LongCat 2.5: Czym jest model zapowiedzi Meituan, a czym nie jest

Poproś o LongCat 2.5na własnej platformie Meituan, a model, który otrzymasz, nazywa się LongCat-2.5-Preview — a ten sufiks nie jest ozdobnikiem. To identyfikator modelu, ciąg znaków w każdym przykładzie kodu, nazwa na cenniku i jedyny wpis dotyczący LongCat 2.5, jaki zwraca punkt końcowy dostawcy z listą modeli. Platforma API LongCat firmy Meituan udostępniła go w ramach opatrzonego datą wpisu w dzienniku zmian z 25 września 2026 r., obok jedynego innego modelu tej platformy, LongCat-2.0. Blisko trzy tygodnie później nie zmieniono mu nazwy, jego cena wciąż jest oznaczona jako promocyjna i nikt — w tym Meituan — nie opublikował dla niego ani jednej liczby z benchmarku.

Ta kombinacja to cały powód istnienia tej strony. Interfejs jest w pełni udokumentowany: punkt końcowy zgodny z OpenAI, drugi zgodny z Anthropic, opublikowany cennik, opublikowany limit kontekstu. Profil możliwości nie jest udokumentowany wcale, a jedna kluczowa funkcja jest opisana na dwa różne sposoby przez dwie strony tego samego zestawu dokumentacji. Jeśli decydujesz, czy coś na tym zbudować, przydatna będzie precyzyjna lista tego, co jest znane, co jest deklarowane, a czego po prostu nie ma.

Czym jest LongCat 2.5 i kto go publikuje

LongCat to linia modeli Meituan, a LongCat API Platform to własna platforma udostępniania tej linii należąca do Meituan — nie brama第三方. W sekcji FAQ platformy jej usługę opisano jako „usługi proxy modeli AI przeznaczone specjalnie dla modeli z serii LongCat", zachowując zgodność z formatami API OpenAI i Anthropic, dzięki czemu istniejące zestawy SDK działają bez zmian. Adres wsparcia podany na stronach samego dostawcy to longcat-team@meituan.com, a witryna dokumentacji, konsola i host API znajdują się w domenach kontrolowanych przez Meituan oraz w CDN zasobów statycznych Meituan.

Katalog jest krótki. Tabela obsługiwanych modeli platformy zawiera dokładnie dwa wpisy — LongCat-2.5-Preview i LongCat-2.0 — oba opisane identycznie jako „Wysoce wydajny model agentowy”. GET /openai/v1/modelsEndpoint zwraca te same dwa modele i nic więcej, a w każdym z nich owned_byma wartość „LongCat”. Zatem „LongCat 2.5” nie jest rodziną z wariantami, między którymi trzeba wybierać — istnieje jeden model 2.5, jest on nowszym z dwóch dostępnych na platformie i to od niego zaczyna własna strona platformy z cennikiem pay-as-you-go.

To, do czego według dostawcy ma to służyć — zgodnie z informacją o wydaniu — to trzy rzeczy: rozumienie obrazów, programowanie oraz zgodność z popularnymi środowiskami programistycznymi; wymieniono Claude Code, Hermes, OpenClaw, OpenCode i Kilo Code. Ta informacja o wydaniu to własny, opatrzony datą wpis dostawcy i jedyne miejsce, w którym pojawia się którekolwiek z tych twierdzeń.

„Preview" to identyfikator modelu, a nie hasło marketingowe

To rozróżnienie ma większe znaczenie niż zwykle, ponieważ na tej platformie „podgląd” odgrywa kluczową rolę w trzech konkretnych wymiarach.

Po pierwsze, to ciąg znaków, który musisz wysłać. Każde przykładowe żądanie w dokumentacji — cURL, Python, przykład z SDK OpenAI, przykład z SDK Anthropic — używa LongCat-2.5-Preview, a dokumentacja Retrieve Model używa go jako parametru ścieżki. Nie ma aliasu GA, który można by wysłać zamiast niego.

Po drugie, cena jest wyraźnie tymczasowa. Na stronie z cennikiem słowa „limited-time” widnieją w nagłówku kolumny nad każdą kwotą, a całość zamyka zdanie warte przeczytania dwa razy: „Ceny mogą ulec zmianie. Ceny podane na LongCat API Platform oraz w Twoich zapisach rozliczeniowych są wiążące”. Cennik, który sam mówi, że nie jest źródłem wiążącym dla własnych liczb, mówi ci, żeby nie budować na nim modelu ekonomiki jednostkowej.

