LongCat 2.5: Wat het Preview Model van Meituan is, en wat het niet is

Vraag naar LongCat 2.5 op het eigen platform van Meituan en het model dat je krijgt heet LongCat-2.5-Preview — en dat achtervoegsel is geen decoratie. Het is de model-ID, de tekenreeks in elk codevoorbeeld, de naam op de prijslijst, en de enige LongCat 2.5-vermelding die de endpoint voor modellijsten van de leverancier retourneert. Het LongCat API Platform van Meituan heeft het live gezet onder een gedateerde changelogvermelding op 25 september 2026, naast het enige andere model van het platform, LongCat-2.0. Bijna drie weken later is het niet hernoemd, wordt de prijs nog steeds als promotioneel aangeduid, en heeft niemand — Meituan inbegrepen — ook maar één benchmarkcijfer ervoor gepubliceerd.

Die combinatie is de hele reden dat deze pagina bestaat. De interface is volledig gedocumenteerd: een OpenAI-compatibel endpoint, een Anthropic-compatibel endpoint, een gepubliceerde tariefkaart, een gepubliceerde contextlimiet. Het capaciteitenprofiel is helemaal niet gedocumenteerd, en één hoofdfunctie wordt op twee verschillende manieren beschreven door twee pagina's van dezelfde documentatieset. Als je besluit of je erop gaat bouwen, heb je het meest aan een precieze lijst van wat bekend is, wat beweerd wordt en wat simpelweg ontbreekt.

Wat LongCat 2.5 is, en wie het uitgeeft

LongCat is de modellenlijn van Meituan, en het LongCat API Platform is de eigen interface van Meituan voor het aanbieden ervan — geen gateway van derden. In de FAQ van het platform wordt de dienst beschreven als "AI-modelproxydiensten specifiek voor de modellen uit de LongCat-serie", met behoud van compatibiliteit met de API-indelingen van OpenAI en Anthropic, zodat bestaande SDK's ongewijzigd blijven werken. Het ondersteuningsadres op de eigen pagina's van de leverancier is longcat-team@meituan.com, en de documentatiesite, de console en de API-host vallen allemaal onder door Meituan beheerde domeinen en de CDN voor statische assets van Meituan.

De catalogus is kort. De tabel met ondersteunde modellen van het platform bevat precies twee vermeldingen, LongCat-2.5-Preview en LongCat-2.0, beide identiek omschreven als een "hoogwaardig agentisch model". De GET /openai/v1/models-endpoint geeft diezelfde twee terug en niets anders, elk met owned_by ingesteld op "LongCat". Dus "LongCat 2.5" is geen familie met varianten waaruit je moet kiezen — er is één 2.5-model, het is het nieuwste van de twee op het platform, en het is het model waarmee de eigen pay-as-you-go-pagina met prijzen van het platform vooroploopt.

Waarvoor de leverancier zegt dat het bedoeld is, in de releaseopmerking, zijn drie dingen: beeldbegrip, coderen en compatibiliteit met gangbare ontwikkelomgevingen — Claude Code, Hermes, OpenClaw, OpenCode en Kilo Code worden genoemd. Die releaseopmerking is de eigen gedateerde vermelding van de leverancier, en het is de enige plek waar een van die beweringen voorkomt.

"Preview" is de model-ID, geen marketingterm.

Het onderscheid is hier belangrijker dan gewoonlijk, want op dit platform is "preview" op drie concrete manieren cruciaal.

Ten eerste is het de string die u moet verzenden. Elk voorbeeldverzoek in de documentatie — cURL, Python, het voorbeeld voor de OpenAI SDK, het voorbeeld voor de Anthropic SDK — gebruikt LongCat-2.5-Preview, en de Retrieve Model-referentie gebruikt het als padparameter. Er is geen GA-alias die u in plaats daarvan kunt verzenden.

