LongCat 2.5: cos'è il modello di anteprima di Meituan e cosa non è

Richiedi LongCat 2.5 sulla piattaforma di Meituan stessa e il modello che ottieni si chiama LongCat-2.5-Preview — e quel suffisso non è decorativo. È l'ID del modello, la stringa in ogni esempio di codice, il nome nel listino prezzi e l'unica voce LongCat 2.5 restituita dall'endpoint di elenco modelli del fornitore. La LongCat API Platform di Meituan lo ha reso disponibile con una voce datata nel changelog il 25 settembre 2026, insieme all'unico altro modello della piattaforma, LongCat-2.0. Quasi tre settimane dopo non è stato rinominato, il suo prezzo non ha smesso di essere etichettato come promozionale, e nessuno — Meituan inclusa — ha pubblicato un singolo numero di benchmark al riguardo.

Quella combinazione è l'intera ragione per cui esiste questa pagina. L'interfaccia è completamente documentata: un endpoint compatibile con OpenAI, uno compatibile con Anthropic, un listino prezzi pubblicato, un limite di contesto pubblicato. Il profilo delle capacità non è documentato affatto, e una funzionalità di punta è descritta in due modi diversi da due pagine dello stesso insieme di documentazione. Se stai decidendo se costruirci sopra, la cosa utile è un elenco preciso di ciò che è noto, di ciò che viene affermato e di ciò che è semplicemente assente.

Cos'è LongCat 2.5 e chi lo pubblica

LongCat è la linea di modelli di Meituan, e la LongCat API Platform è la superficie di serving di Meituan stessa per essa — non un gateway di terze parti. Le FAQ della piattaforma descrivono il suo servizio come "servizi proxy di modelli AI specificamente per i modelli della serie LongCat", mantenendo la compatibilità con i formati API di OpenAI e Anthropic affinché gli SDK esistenti funzionino senza modifiche. L'indirizzo di supporto sulle pagine del fornitore stesso è longcat-team@meituan.com, e il sito di documentazione, la console e l'host API si trovano tutti sotto domini controllati da Meituan e la CDN di asset statici di Meituan.

Il catalogo è breve. La tabella dei modelli supportati della piattaforma elenca esattamente due voci, LongCat-2.5-Preview e LongCat-2.0, entrambe descritte in modo identico come "modello Agentico ad alte prestazioni". Il GET /openai/v1/models endpoint restituisce quegli stessi due e nient'altro, ciascuno con owned_by impostato su "LongCat". Quindi "LongCat 2.5" non è una famiglia con varianti tra cui scegliere — esiste un solo modello 2.5, è il più recente dei due sulla piattaforma, ed è quello che la pagina dei prezzi pay-as-you-go della piattaforma stessa mette in primo piano.

Ciò per cui il fornitore dichiara che serve, nella nota di rilascio, è tre cose: comprensione delle immagini, coding e compatibilità con gli ambienti di sviluppo mainstream — vengono citati Claude Code, Hermes, OpenClaw, OpenCode e Kilo Code. Quella nota di rilascio è la voce datata del fornitore stesso, ed è l'unico luogo in cui compaia una qualsiasi di tali affermazioni.

"Preview" è l'ID del modello, non una parola di marketing

La distinzione conta più del solito, perché su questa piattaforma "preview" è portante in tre modi concreti.

Innanzitutto, è la stringa che devi inviare. Ogni richiesta di esempio nella documentazione — cURL, Python, l'esempio dell'SDK Open​AI, l'esempio dell'SDK Anthrop​ic — utilizza LongCat-2.5-Preview, e il riferimento Retrieve Model la usa come parametro di percorso. Non esiste un alias GA da inviare al suo posto.

In secondo luogo, il prezzo è esplicitamente provvisorio. La pagina dei prezzi mette le parole «a tempo limitato» nell'intestazione di colonna sopra ogni cifra e si chiude con una frase che vale la pena leggere due volte: «I prezzi sono soggetti a modifiche. I prezzi indicati sulla LongCat API Platform e nei tuoi registri di fatturazione fanno fede.» Un listino che ti dice di non essere la fonte autorevole per i propri stessi numeri ti sta dicendo di non costruirci sopra un modello di unit economics.

Terzo, non esiste alcun impegno di stabilità da nessuna parte. Non esiste una finestra di deprecazione pubblicata, nessuna promessa di versionamento, nessuna dichiarazione sul fatto se il modello manterrà lo stesso ID quando sarà promosso a versione stabile, né se -Preview verrà semplicemente ritirato in favore di un nuovo nome. Questo è il rischio normale di una preview, e il modo onesto di affrontarlo è: puoi usarlo oggi, ma non puoi dare per scontato che la chiamata che scrivi oggi sia quella che manterrai.