Po trzecie, nigdzie nie istnieje żadne zobowiązanie dotyczące stabilności. Nie ma opublikowanego okresu wycofywania, obietnicy dotyczącej wersjonowania ani oświadczenia, czy model zachowa ten sam identyfikator, gdy opuści fazę zapoznawczą, czy też oznaczenie -Preview zostanie po prostu wycofane na rzecz nowej nazwy. To normalne ryzyko wersji zapoznawczej, a uczciwe podejście do tego jest takie: możesz go wywołać dzisiaj, ale nie możesz zakładać, że wywołanie, które piszesz dzisiaj, będzie tym, które zachowasz.

Podgląd nie oznacza tutaj ograniczonego dostępu. Platforma działa w trybie samoobsługowym: zarejestruj się, utwórz klucz, doładuj przedpłacone saldo. Użytkownicy w Chinach kontynentalnych muszą przejść weryfikację tożsamości, zanim będą mogli doładować konto; użytkownicy spoza nich mogą zarejestrować się za pomocą numeru telefonu lub adresu e-mail. Nic w dokumentacji nie uzależnia dostępu do modelu od procesu zatwierdzania.

Parametry i architektura: liczba, którą wszyscy cytują, odnosi się do LongCat 2.0

Meituan nie publikuje liczby parametrów dla LongCat-2.5-Preview. Nie ma jej ani w changelogu, ani na stronie z cennikiem, ani w dokumentacji API, ani w FAQ. Jeśli widziałeś „około 1,6 biliona parametrów łącznie, z około 48 miliardami aktywnych” przypisane do LongCat 2.5, to widziałeś liczbę z LongCat 2.0 noszącą etykietę 2.5 — a znakiem rozpoznawczym jest to, że zdanie jest prawie zawsze opatrzone zastrzeżeniem „w przybliżeniu”, ponieważ jest przenoszone ze starszej karty modelu, a nie odczytywane z tej.

Źródłem tej liczby jest własna karta modelu Meituan na Hugging Face dla longcat-2.0, która zaczyna się słowami: „Wprowadzamy LongCat-2.0, wielkoskalowy model językowy MoE z 1,6 biliona parametrów całkowitych i ~48 miliardów aktywowanych na token.” Karta ta opisuje następnie LongCat Sparse Attention, pretrening obejmujący „setki miliardów tokenów danych o kontekście 1M” oraz 135 miliardów parametrów N-gram Embedding zawartych w modelu. To dobrze udokumentowana architektura i należy do LongCat 2.0. To, czy 2.5 dziedziczy ten kształt, jest rozsądnym oczekiwaniem i nieudokumentowanym faktem. Ta strona nie poda tego jako specyfikacji LongCat 2.5 i nic innego, co przeczytasz w tym miesiącu, również nie powinno.

Otwarte wagi: nie

Meituan publikuje wiele na Hugging Face — meituan-longcat organizacja posiada około trzydziestu repozytoriów obejmujących modele tekstowe, obrazowe, wideo i audio, a rodzina LongCat-2.0 jest tam w pełnym składzie: model bazowy plus wersje FP8 i INT8, wszystkie na licencji MIT. Nie ma repozytorium LongCat-2.5. Najnowszym wydaniem do generowania tekstu w organizacji jest LongCat-2.0 z początku lipca 2026, a wyszukiwanie w Hubie frazy LongCat-2.5 nie zwraca żadnego repozytorium ani od Meituan, ani od nikogo innego.

Ten wzorzec jest wymowny także w drugą stronę. To, że wagi LongCat 2.0 są otwarte, widać w ekosystemie, który tworzy się wokół otwartych wag — społecznościowe kwantyzacje 3-bitowe i 2-bitowe, konwersje MLX, kompilacje AutoRound z mieszaną precyzją. Nic z tego nie istnieje dla 2.5, ponieważ nie ma wag, które ktokolwiek mógłby skwantyzować. Dopóki Meituan nie opublikuje repozytorium, traktuj LongCat-2.5-Preview jako zamknięty model dostępny wyłącznie przez API, niezależnie od tego, jak będzie wyglądać przyszłość linii LongCat.