Ten tweede is de prijs expliciet voorlopig. De prijspagina zet de woorden "tijdelijk" in de kolomkop boven elk bedrag, en sluit af met een zin die je twee keer moet lezen: "Prijzen kunnen worden gewijzigd. De prijzen die op het LongCat API Platform en in uw facturatiegegevens worden weergegeven, zijn leidend." Een tariefkaart die aangeeft niet de autoriteit over zijn eigen cijfers te zijn, zegt je dat je er geen unit-economicsmodel op moet bouwen.

Ten derde: er is nergens een toezegging over stabiliteit. Er is geen gepubliceerd afbouwvenster, geen versiebelofte, geen uitspraak over of het model hetzelfde ID behoudt wanneer het de preview-fase verlaat of dat -Preview simpelweg wordt uitgefaseerd ten gunste van een nieuwe naam. Dat is het normale risico van een preview, en de eerlijke manier om ermee om te gaan is: je kunt het vandaag aanroepen, en je kunt er niet van uitgaan dat de aanroep die je vandaag schrijft, de aanroep is die je behoudt.

Wat preview hier niet betekent, is beperkte toegang. Het platform is selfservice: registreren, een sleutel aanmaken, een prepaid saldo opwaarderen. Gebruikers op het vasteland van China moeten een identiteitsverificatie voltooien voordat ze kunnen opwaarderen; gebruikers daarbuiten kunnen zich registreren met een telefoonnummer of een e-mailadres. Niets in de documentatie zet het model achter een goedkeuringsproces.

Parameters en architectuur: het aantal dat iedereen citeert, hoort bij LongCat 2.0

Meituan publiceert geen parameteraantal voor LongCat-2.5-Preview. Het staat niet in het changelog, niet op de prijzenpagina, niet in de API-referentie, niet in de FAQ. Als je 'ruwweg 1,6 biljoen totale parameters met ongeveer 48 miljard actieve' bij LongCat 2.5 hebt zien staan, dan heb je een cijfer van LongCat 2.0 gezien dat een 2.5-label draagt — en wat het verraadt, is dat de zin bijna altijd het voorbehoud 'ongeveer' krijgt, omdat die wordt overgenomen van de oudere modelkaart in plaats van dat die van deze wordt afgelezen.

De bron van dat getal is de eigen Hugging Face-modelkaart van Meituan voor longcat-2.0, die begint met: "We introduceren LongCat-2.0, een grootschalig MoE-taalmodel met 1,6 biljoen totale parameters en ~48 miljard geactiveerd per token." Die kaart beschrijft vervolgens LongCat Sparse Attention, pretraining op "honderden miljarden tokens aan 1M-contextdata", en 135 miljard N-gram Embedding-parameters die in het model zijn opgenomen. Het is een goed gedocumenteerde architectuur, en ze behoort tot LongCat 2.0. Of 2.5 die vorm erft, is een redelijke verwachting en een ongedocumenteerd feit. Deze pagina zal het niet als een LongCat 2.5-specificatie afdrukken, en niets anders dat je deze maand leest zou dat ook moeten doen.

Open gewichten: nee

Meituan publiceert een heleboel op Hugging Face — de meituan-longcatorganisatie bevat ongeveer dertig repositories, variërend van tekst-, beeld-, video- en audiomodellen, en de LongCat-2.0-familie is er volledig: het basismodel plus FP8- en INT8-varianten, allemaal onder MIT. Er is geen LongCat-2.5-repository. De nieuwste release voor tekstgeneratie binnen de organisatie is LongCat-2.0 van begin juli 2026, en een zoekopdracht in de Hub naar LongCat-2.5 levert geen repository op van Meituan of van wie dan ook.

Het patroon is ook in de andere richting veelzeggend. Dat de gewichten van LongCat 2.0 open zijn, is zichtbaar in het ecosysteem dat rond open gewichten ontstaat — community-3-bit- en 2-bit-kwantisaties, MLX-conversies, gemengdeprecisie-AutoRound-builds. Niets daarvan bestaat voor 2.5, omdat er geen gewichten zijn die iemand kan kwantiseren. Zolang Meituan geen repository publiceert, moet je LongCat-2.5-Preview behandelen als een gesloten model dat alleen via een API beschikbaar is, hoe de toekomst van de LongCat-lijn er ook uitziet.