Ciò che l'anteprima non significa qui è accesso limitato. La piattaforma è in modalità self-service: registrati, crea una chiave, ricarica un saldo prepagato. Gli utenti della Cina continentale devono completare la verifica dell'identità prima di poter effettuare una ricarica; gli utenti al di fuori possono registrarsi con un numero di telefono o un indirizzo email. Nulla nella documentazione subordina il modello a un processo di approvazione.

Parametri e architettura: il numero che tutti citano appartiene a LongCat 2.0

Meituan non pubblica alcun numero di parametri per LongCat-2.5-Preview. Non è nel changelog, non nella pagina dei prezzi, non nel riferimento API, non nelle FAQ. Se hai visto "circa 1.600 miliardi di parametri totali con circa 48 miliardi attivi" associato a LongCat 2.5, hai visto una cifra di LongCat 2.0 che indossa un'etichetta 2.5 — e l'indizio rivelatore è che la frase è quasi sempre accompagnata da "approssimativamente", perché viene ripresa dalla scheda del modello precedente invece di essere letta da questa.

La fonte di quel numero è la model card di Meituan su Hugging Face per longcat-2.0, che esordisce così: "Presentiamo LongCat-2.0, un modello linguistico MoE su larga scala con 1,6 trilioni di parametri totali e circa 48 miliardi attivati per token." Quella card prosegue descrivendo LongCat Sparse Attention, il pretraining su "centinaia di miliardi di token di dati con contesto da 1M", e 135 miliardi di parametri di N-gram Embedding inclusi nel modello. È un'architettura ben documentata, e appartiene a LongCat 2.0. Che la 2.5 erediti quella forma è un'aspettativa ragionevole e un fatto non documentato. Questa pagina non lo presenterà come una specifica di LongCat 2.5, e non dovrebbe farlo nemmeno qualsiasi altra cosa leggiate questo mese.

Pesi aperti: no

Meituan pubblica moltissimo su Hugging Face — l'meituan-longcatorganizzazione {{2}}meituan-longcat{{/2}} contiene circa trenta repository che spaziano tra modelli per testo, immagini, video e audio, e la famiglia LongCat-2.0 è presente al completo: il modello base più i suoi fratelli FP8 e INT8, tutti con licenza MIT. Non esiste alcun repository LongCat-2.5. La più recente release di generazione di testo nell'organizzazione è LongCat-2.0, dei primi di luglio 2026, e una ricerca sull'Hub di LongCat-2.5 non restituisce alcun repository né di Meituan né di chiunque altro.

Anche il pattern è rivelatore nella direzione opposta. Il fatto che i pesi di LongCat 2.0 siano aperti è visibile nell'ecosistema che si forma attorno ai pesi aperti: quantizzazioni comunitarie a 3 bit e 2 bit, conversioni MLX, build AutoRound a precisione mista. Nulla di tutto ciò esiste per 2.5, perché non ci sono pesi che qualcuno possa quantizzare. Finché Meituan non pubblica un repository, considera LongCat-2.5-Preview un modello chiuso, solo API, qualunque aspetto abbia il futuro della linea LongCat.

L'involucro che il fornitore pubblica effettivamente

Queste sono tratte dalla documentazione e dalle pagine dei prezzi di Meituan del 13 ottobre 2026. Ognuna di esse è una cifra fornita dal venditore stesso; nessuna è verificata in modo indipendente, e l'ultima non è affatto una cifra.

• Finestra di contesto — 1.048.576 token. La risposta di esempio del riferimento Retrieve Model per LongCat-2.5-Preview restituisce context_length: 1048576, e la guida rapida indica lo stesso limite nel testo come "1M token context window".

• Output massimo — 131.072 token. La guida rapida lo scrive come "una lunghezza massima di output di 128K token"; il riferimento di Chat Completions fissa il limite a 131072 e il valore predefinito a 128k. Un numero, tre modi di scriverlo, e il più grande di essi è il limite effettivo.

• Modalità di input — documentate come testo. La stessa risposta di Retrieve Model restituisce input_modalities: ["text"] con una modalitàstringa di text->text. Il changelog dichiara l'input di immagini. Queste due cose si trovano sullo stesso sito di documentazione e non concordano; la sezione successiva se ne occupa.

• Modalità di output — testo, con il pensiero del modello restituito separatamente in un campo reasoning_content anziché intrecciato nella risposta. I token di ragionamento sono conteggiati separatamente nel blocco di utilizzo, il che rende l'attribuzione dei costi su catene lunghe gestibile.

• Prezzo per milione di token — 0,30 $ per input non in cache, 0,006 $ per input in cache, 1,20 $ per output. La pagina li etichetta tutti e tre come "a tempo limitato". La stessa tabella riporta il listino in renminbi, ¥2 / ¥0,04 / ¥8, per gli account fatturati in Cina.

