidak melayaninya, jadi mencobanya berarti harus langsung ke platform Meituan; argumen di sini hanyalah bahwa apa pun yang Anda pertahankan di belakangnya seharusnya hanya perlu satu baris konfigurasi untuk dijangkau, karena pertanyaan yang diajukan model ini — apakah ia cukup baik untuk pekerjaan saya — hanya bisa Anda jawab dengan menjalankannya, dan jawabannya bisa jadi tidak.

Itulah bentuk keseluruhan dari semuanya. LongCat 2.5 adalah model nyata di platform nyata dengan antarmuka yang terdokumentasi, harga yang dipublikasikan, dan jendela konteks 1M-token, dan ia juga merupakan pratinjau yang parameter, benchmark, dan dukungan visinya semuanya belum ditetapkan. Kedua bagian itu benar, keduanya layak dicatat, dan bagian kedua itulah yang tidak diterbitkan ulang oleh siapa pun.