De envelop die de leverancier daadwerkelijk publiceert

Deze zijn overgenomen uit de eigen documentatie en prijspagina's van Meituan op 13 oktober 2026. Elk ervan is het eigen cijfer van de leverancier; geen enkel is onafhankelijk geverifieerd, en de laatste is helemaal geen cijfer.

• Contextvenster — 1.048.576 tokens. De voorbeeldrespons in de Retrieve Model-referentie voor LongCat-2.5-Preview retourneert context_length: 1048576, en de quick-start vermeldt dezelfde limiet in proza als "1M-tokencontextvenster".

• Maximale output — 131.072 tokens. De quick-start schrijft het als "een maximale outputlengte van 128K tokens"; de Chat Completions-referentie stelt de bovengrens op 131072 en de standaard op 128k. Eén getal, drie manieren om het te schrijven, en de grootste ervan is de werkelijke bovengrens.

• Inputmodaliteiten — gedocumenteerd als tekst. Dezelfde Retrieve Model-respons retourneert input_modalities: ["text"] met een modality string van text->text. De changelog beweert dat er beeldinvoer is. Deze twee zaken staan op dezelfde documentatiesite en ze spreken elkaar tegen; de volgende sectie behandelt dit.

• Uitvoermodaliteiten — tekst, waarbij het denkproces van het model afzonderlijk wordt teruggegeven in een reasoning_content-veld in plaats van in het antwoord te worden verweven. Redeneertokens worden afzonderlijk geteld in het usage-blok, wat kostentoerekening bij lange ketens beheersbaar maakt.

• Prijs per miljoen tokens — $ 0,30 voor niet-gecachte input, $ 0,006 voor gecachte input, $ 1,20 voor output. De pagina bestempelt alle drie als "tijdelijk". Dezelfde tabel bevat ook de tariefkaart in renminbi, ¥ 2 / ¥ 0,04 / ¥ 8, voor accounts die in China worden gefactureerd.

• Parameters — niet gepubliceerd voor dit model. De 1,6T/48B-vorm is die van LongCat 2.0.

• Onafhankelijke score — die bestaat niet. Niet een lage score: geen score.

Waar de leverancier zichzelf tegenspreekt over afbeeldingen

De belangrijkste claim van de changelog is ondubbelzinnig: "Multimodaal begrip: Nieuwe mogelijkheid voor beeldbegrip, in staat om beeldinhoud te ontleden, met ondersteuning voor crossmodale Q&A, het samenvatten van inhoud en complex visueel redeneren." Voor een model waarvan het enige andere gedocumenteerde onderscheidende kenmerk is dat het goedkoop is, is dat de functie waarop je zou voortbouwen.

De API-referentie zegt het tegenovergestelde. Retrieve Model, aangeroepen voor precies deze model-ID, retourneert input_modalities: ["text"] en output_modalities: ["text"]. De Chat Completions-referentie beschrijft het veld content van het bericht als "Berichtinhoud als een string met platte tekst" — een string, geen array van inhoudsonderdelen, zonder afbeeldings-URL-parameter en zonder enig attachment-veld in de gedocumenteerde request body. Niets in de gedocumenteerde interface heeft een plek om een afbeelding in te zetten.

Een van die twee pagina's is verouderd, en van buitenaf is niet te zeggen welke. De changelog is een releaseaankondiging en aankondigingen worden geschreven wanneer een functionaliteit beschikbaar komt; de API-referentie wordt gegenereerd op basis van wat het endpoint daadwerkelijk accepteert, en referentiepagina's zijn het laatste dat iemand bijwerkt. Die redenering wijst één kant op, en het is een redenering, geen bewijs, en daarom zal deze pagina niet beweren dat beeldinvoer een werkende functie is. Als vision de reden is dat je geïnteresseerd bent, besteed dan tien minuten aan het versturen van één afbeelding en het lezen van het antwoord. Ontwerp geen pipeline op basis van de bewoordingen van de changelog, en sluit het model ook niet uit op grond van de referentiepagina.

