LongCat 2.5: Vad Meituans förhandsvisningsmodell är, och vad den inte är

Be om LongCat 2.5 på Meituans egen plattform och modellen du får heter LongCat-2.5-Preview — och det suffixet är inte dekoration. Det är modell-ID:t, strängen i varje kodexempel, namnet på prislistan, och den enda LongCat 2.5-posten som leverantörens slutpunkt för modellistor returnerar. Meituans LongCat API Platform lanserade den under en daterad post i ändringsloggen den 25 september 2026, tillsammans med plattformens enda andra modell, LongCat-2.0. Nästan tre veckor senare har den inte bytt namn, dess pris har inte slutat märkas som kampanjpris, och ingen — inte heller Meituan — har publicerat ett enda benchmarkvärde för den.

Den kombinationen är hela anledningen till att den här sidan finns. Gränssnittet är fullständigt dokumenterat: en OpenAI-kompatibel slutpunkt, en Anthropic-kompatibel, ett publicerat priskort, en publicerad kontextgräns. Kapacitetsprofilen är inte dokumenterad alls, och en huvudfunktion beskrivs på två olika sätt av två sidor i samma dokumentationsuppsättning. Om du överväger att bygga på det är det användbara en exakt lista över vad som är känt, vad som påstås och vad som helt enkelt saknas.

Vad LongCat 2.5 är och vem som publicerar det

LongCat är Meituans modellinje, och LongCat API-plattformen är Meituans egen serveringsyta för den – inte en tredjepartsgateway. Plattformens FAQ beskriver sin tjänst som "AI-modellproxy-tjänster specifikt för LongCat-seriens modeller", och den bibehåller kompatibilitet med OpenAI:s och Anthropics API-format så att befintliga SDK:er fungerar oförändrat. Supportadressen på leverantörens egna sidor är longcat-team@meituan.com, och dokumentationssajten, konsolen och API-värden ligger alla under Meituankontrollerade domäner och Meituans CDN för statiska tillgångar.

Katalogen är kort. Plattformens tabell över modeller som stöds listar exakt två poster, LongCat-2.5-Preview och LongCat-2.0, båda beskrivna på samma sätt som en "High-performance Agentic model". Den GET /openai/v1/models-ändpunkten returnerar samma två och inget annat, var och en med owned_by satt till "LongCat". Så "LongCat 2.5" är inte en familj med varianter som du måste välja mellan – det finns en 2.5-modell, den är den nyare av de två på plattformen, och det är den som plattformens egen prissida för betala per användning lyfter fram först.

Vad leverantören uppger i versionsmeddelandet att det är till för är tre saker: bildförståelse, kodning och kompatibilitet med vanliga utvecklingsmiljöer – Claude Code, Hermes, OpenClaw, OpenCode och Kilo Code nämns. Det versionsmeddelandet är leverantörens egen daterade anteckning, och det är den enda platsen där något av dessa påståenden förekommer.

"Preview" är modell-ID, inte ett marknadsföringsord.

Åtskillnaden spelar större roll än den vanligtvis gör, eftersom "förhandsgranskning" på den här plattformen är bärande på tre konkreta sätt.

För det första är det strängen du måste skicka. Varje exempelbegäran i dokumentationen — cURL, Python, OpenAI SDK-exemplet, Anthropic SDK-exemplet — använder LongCat-2.5-Preview, och referensen för Retrieve Model använder den som sökvägsparameter. Det finns inget GA-alias att skicka i stället.

För det andra är priset uttryckligen preliminärt. På prissidan står orden "begränsad tid" i kolumnrubriken ovanför varje siffra, och den avslutas med en mening som är värd att läsa två gånger: "Priserna kan ändras. Priserna som visas på LongCat API Platform och dina faktureringsuppgifter är auktoritativa." Ett prisblad som säger att det inte är auktoriteten för sina egna siffror säger åt dig att inte bygga en unit economics-modell på det.

För det tredje finns det inget stabilitetsåtagande någonstans. Det finns inget publicerat avvecklingsfönster, inget versionslöfte, inget uttalande om huruvida modellen behåller samma ID när den lämnar förhandsversionen eller om -Preview helt enkelt fasas ut till förmån för ett nytt namn. Det är den normala risken med en förhandsversion, och det ärliga sättet att förhålla sig till det är: du kan anropa den i dag, och du kan inte utgå från att anropet du skriver i dag är anropet du behåller.