• Parametri — non pubblicati per questo modello. La configurazione 1.6T/48B è quella di LongCat 2.0.

• Punteggio indipendente — non ne esiste alcuno. Non un punteggio basso: nessun punteggio.

Dove il fornitore si contraddice riguardo alle immagini

L'affermazione di punta del changelog è inequivocabile: "Comprensione multimodale: nuova capacità di comprensione delle immagini, in grado di analizzare il contenuto delle immagini, con supporto a domande e risposte cross-modali, riepilogo dei contenuti e ragionamento visivo complesso". Per un modello il cui unico altro elemento distintivo documentato è essere economico, è la funzionalità su cui punteresti.

La documentazione di riferimento dell'API dice il contrario. Retrieve Model, chiamato per questo esatto ID di modello, restituisce input_modalities: ["text"] e output_modalities: ["text"]. La documentazione di riferimento di Chat Completions descrive il campo content del messaggio come "Message content as a plain-text string" — una stringa, non un array di parti di contenuto, senza alcun parametro image URL e senza alcun campo di allegato in tutto il corpo della richiesta documentato. Nulla nell'interfaccia documentata ha uno spazio in cui inserire un'immagine.

Una di quelle due pagine è obsoleta, e non c'è modo di capire quale dall'esterno. Il changelog è un annuncio di rilascio e gli annunci vengono scritti quando una funzionalità arriva; il riferimento API è generato da ciò che l'endpoint accetta effettivamente, e le pagine di riferimento sono l'ultima cosa che chiunque aggiorna. Questo ragionamento punta in una direzione, ed è ragionamento più che prova, ed è per questo che questa pagina non dichiarerà l'input di immagini come funzionalità funzionante. Se la visione è il motivo per cui sei interessato, dedica dieci minuti a inviare un'immagine e leggere la risposta. Non pianificare una pipeline basandoti sulla formulazione del changelog, e non escludere il modello sulla base della pagina di riferimento.

Non esiste un benchmark. Questo è lo stato delle cose.

Meituan non ha pubblicato alcun benchmark per LongCat-2.5-Preview. Non c'è alcuna tabella di valutazione nella documentazione, alcun grafico comparativo nel changelog, alcun punteggio nella pagina dei prezzi e alcun post sul blog di lancio che ne riporti uno — la pagina del modello di Meituan per la generazione precedente ha un approfondimento tecnico allegato, e per la 2.5 non abbiamo trovato nulla di equivalente su nessuna superficie Meituan. Non è una svista in questo articolo; è il primo dato di cui un acquirente ha bisogno.

Non esiste nemmeno un punteggio indipendente. Artificial Analysis, che pure misura la linea LongCat — include LongCat 2.0 con data di rilascio 29 giugno 2026, e LongCat Flash Lite — non aveva alcuna voce LongCat 2.5 nel suo indice dei modelli quando abbiamo verificato il 13 ottobre 2026. Se questo mese vedi un numero di benchmark di LongCat 2.5, la prima domanda da porsi è a cosa sia effettivamente associato, perché la risposta più probabile è che si tratti di un risultato di LongCat 2.0 rietichettato da qualcuno che presumeva che i due modelli condividano un profilo. La confusione sul conteggio dei parametri descritta sopra è lo stesso errore in una veste diversa.

Ciò che il fornitore afferma effettivamente, tutto quanto non riprodotto, è l'elenco a tre voci del changelog: comprensione multimodale, «capacità di programmazione superiore» che spazia tra «generazione di codice, comprensione del codice e attività di programmazione automatizzate», e funzionamento efficiente con Claude Code, Hermes, OpenClaw, OpenCode e Kilo Code. Considerale come la descrizione delle intenzioni del fornitore. Due delle tre sono affermazioni che ogni scheda del modello di questa classe riporta, e la terza — la compatibilità con l'ambiente — è il tipo di cosa che puoi verificare da solo in un pomeriggio puntando il tuo agente sull'endpoint e vedendo se le chiamate agli strumenti tornano in una forma che il tuo harness comprende.

Come ottenere una risposta da esso

La piattaforma espone due interfacce compatibili tramite una sola chiave, rilasciata dalla pagina API Keys della console e passata come 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.

• Parametri accettati — max_tokens fino a 131072 (predefinito 128k), temperature da 0 a 1, top_p, stream per SSE, tools e tool_choice, e un oggetto thinking che accetta {"type":"enabled"} oppure {"type":"disabled"}. Il reasoning è un interruttore sulla richiesta, non un ID di modello separato.