Koperta, którą dostawca faktycznie publikuje

Pochodzą one z dokumentacji i stron z cennikami samego Meituan z 13 października 2026 r. Każda z nich to wartość podana przez dostawcę; żadna nie została niezależnie zweryfikowana, a ostatnia wcale nie jest liczbą.

• Okno kontekstowe — 1 048 576 tokenów. Przykładowa odpowiedź w dokumentacji Retrieve Model dla LongCat-2.5-Preview zwraca context_length: 1048576, a w sekcji szybkiego startu ten sam limit podano opisowo jako „okno kontekstowe 1 mln tokenów".

• Maksymalne wyjście — 131,072 tokenów. W przewodniku szybkiego startu zapisano to jako „maksymalna długość wyjścia wynosząca 128K tokenów”; dokumentacja referencyjna Chat Completions podaje pułap 131072, a wartość domyślną 128k. Jedna liczba, trzy sposoby jej zapisu, a największa z tych wartości to rzeczywisty pułap.

• Modalności wejściowe — udokumentowane jako tekst. Ta sama odpowiedź Retrieve Model zwraca input_modalities: ["text"] z ciągiem modality o wartości text->text. Dziennik zmian twierdzi, że obsługiwane jest wejście obrazowe. Te dwie rzeczy znajdują się w tej samej witrynie dokumentacji i są ze sobą sprzeczne; następna sekcja się tym zajmuje.

• Modalności wyjściowe — tekst, a myślenie modelu jest zwracane osobno w polu reasoning_content, a nie wplecione w odpowiedź. Tokeny rozumowania są liczone osobno w bloku użycia, co czyni przypisanie kosztów w długich łańcuchach wykonalnym.

• Cena za milion tokenów — 0,30 USD za dane wejściowe bez pamięci podręcznej, 0,006 USD za dane wejściowe z pamięci podręcznej, 1,20 USD za dane wyjściowe. Strona opisuje wszystkie trzy jako „oferta ograniczona czasowo”. Ta sama tabela zawiera cennik w juanach, 2 ¥ / 0,04 ¥ / 8 ¥, dla kont rozliczanych w Chinach.

• Parametry — nieopublikowane dla tego modelu. Konfiguracja 1.6T/48B należy do LongCat 2.0.

• Niezależna ocena — żadna nie istnieje. Nie niska ocena: brak oceny.

Gdzie dostawca przeczy sam sobie w kwestii obrazów

Główne twierdzenie w changelogu jest jednoznaczne: „Rozumienie multimodalne: nowa zdolność rozumienia obrazów, potrafiąca analizować zawartość obrazu, obsługująca międzymodalne pytania i odpowiedzi, streszczanie treści oraz złożone rozumowanie wizualne”. Dla modelu, którego jedynym innym udokumentowanym wyróżnikiem jest to, że jest tani, to jest funkcja, na której warto budować.

Dokumentacja API mówi coś przeciwnego. Retrieve Model, wywołane dla dokładnie tego identyfikatora modelu, zwraca input_modalities: ["text"] oraz output_modalities: ["text"]. Dokumentacja Chat Completions opisuje pole content jako „treść wiadomości jako zwykły ciąg tekstowy” — ciąg, a nie tablicę części treści, bez parametru adresu URL obrazu i bez pola załącznika nigdzie w udokumentowanym ciele żądania. W udokumentowanym interfejsie nie ma żadnego miejsca, w które można by wstawić obraz.

Jedna z tych dwóch stron jest nieaktualna i nie da się z zewnątrz stwierdzić która. Dziennik zmian to ogłoszenie o wydaniu, a ogłoszenia pisze się, gdy jakaś funkcja zostaje dodana; dokumentacja API jest generowana na podstawie tego, co faktycznie przyjmuje endpoint, a strony referencyjne są ostatnią rzeczą, którą ktokolwiek aktualizuje. To rozumowanie wskazuje w jedną stronę i jest rozumowaniem, a nie dowodem, dlatego ta strona nie będzie twierdzić, że wprowadzanie obrazów jest działającą funkcją. Jeśli interesujesz się tym ze względu na obsługę obrazu, poświęć dziesięć minut na wysłanie jednego obrazu i przeczytanie odpowiedzi. Nie planuj potoku w oparciu o brzmienie dziennika zmian i nie skreślaj modelu tylko na podstawie strony referencyjnej.