Vad preview intebetyder här är begränsad åtkomst. Plattformen är självbetjänad: registrera dig, skapa en nyckel, fyll på ett förbetalt saldo. Användare i Fastlandskina måste slutföra identitetsverifiering innan de kan fylla på; användare utanför kan registrera sig med ett telefonnummer eller en e-postadress. Ingenting i dokumentationen låser modellen bakom en godkännandeprocess.

Parametrar och arkitektur: siffran som alla citerar tillhör LongCat 2.0

Meituan publicerar inget parametrantal för LongCat-2.5-Preview. Det finns inte i ändringsloggen, inte på prissidan, inte i API-referensen, inte i FAQ. Om du har sett "ungefär 1,6 biljoner parametrar totalt, varav omkring 48 miljarder aktiva" kopplat till LongCat 2.5, har du sett en LongCat 2.0-siffra med en 2.5-etikett — och avslöjandet är att meningen nästan alltid kvalificeras med "ungefär", eftersom den förs över från det äldre modellkortet i stället för att läsas av från detta.

Källan till den siffran är Meituans eget Hugging Face-modellkort för longcat-2.0, som inleds: ”Vi introducerar LongCat-2.0, en storskalig MoE-språkmodell med 1,6 biljoner parametrar totalt och ~48 miljarder aktiverade per token.” Det kortet fortsätter att beskriva LongCat Sparse Attention, förträning över ”hundratals miljarder tokens med 1M-kontextdata”, och 135 miljarder N-gram-embeddingparametrar som ingår i modellen. Det är en väldokumenterad arkitektur, och den tillhör LongCat 2.0. Huruvida 2.5 ärver den formen är en rimlig förväntan och ett odokumenterat faktum. Den här sidan kommer inte att ange det som en specifikation för LongCat 2.5, och det bör inte heller något annat du läser den här månaden göra.

Öppna vikter: nej

Meituan publicerar en hel del på Hugging Face — meituan-longcat organisationen har ett trettiotal repositorier som spänner över text-, bild-, video- och ljudmodeller, och LongCat-2.0-familjen finns där i sin helhet: basmodellen plus FP8- och INT8-syskon, alla under MIT. Det finns inget LongCat-2.5-repositorium. Den nyaste textgenereringsutgåvan i organisationen är LongCat-2.0 från början av juli 2026, och en sökning på Hubben efter LongCat-2.5 ger inget repositorium från Meituan eller från någon annan.

Mönstret är talande även i den andra riktningen. Att LongCat 2.0:s vikter är öppna syns i ekosystemet som bildas kring öppna vikter – kvantiseringar i 3 och 2 bitar från communityn, MLX-konverteringar, AutoRound-byggen med blandad precision. Inget av det finns för 2.5, eftersom det inte finns några vikter för någon att kvantisera. Tills Meituan publicerar ett arkiv, behandla LongCat-2.5-Preview som en sluten modell som endast är tillgänglig via API, hur framtiden för LongCat-serien än ser ut.

Kuvertet som leverantören faktiskt publicerar

Dessa är hämtade från Meituans egen dokumentation och prissidor den 13 oktober 2026. Var och en av dem är leverantörens egen siffra; ingen av dem är oberoende verifierad, och den sista är inte någon siffra alls.

• Kontextfönster – 1 048 576 tokens. Exempelsvaret i referensen för Retrieve Model för LongCat-2.5-Preview returnerar context_length: 1048576, och snabbstartsguiden anger samma gräns i löptext som "kontextfönster på 1 M tokens".

• Maximal utdata – 131 072 tokens. Snabbstarten skriver det som "en maximal utdatalängd på 128K tokens"; referensen för Chat Completions anger taket till 131072 och standardvärdet till 128k. Ett tal, tre sätt att skriva det på, och det största av dem är det verkliga taket.

• Indatamodaliteter – dokumenterade som text. Samma Retrieve Model-svar returnerar input_modalities: ["text"] med en modalitetssträng som är text->text. Ändringsloggen påstår att bildinmatning finns. Dessa två saker finns på samma dokumentationswebbplats och de motsäger varandra; nästa avsnitt behandlar det.

• Utdatamodaliteter — text, med modellens tänkande returnerat separat i ett reasoning_content-fält i stället för invävt i svaret. Resonemangstokens räknas separat i användningsblocket, vilket gör kostnadsattribuering på långa kedjor hanterbar.

• Pris per miljon tokens — $0,30 för icke-cachad indata, $0,006 för cachad indata, $1,20 för utdata. Sidan märker alla tre som ”tidsbegränsat”. Samma tabell innehåller prislistan i renminbi, ¥2 / ¥0,04 / ¥8, för konton som faktureras i Kina.