Er is geen benchmark. Dat is de stand van zaken.

Meituan heeft geen benchmark gepubliceerd voor LongCat-2.5-Preview. Er is geen evaluatietabel in de documentatie, geen vergelijkingsgrafiek in het changelog, geen score op de prijspagina, en geen releaseblogpost die er een bevat — op Meituans eigen modelpagina voor de vorige generatie is een technische uiteenzetting bijgevoegd, en 2.5 heeft niets gelijkwaardigs dat we op enig Meituan-oppervlak konden vinden. Dat is geen omissie in dit artikel; het is het eerste feit dat een koper nodig heeft.

Er is ook geen onafhankelijke score. Artificial Analysis, dat de LongCat-reeks wel meet — het vermeldt LongCat 2.0 met een releasedatum van 29 juni 2026, en LongCat Flash Lite — had geen vermelding van LongCat 2.5 in zijn modelindex toen wij op 13 oktober 2026 keken. Als je deze maand een benchmarkcijfer voor LongCat 2.5 ziet, is de eerste vraag die je moet stellen waaraan het eigenlijk is gekoppeld, want het meest waarschijnlijke antwoord is dat het een LongCat 2.0-resultaat is dat opnieuw is gelabeld door iemand die aannam dat de twee modellen hetzelfde profiel hebben. De hierboven beschreven verwarring over het parameteraantal is dezelfde fout in een ander jasje.

Wat de leverancier wél claimt, zonder dat er ook maar iets van is gereproduceerd, is de lijst met drie punten uit de changelog: multimodaal begrip, "superieure programmeercapaciteiten" die zich uitstrekken over "codegeneratie, codebegrip en geautomatiseerde programmeertaken", en efficiënte werking met Claude Code, Hermes, OpenClaw, OpenCode en Kilo Code. Beschouw die als de beschrijving van de intentie van de leverancier. Twee van de drie zijn beweringen die elke model card in deze klasse doet, en de derde — compatibiliteit met de omgeving — is iets dat je zelf in een middag kunt verifiëren door je agent op het endpoint te richten en te kijken of de tool calls terugkomen in een vorm die jouw harness begrijpt.

Hoe krijg je er een reactie uit

Het platform biedt twee compatibele interfaces via één sleutel, uitgegeven op de API Keys-pagina van de console en doorgegeven als 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.

• Geaccepteerde parameters — max_tokens tot 131072 (standaard 128k), temperature van 0 tot 1, top_p, stream voor SSE, tools en tool_choice, en een thinking-object dat {"type":"enabled"} of {"type":"disabled"} aanneemt. Reasoningen is een schakelaar op het verzoek, geen apart model-ID.

• Snelheidsbeperking — een verzoek dat de limiet overschrijdt, retourneert HTTP 429 met retry_after: 60, en de documentatie raadt exponentiële backoff aan de clientzijde aan. Er wordt nergens een maximum voor requests-per-minute of tokens-per-minute gepubliceerd, dus je kunt een concurrencybudget niet op basis van de documentatie bepalen; je ontdekt de limiet door deze te bereiken. Voor een agent-loop die tientallen aanroepen per taak afvuurt, is het de moeite waard om dat te weten vóór de eerste 429 in plaats van erna.

• Facturering — prepaid saldo, per verzoek in rekening gebracht, alleen bij succesvolle reacties. Mislukte verzoeken — de documentatie noemt 401, 403, 429 en 500 — worden expliciet niet gefactureerd. Saldo verloopt niet, en promotietegoed wordt verbruikt vóór betaald saldo.