Nie ma żadnego benchmarku. Taki jest stan rzeczy.

Meituan nie opublikował żadnego benchmarku dla LongCat-2.5-Preview. W dokumentacji nie ma tabeli wyników, w changelogu nie ma wykresu porównawczego, na stronie z cennikiem nie ma wyniku, a wpis na blogu o premierze nie zawiera żadnego — własna strona modelu Meituan dla poprzedniej generacji ma dołączony opis techniczny, a 2.5 nie ma niczego równoważnego, co udałoby się nam znaleźć w jakimkolwiek serwisie Meituan. To nie jest przeoczenie w tym artykule; to pierwszy fakt, którego potrzebuje nabywca.

Nie ma też niezależnego wyniku. Artificial Analysis, które faktycznie mierzy linię LongCat — uwzględnia LongCat 2.0 z datą premiery 29 czerwca 2026 r. oraz LongCat Flash Lite — nie miało wpisu LongCat 2.5 w swoim indeksie modeli, gdy sprawdzaliśmy 13 października 2026 r. Jeśli w tym miesiącu zobaczysz wynik benchmarku LongCat 2.5, pierwszym pytaniem, jakie należy zadać, jest to, do czego jest on faktycznie przypisany, ponieważ najbardziej prawdopodobna odpowiedź brzmi: to wynik LongCat 2.0 opatrzony nową etykietą przez kogoś, kto założył, że oba modele mają ten sam profil. Opisane powyżej zamieszanie z liczbą parametrów to ten sam błąd w innym przebraniu.

To, co dostawca faktycznie twierdzi — a żadnego z tych twierdzeń nie odtworzono — to trzyelementowa lista z changelogu: rozumienie multimodalne, „znakomite możliwości kodowania” obejmujące „generowanie kodu, rozumienie kodu i zautomatyzowane zadania programistyczne” oraz wydajne działanie z Claude Code, Hermes, OpenClaw, OpenCode i Kilo Code. Traktuj je jako opis intencji dostawcy. Dwa z trzech to twierdzenia, które pojawiają się w każdej karcie modelu w tej klasie, a trzecie — zgodność środowiskowa — to coś, co możesz sam zweryfikować w jedno popołudnie, kierując swojego agenta na endpoint i sprawdzając, czy wywołania narzędzi wracają w formie, którą rozumie twój harness.

Jak wydobyć z tego odpowiedź

Platforma udostępnia dwa zgodne interfejsy przy użyciujednego kluczawydawanego na stronie API Keys w konsoli i przekazywanego jako 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.

• Akceptowane parametry — max_tokens do 131072 (domyślnie 128k), temperature od 0 do 1, top_p, stream dla SSE, tools oraz tool_choice, a także obiekt thinking, który przyjmuje {"type":"enabled"} lub {"type":"disabled"}. Rozumowanie to przełącznik w żądaniu, a nie osobny identyfikator modelu.

• Ograniczanie tempa — żądanie przekraczające limit zwraca HTTP 429 z retry_after: 60, a dokumentacja zaleca wykładnicze opóźnianie ponowień po stronie klienta. Nigdzie nie podano pułapu żądań na minutę ani tokenów na minutę, więc nie można na podstawie dokumentacji określić budżetu współbieżności; limit poznaje się dopiero wtedy, gdy się go osiągnie. W przypadku pętli agenta, która wykonuje dziesiątki wywołań na zadanie, warto to wiedzieć przed pierwszym 429, a nie po nim.

• Rozliczenia — przedpłacone saldo, opłata pobierana za każde żądanie, wyłącznie za udane odpowiedzi. Nieudane żądania — dokumentacja wymienia 401, 403, 429 i 500 — wyraźnie nie są obciążane opłatą. Saldo nie wygasa, a środki promocyjne są wykorzystywane przed płatnym saldem.