• Parametrar — inte publicerade för denna modell. 1,6T/48B-formen tillhör LongCat 2.0.

• Oberoende betyg — inget sådant finns. Inte ett lågt betyg: inget betyg.

Där leverantören motsäger sig själv om bilder

Ändringsloggens huvudpåstående är otvetydigt: "Multimodal förståelse: Ny bildförståelseförmåga, kan tolka bildinnehåll, stöder tvärmodala frågor och svar, innehållssammanfattning och komplext visuellt resonemang." För en modell vars enda andra dokumenterade särskiljande egenskap är att vara billig, är det den funktion du skulle bygga vidare på.

API-referensen säger motsatsen. Retrieve Model, som anropas för just detta modell-ID, returnerar input_modalities: ["text"] och output_modalities: ["text"]. Referensen för Chat Completions beskriver fältet content i meddelandet som "meddelandeinnehåll som en vanlig textsträng" – en sträng, inte en array av innehållsdelar, utan någon parameter för bild-URL och utan något bilagefält någonstans i den dokumenterade förfrågningskroppen. Inget i det dokumenterade gränssnittet har någon plats att lägga in en bild i.

En av de två sidorna är inaktuell, och det går inte att avgöra vilken utifrån. Ändringsloggen är ett releasemeddelande, och meddelanden skrivs när en funktion landar; API-referensen genereras från vad slutpunkten faktiskt accepterar, och referenssidor är det sista någon uppdaterar. Det resonemanget pekar i en riktning, och det är resonemang snarare än bevis, vilket är varför den här sidan inte kommer att hävda att bildinmatning är en fungerande funktion. Om vision är anledningen till att du är intresserad, lägg tio minuter på att skicka en bild och läsa svaret. Planera inte en pipeline kring ändringsloggens formulering, och uteslut inte modellen enbart baserat på referenssidan heller.

Det finns ingen måttstock. Det är läget.

Meituan har inte publicerat något benchmark för LongCat-2.5-Preview. Det finns ingen utvärderingstabell i dokumentationen, inget jämförelsediagram i ändringsloggen, ingen poäng på prissidan och inget lanseringsblogginlägg som kan innehålla en sådan — Meituans egen modellsida för den föregående generationen har en teknisk beskrivning bifogad, och 2.5 har inget motsvarande som vi kunde hitta på någon av Meituans ytor. Det är inte ett förbiseende i den här artikeln; det är det första faktum en köpare behöver.

Det finns inte heller någon oberoende poäng. Artificial Analysis, som faktiskt mäter LongCat-serien – den har LongCat 2.0 med ett releasedatum den 29 juni 2026, och LongCat Flash Lite – hade ingen post för LongCat 2.5 i sitt modellindex när vi kontrollerade den 13 oktober 2026. Om du ser en benchmarksiffra för LongCat 2.5 den här månaden är den första frågan att ställa vad den faktiskt är kopplad till, eftersom det mest sannolika svaret är att det är ett LongCat 2.0-resultat som någon har märkt om efter att ha antagit att de två modellerna har samma profil. Förvirringen kring parameterantalet som beskrivs ovan är samma fel i en annan skepnad.

Det leverantören faktiskt påstår, allt utan att det har reproducerats, är ändringsloggens lista med tre punkter: multimodal förståelse, "överlägsen kodningsförmåga" som omfattar "kodgenerering, kodförståelse och automatiserade programmeringsuppgifter", samt effektiv drift med Claude Code, Hermes, OpenClaw, OpenCode och Kilo Code. Betrakta dem som leverantörens beskrivning av sin avsikt. Två av de tre är påståenden som alla modellkort i den här klassen gör, och den tredje – kompatibilitet med miljöer – är sådant som du själv kan verifiera på en eftermiddag genom att rikta din agent mot slutpunkten och se om verktygsanropen kommer tillbaka i en form som din harness förstår.

Hur man får ett svar ur det

Plattformen exponerar två kompatibla ytor över en nyckel, utfärdad från konsolens sida API Keys och skickas som 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.

• Godkända parametrar — max_tokens upp till 131072 (standard 128k), temperature från 0 till 1, top_p, stream för SSE, tools och tool_choice, och ett thinking-objekt som tar {"type":"enabled"} eller {"type":"disabled"}. Reasoning är en växel i anropet, inte ett separat modell-ID.