• Limitazione della frequenza — una richiesta oltre il limite restituisce HTTP 429 con retry_after: 60, e la documentazione consiglia un backoff esponenziale lato client. Da nessuna parte è pubblicato un tetto di richieste al minuto o di token al minuto, quindi non puoi dimensionare un budget di concorrenza basandoti sulla documentazione; scopri il limite raggiungendolo. Per un ciclo di agente che effettua decine di chiamate per attività, vale la pena saperlo prima del primo 429 anziché dopo.

• Fatturazione — saldo prepagato, addebitato per richiesta, solo sulle risposte riuscite. Le richieste non riuscite — la documentazione indica 401, 403, 429 e 500 — non vengono esplicitamente addebitate. Il saldo non scade e il credito promozionale viene consumato prima del saldo a pagamento.

Due dettagli che ti costeranno una sessione di debug

Il primo è il campo di ragionamento. L'esempio di risposta fornito dal vendor stesso restituisce un messaggio assistant che contiene sia content sia reasoning_content, con reasoning_tokens separati all'interno di usage.completion_tokens_details. Non è la forma di OpenAI e non è la forma di Anthropic: è un campo interlacciato che arriva su ogni risposta. Un client che deserializza secondo uno schema fisso e scarta le chiavi sconosciute scarterà silenziosamente il pensiero del modello — e l'errore è invisibile, perché la risposta arriva comunque. Concluderesti che il modello è più debole di quanto sia, e avresti torto per un motivo che non ha nulla a che fare con il modello. Verifica che il tuo client mantenga il campo prima di giudicare la qualità dell'output.

Il secondo è la questione della modalità di cui sopra. È in questo elenco per come sono distribuiti i due documenti: il changelog è la pagina che leggi per capire cosa può fare il modello, e il riferimento API è la pagina che leggi per capire come chiedere. Qui sono in disaccordo sullo stesso modello, e il disaccordo riguarda esattamente la funzionalità con cui la nota di rilascio apre.

Cosa cambierebbe questa raccomandazione?

Questa pagina è un'istantanea, ed è l'istantanea di un modello con quattro questioni aperte anziché di un modello consolidato. Cinque elementi lo farebbero progredire:

• Una rinomina o una voce GA nel changelog — il momento in cui -Preview smette di essere l'ID del modello, il prezzo smette di essere etichettato come a tempo limitato e un impegno alla stabilità diventa significativo.

• Un benchmark, di Meituan o di un'organizzazione di misurazione — l'uno o l'altro sostituirebbe la situazione attuale, vale a dire che la competenza del modello è sconosciuta anziché semplicemente bassa.

• Input immagine dimostrato nel riferimento anziché asserito nella nota di rilascio — la correzione qui è una modifica di una riga a una pagina generata, e risolverebbe l'unica contraddizione interna nel set di documentazione.

• Una divulgazione dei parametri o un repository Hugging Face — entrambe le opzioni permetterebbero di discutere dell'architettura 2.5 sulla base di prove anziché per eredità da LongCat 2.0.

• Un limite di frequenza pubblicato — il più piccolo dei cinque, e quello che più influisce sulla possibilità di pianificare un carico di lavoro di agenti.

Nel frattempo l'approccio pratico è semplice, e non è lo stesso approccio che adotteresti con un modello con punteggio, a pagamento e stabile. Un'anteprima senza punteggio a un prezzo promozionale è un modello che valuti, non uno verso cui indirizzare un percorso di produzione — e questo rende il fallback la parte che vale la pena impostare con cura. Su OrcaRouter, i modelli che serviamo stanno dietro un'unica chiave al prezzo di listino del provider con ricarico zero, così una variazione di prezzo di un fornitore arriva sulla tua fattura lo stesso giorno invece che al rinnovo, e il failover automatico sposta una richiesta degradata verso un provider sano senza che il tuo codice se ne accorga. LongCat-2.5-Preview non è una delle nostre rotte e non lo serviamo, quindi provarlo significa andare direttamente sulla piattaforma di Meituan; l'argomento qui è solo che qualunque cosa tu tenga dietro di esso dovrebbe costarti una riga di configurazione per essere raggiunta, perché la domanda che questo modello pone — è abbastanza buono per il mio lavoro — è una a cui puoi rispondere solo eseguendolo, e la risposta potrebbe benissimo essere no.

Il che è la forma dell'intera faccenda. LongCat 2.5 è un modello reale su una piattaforma reale, con un'interfaccia documentata, un prezzo pubblicato e una finestra di contesto da 1M token, ed è anche un'anteprima i cui parametri, benchmark e supporto alla visione non sono affatto stabiliti. Entrambe le metà sono vere, entrambe meritano di essere messe per iscritto, e la seconda metà è quella che nessuno ripubblica.