Dwa szczegóły, które będą cię kosztować sesję debugowania

Pierwszy element to pole rozumowania. Przykład odpowiedzi samego dostawcy zwraca komunikat asystenta zawierający zarówno content, jak i reasoning_content, z reasoning_tokens wyodrębnionymi wewnątrz usage.completion_tokens_details. To nie jest format Open​AI ani format Anthrop​ic: to pole przeplatane, które pojawia się w każdej odpowiedzi. Klient, który deserializuje do sztywnego schematu i pomija nieznane klucze, po cichu odrzuci rozumowanie modelu — a błąd pozostaje niewidoczny, ponieważ odpowiedź nadal przychodzi. Uznałbyś, że model jest słabszy, niż jest, i myliłbyś się z powodu, który nie ma nic wspólnego z modelem. Sprawdź, czy Twój klient zachowuje to pole, zanim ocenisz jakość wyników.

Drugi to wspomniane powyżej pytanie o modalność. Znajduje się na tej liście ze względu na sposób, w jaki rozłożono oba dokumenty: dziennik zmian to strona, którą czytasz, aby zrozumieć, co model potrafi, a dokumentacja API to strona, którą czytasz, aby zrozumieć, jak zadawać pytania. Tutaj oba dokumenty nie zgadzają się co do tego samego modelu, a ta niezgodność dotyczy dokładnie tej funkcji, którą nota o wydaniu wysuwa na pierwszy plan.

Co zmieniłoby tę rekomendację?

Ta strona jest migawką i jest migawką modelu z czterema otwartymi pytaniami, a nie ustalonego. Pięć rzeczy przesunęłoby go:

• Zmiana nazwy lub wpis GA w changelogu — moment, w którym -Preview przestaje być identyfikatorem modelu, cena przestaje być oznaczana jako ograniczona czasowo, a zobowiązanie do stabilności staje się znaczące.

• Benchmark — od Meituan lub od organizacji zajmującej się pomiarami — zastąpiłby obecną sytuację, w której kompetencje modelu są nieznane, a nie tylko niskie.

• Wejście obrazu zademonstrowane w referencji, a nie zadeklarowane w informacji o wydaniu — poprawką tutaj jest zmiana jednej linii w wygenerowanej stronie i rozwiązałaby ona jedyną wewnętrzną sprzeczność w zestawie dokumentacji.

• Ujawnienie parametrów albo repozytorium Hugging Face — każde z nich pozwoliłoby dyskutować o architekturze 2.5 na podstawie dowodów, a nie przez dziedziczenie z LongCat 2.0.

• Opublikowany limit szybkości — najmniejszy z pięciu i ten, który w największym stopniu wpływa na to, czy obciążenie agenta da się zaplanować.

W międzyczasie praktyczne podejście jest proste i nie jest to samo podejście, jakie przyjąłbyś wobec ocenionego, wycenionego i stabilnego modelu. Wersja zapoznawcza bez oceny w cenie promocyjnej to model, który się ocenia, a nie taki, na który kierujesz ścieżkę produkcyjną — i to sprawia, że właśnie mechanizm awaryjny warto starannie skonfigurować. W OrcaRouter obsługiwane przez nas modele są dostępne za jednym kluczem w cenie katalogowej dostawcy z zerową marżą, więc zmiana ceny u dostawcy trafia na Twój rachunek tego samego dnia, a nie dopiero przy odnowieniu, a automatyczne przełączanie awaryjne przenosi zdegradowane żądanie do sprawnego dostawcy, tak aby Twój kod o tym nie wiedział. LongCat-2.5-Preview nie należy do naszych tras i nie obsługujemy go, więc próba wypróbowania go oznacza pójście bezpośrednio na platformę Meituan; chodzi tu tylko o to, że cokolwiek trzymasz za nim, powinno kosztować cię jedną linię konfiguracji, aby do niego dotrzeć, ponieważ na pytanie, które stawia ten model — czy jest wystarczająco dobry do mojej pracy — możesz odpowiedzieć tylko, uruchamiając go, a odpowiedź równie dobrze może brzmieć: nie.

Taki jest kształt całości. LongCat 2.5 to prawdziwy model na prawdziwej platformie z udokumentowanym interfejsem, opublikowaną ceną i oknem kontekstowym 1 mln tokenów, a jednocześnie wersja zapoznawcza, której parametry, benchmark i obsługa wizji nie zostały ustalone. Obie połowy są prawdziwe, obie warto zapisać, a ta druga to ta, której nikt nie powiela.