LongCat-2.5 是什么?美团 1.6T 多模态 Agent 模型:官方价格 $0.30/$1.20、1M 上下文、基准与实测测评

美团在 11 月 1 日发布 LongCat-2.5,11 月 2 日开放 API:1.6T 总参数、约 48B 激活的原生多模态 MoE,主打长程 Agent 编程和视觉编程,1M 上下文,限时价每百万 tokens 输入 $0.30、输出 $1.20。本文把官方基准和第三方实测分开整理,讲清它强在哪、哪里还不稳,以及怎么接入 Claude Code 等 Agent 工具。

6 分钟阅读
LongCat-2.5 是什么?美团 1.6T 多模态 Agent 模型:官方价格 $0.30/$1.20、1M 上下文、基准与实测测评

先说结论:LongCat-2.5 是美团在 2026 年 11 月 1 日发布、11 月 2 日开放 API 的旗舰模型,1.6T 总参数、每个 token 约激活 48B,原生支持图像输入,主打长程 Agent 编程和视觉编程。 官方限时价每百万 tokens 输入 $0.30、缓存命中 $0.006、输出 $1.20(人民币 ¥2 / ¥0.04 / ¥8),上下文 1,048,576 tokens。官方基准里它在 Terminal Bench v4.0 拿到 38.5,略高于 GPT-5.6-Sol 的 37.3、低于 Claude-Opus-5 的 53.9;但对照组都是上一代模型。第三方实测评价分化明显:明确、单一的前端和 SVG 任务表现不错,复杂 3D 和长链路项目失败率偏高。价格很低,适合拿来跑量大、目标清楚的 Agent 任务,复杂项目要留人工复核。

本文数字截至 2026-11-03,官方部分来自美团 LongCat 发布博客、API 文档、价格页 和 更新日志;第三方部分单独成节并注明来源。截至发稿,Artificial Analysis、LMArena 等独立榜单还没有收录 LongCat-2.5,第三方测评陆续出来后会更新本文。

LongCat-2.5 是什么

官方说法要点:

  • 2026 年 11 月 1 日发布博客,11 月 2 日在 LongCat API 平台上线,是 9 月 25 日上线的 LongCat-2.5-Preview 的正式版
  • 1.6 万亿(1.6T)总参数的 MoE 模型,每个 token 约激活 480 亿(48B)参数,在 LongCat-2.0 基础上强化视觉理解和 Agent 编程
  • 原生多模态:把图像编码成多级离散 token,和文本走同一个主干网络,主打视觉编程、创意设计和 3D 任务
  • 长程 Agent:用大规模长程强化学习训练复杂代码库开发和整项目构建,并把真实 Agent 失败轨迹转成可复现的训练任务
  • 官方称兼容 Claude Code、Codex、Hermes 等 Agent 框架
  • 训练全程在国产 AI 加速卡上完成(单卡显存不到 80GB);推理用 W4A4(权重和激活都 4 bit)量化,官方压测比 8 bit 版本预填充吞吐高 43.3%、解码吞吐高 42.77%

注意:目前 API 平台只有 LongCat-2.5 这一个模型。官方博客没有宣布开放权重,截至 2026-11-03 美团 LongCat 的 Hugging Face 主页上最新的权重仍是 LongCat-2.0。

规格速查

项目官方说明
模型名(API)LongCat-2.5
参数1.6T 总参数,约 48B 激活
上下文1,048,576 tokens(输入加输出)
最大输出参数文档写 max_tokens 上限 262,144;快速开始文档写 128K,Claude Code 配置示例用 131,072
输入 / 输出文本、图像输入;文本输出
思考模式thinking 参数开关,thinking_budget 最高 262,144
温度固定:开思考 1.0、关思考 0.7,传其他值会被覆盖
接口OpenAI 兼容(/v1/chat/completions)和 Anthropic 兼容(/v1/messages)

官方价格

单位:每百万 tokens,官方标注为限时优惠价,价格以 LongCat API 平台和账单为准。

项目美元人民币
输入(未命中缓存)$0.30¥2
缓存命中输入$0.006¥0.04
输出$1.20¥8

LongCat API 平台目前只有按量付费支持 LongCat-2.5。官方没有公布优惠期结束时间和原价。

测评基准

官方自测(标为官方)

以下都是美团公布的结果。表中对照模型带星号的分数引自公开报告或榜单,其余是美团自己跑的,官方说明仅供参考。LongCat-2.5 默认开思考、temperature 1.0、top_p 0.95。

基准LongCat-2.5GPT-5.6-SolClaude-Opus-5GLM-5.3DeepSeek-V4.1-Flash
Terminal Bench v4.038.537.353.941.831.2
Terminal Bench v2.188.488.889.188.290.6
Program Bench(Almost Resolved)25.523.037.019.020.3
DeepSWE v1.164.672.768.866.974.2
NL2Repo60.556.875.358.065.4
BrowseComp91.990.490.881.091.5
AutomationBench v1.0.651.845.850.348.254.8
HLE(带工具)63.158.064.762.563.9
MCP Atlas83.181.885.884.284.4
Vision2Web78.673.580.277.879.2
3DCodeBench(文本转 3D)55.452.354.353.453.3

怎么看这张表:

  • 对照组是 GPT-5.5、GPT-5.6-Sol、Claude-Opus-4.8、Claude-Opus-5 等上一代模型,没有和 Claude Opus 5.5、GPT-6 系列、Kimi K3.1 Pro 这些更新的模型比
  • 在编程类基准上,LongCat-2.5 普遍落后 Claude-Opus-5,在 DeepSWE、NL2Repo 上也不如 DeepSeek-V4.1-Flash;相比自家 LongCat-2.0(Terminal Bench v4.0 只有 3.0),进步很大
  • 优势集中在通用 Agent 和视觉类:BrowseComp 91.9、AutomationBench 51.8、3DCodeBench 55.4 都在表内领先或接近领先
  • Terminal Bench、Program Bench、NL2Repo 用 Claude Code 2.1.280、512K 上下文跑;BrowseComp 用的是美团自建的轻量框架