• Hastighetsbegränsning — en begäran över gränsen returnerar HTTP 429 med retry_after: 60, och dokumentationen rekommenderar exponentiell backoff på klientsidan. Inget tak för förfrågningar per minut eller tokens per minut publiceras någonstans, så du kan inte dimensionera en samtidighetsbudget utifrån dokumentationen; du upptäcker gränsen genom att nå den. För en agentloop som skickar dussintals anrop per uppgift är det värt att veta före den första 429:an snarare än efter.

• Fakturering — förbetalt saldo, debiteras per förfrågan, endast vid lyckade svar. Misslyckade förfrågningar — dokumentationen nämner 401, 403, 429 och 500 — debiteras uttryckligen inte. Saldot löper inte ut, och kampanjkredit förbrukas före betalt saldo.

Två detaljer som kommer att kosta dig en felsökningssession

Det första är reasoning-fältet. Leverantörens eget svarexempel returnerar ett assistentmeddelande som innehåller både content och reasoning_content, med reasoning_tokens utbrutna i usage.completion_tokens_details. Det är inte Open​AI-formen och det är inte Anthrop​ic-formen: det är ett interfolierat fält som kommer med varje svar. En klient som deserialiserar till ett fast schema och ignorerar okända nycklar kommer tyst att kasta bort modellens tänkande — och felet är osynligt, eftersom svaret fortfarande kommer tillbaka. Du skulle dra slutsatsen att modellen är svagare än den är, och du skulle ha fel av en anledning som inte har något med modellen att göra. Kontrollera att din klient behåller fältet innan du bedömer utdatakvaliteten.

Den andra är modalitetsfrågan ovan. Den står på den här listan på grund av hur de två dokumenten distribueras: ändringsloggen är sidan du läser för att förstå vad modellen kan göra, och API-referensen är sidan du läser för att förstå hur du frågar. Här går de isär om samma modell, och oenigheten gäller exakt den funktion som versionsmeddelandet inleder med.

Vad skulle förändra den här rekommendationen?

Den här sidan är en ögonblicksbild, och det är en ögonblicksbild av en modell med fyra öppna frågor snarare än en fastställd sådan. Fem saker skulle föra den framåt:

• En namnändring eller en GA-post i ändringsloggen — i det ögonblick då -Preview slutar vara modell-ID, priset slutar att etiketteras som tidsbegränsat, och ett stabilitetsåtagande blir meningsfullt.

• Ett benchmark, från Meituan eller från en mätorganisation — endera skulle ersätta det nuvarande läget, som är att modellens kompetens är okänd snarare än bara låg.

• Bildinmatning demonstreras i referensen i stället för att påstås i versionsmeddelandet — åtgärden här är en enradig ändring på en genererad sida; den skulle lösa den enda interna motsägelsen i dokumentationsuppsättningen.

• En parameterredovisning eller ett Hugging Face-repository – endera skulle göra det möjligt att diskutera 2.5-arkitekturen utifrån bevis i stället för genom arv från LongCat 2.0.

• En publicerad frekvensgräns – den minsta av de fem, och den som mest påverkar huruvida en agentarbetsbelastning är planerbar.

Under tiden är den praktiska hållningen enkel, och det är inte samma hållning som du skulle inta gentemot en betygsatt, prissatt och stabil modell. En obetygsatt förhandsversion till kampanjpris är en modell du utvärderar, inte en som du pekar ut en produktionsväg mot — och det gör reservvägen till den del som är värd att ställa in noggrant. På OrcaRouter ligger de modeller vi tillhandahåller bakom en enda nyckel till leverantörens listpris med noll påslag, så en leverantörs prisändring når din faktura samma dag i stället för vid förnyelse, och automatisk redundansväxling flyttar en försämrad begäran till en frisk leverantör utan att din kod vet om det. LongCat-2.5-Preview är inte en av våra rutter och vi tillhandahåller den inte, så att prova den innebär att gå direkt till Meituans plattform; argumentet här är bara att vad du än har bakom den bör kosta dig en konfigurationsrad att nå, eftersom frågan den här modellen ställer — är den tillräckligt bra för mitt arbete — bara kan besvaras genom att köra den, och svaret kan mycket väl vara nej.

Vilket är formen på det hela. LongCat 2.5 är en riktig modell på en riktig plattform med ett dokumenterat gränssnitt, ett publicerat pris och ett kontextfönster på 1 miljon tokens, och den är också en förhandsversion vars parametrar, benchmark och visionsstöd alla är obekräftade. Båda halvorna är sanna, de är båda värda att skriva ned, och den andra halvan är den som ingen återpublicerar.