Twee details die je een debugging-sessie gaan kosten

Het eerste is het reasoning-veld. Het eigen responsvoorbeeld van de leverancier retourneert een assistantbericht dat zowel content als reasoning_content bevat, met reasoning_tokens uitgesplitst in usage.completion_tokens_details. Dat is niet de OpenAI-vorm en niet de Anthropic-vorm: het is een tussengevoegd veld dat bij elke respons meekomt. Een client die deserialiseert naar een vast schema en onbekende sleutels laat vallen, gooit stilletjes de redenering van het model weg — en de fout is onzichtbaar, want het antwoord komt nog steeds terug. Je zou concluderen dat het model zwakker is dan het is, en je zou ongelijk hebben om een reden die niets met het model te maken heeft. Controleer of je client het veld behoudt voordat je de outputkwaliteit beoordeelt.

De tweede is de modaliteitsvraag hierboven. Die staat op deze lijst vanwege de manier waarop de twee documenten zijn verdeeld: de changelog is de pagina die je leest om te begrijpen wat het model kan, en de API-referentie is de pagina die je leest om te begrijpen hoe je het moet vragen. Hier zijn ze het oneens over hetzelfde model, en het meningsverschil gaat precies over de functie waarmee de release-opmerking vooroploopt.

Wat zou deze aanbeveling veranderen?

Deze pagina is een momentopname, en het is een momentopname van een model met vier open vragen in plaats van een uitgekristalliseerd model. Vijf dingen zouden het in beweging brengen:

• Een naamswijziging of een GA-vermelding in de changelog — het moment waarop -Preview niet langer de model-ID is, de prijs niet langer als limited-time wordt aangeduid, en een stabiliteitsbelofte betekenis krijgt.

• Een benchmark, van Meituan of van een meetorganisatie — beide zouden de huidige situatie vervangen, namelijk dat de competentie van het model onbekend is in plaats van slechts laag.

• Beeldinvoer gedemonstreerd in de referentie in plaats van beweerd in de releaseopmerking — de oplossing hier is een wijziging van één regel aan een gegenereerde pagina, en dit zou de enige interne tegenstrijdigheid in de documentatieset oplossen.

• Een vrijgave van parameters of een Hugging Face-repository — beide zouden het mogelijk maken om de 2.5 op basis van bewijs te bespreken in plaats van via overerving van LongCat 2.0.

• Een gepubliceerde rate limit — de kleinste van de vijf, en degene die het meest bepaalt of een agent-workload planbaar is.

Ondertussen is de praktische houding eenvoudig, en het is niet dezelfde houding die je zou aannemen bij een gescoord, geprijsd, stabiel model. Een niet-gescoorde preview tegen een actieprijs is een model dat je evalueert, niet een model waar je een productiepad naartoe richt — en dat maakt de fallback juist het onderdeel dat zorgvuldig opzetten verdient. Op OrcaRouter zitten de modellen die wij leveren achter één sleutel tegen de lijstprijs van de provider, met nul opslag, dus een prijswijziging van een leverancier bereikt je factuur dezelfde dag in plaats van bij verlenging, en automatische failover verplaatst een verzwakt verzoek naar een gezonde provider zonder dat je code daar iets van merkt. LongCat-2.5-Preview is niet een van onze routes en wij leveren het niet, dus om het te proberen moet je rechtstreeks naar het platform van Meituan; het argument hier is alleen dat wat je erachter houdt je een configuratieregel moet kosten om te bereiken, want de vraag die dit model oproept — is het goed genoeg voor mijn werk — kun je alleen beantwoorden door het te draaien, en het antwoord kan heel goed nee zijn.

Wat de vorm van het geheel is. LongCat 2.5 is een echt model op een echt platform met een gedocumenteerde interface, een gepubliceerde prijs en een contextvenster van 1M tokens, en het is ook een preview waarvan de parameters, benchmark en vision-ondersteuning allemaal niet vaststaan. Beide helften zijn waar, ze zijn beide het opschrijven waard, en de tweede helft is degene die niemand herpubliceert.