第三方实测反馈

截至 2026-11-03,还没有 Artificial Analysis 智能指数或 LMArena 排名(AA 的 LongCat 页面只收录到 LongCat 2.0)。以下是已经公开的实测:

  • TOKRACE(百模竞速),11 月 2 日:把 LongCat-2.5 接进 Claude Code,跑了 15 个创意任务(6 个 3D 场景、4 个讲解视频、4 张静态 SVG、1 个动画)。参数化书架这类目标明确的 3D 任务做得最完整;行星减速器尺寸放大了 1,000 倍(要 140mm 做成 140m),蒸汽机四张渲染图几乎全灰,3 个视频任务因超时或中途停止没出片;中文海报 SVG 是最好的一张。6 个文本和代码小任务开、关思考都全部通过。整体结论:明确的创意任务已经可用,复杂项目的可靠性和完整性、结构与解释细节的准确性还不够。
  • 智东西实测,11 月 2 日:整体评价是生成速度较快,前端视觉效果较好。「鹈鹕骑自行车」HTML 动画完成度较高,细节还有提升空间;解读亚马逊三季度财报并生成带图表的 PPT,分析框架比较完整,初步比对没发现数据错误,但部分页面信息密度偏高、字号偏小,个别结论下得略绝对。
  • 掘金作者实测(测的是预览期版本,负面):这篇发于 9 月 28 日,用的是 OpenCode 上免费开放的 LongCat2.5,时间上对应 9 月 25 日上线的 LongCat-2.5-Preview,不一定代表 11 月的正式版。作者做了「赛博清明上河图」、天文机械表、坦克大战和超级玛丽四个题目:两个游戏黑屏无法启动,机械表表盘和指针都没画对,且只生成代码、没写入文件,评价它「更像上一代的聊天模型」,无法识别任务复杂度来分配时间。
  • linux.do 用户测试,11 月 2 日:作者测了糖果题、缓存命中率等,测到缓存命中率约 99.3%,但糖果题还是算不出来,建议精细推理类任务别抱太大期望。

这几份实测样本都不大,结论也不一致,建议用自己的真实任务先小规模试跑。

优缺点与适用场景

优点:

  • 价格低:限时价输入 $0.30、输出 $1.20,缓存命中只要 $0.006,长上下文、多轮 Agent 任务成本很低
  • 1M 上下文、原生图像输入,能看截图和设计稿写前端
  • 同时提供 OpenAI 和 Anthropic 两种兼容接口,接 Claude Code、Codex 改几行配置就行
  • 官方在通用 Agent、浏览检索、视觉编程类基准上成绩靠前

缺点 / 需小心:

  • 官方对照的是上一代模型,编程基准仍明显落后 Claude-Opus-5,更别说最新一代
  • 第三方实测里复杂 3D 和长链路项目失败率偏高,TOKRACE 遇到连续超时;预览版还被测出游戏黑屏、只给代码不落文件
  • 开思考后耗时和 token 明显增加(TOKRACE 里同一个 SVG 任务从 26 秒变成 20 多分钟)
  • 价格是限时优惠,官方没写原价和结束时间;暂未开放权重

适合:

  • 目标明确的前端页面、SVG、图表、海报这类视觉编程
  • 量大、预算敏感的 Agent 任务,比如资料检索、批量抽取、自动化流程
  • 想在 Claude Code 里低成本试一个国产 1M 上下文多模态模型

不太适合:

  • 跨模块的大型工程、难排查的 bug、对结构精度要求高的 3D 和机械建模
  • 需要稳定一次成功、没有人工复核的生产流程

怎么接入

LongCat 官方 API(OpenAI 兼容)

bash
curl -X POST https://api.longcat.chat/openai/v1/chat/completions \
  -H "Authorization: Bearer 你的LongCat_Key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "LongCat-2.5",
    "messages": [{"role": "user", "content": "用一句话介绍你自己"}],
    "max_tokens": 1000
  }'

关掉思考可以在请求里加 "thinking": {"type": "disabled"}。Anthropic 格式的地址是 https://api.longcat.chat/anthropic/v1/messages。

在 Claude Code 里用

按官方文档,编辑 ~/.claude/settings.json:

bash
{
  "env": {
    "ANTHROPIC_AUTH_TOKEN": "你的LongCat_Key",
    "ANTHROPIC_BASE_URL": "https://api.longcat.chat/anthropic",
    "ANTHROPIC_MODEL": "LongCat-2.5",
    "ANTHROPIC_SMALL_FAST_MODEL": "LongCat-2.5",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "LongCat-2.5",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "LongCat-2.5",
    "CLAUDE_CODE_MAX_OUTPUT_TOKENS": "131072",
    "CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC": 1
  }
}

保存后运行 claude,发一句话测试即可。Codex 和 Hermes 的配置见官方文档,OpenAI 兼容地址是 https://api.longcat.chat/openai/v1。

其他渠道

Vercel AI Gateway 在 11 月 2 日上架,模型名 meituan/longcat-2.5。

AI Code With

截至 2026-11-03,AI Code With 还没有上架 LongCat-2.5,上架后会在这里补充模型 id 和 Claude Code / Codex 配置。

来源核对

核对日期:2026-11-03(Asia/Shanghai)

官方:

第三方: