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-2.5 | GPT-5.6-Sol | Claude-Opus-5 | GLM-5.3 | DeepSeek-V4.1-Flash |
|---|---|---|---|---|---|
| Terminal Bench v4.0 | 38.5 | 37.3 | 53.9 | 41.8 | 31.2 |
| Terminal Bench v2.1 | 88.4 | 88.8 | 89.1 | 88.2 | 90.6 |
| Program Bench(Almost Resolved) | 25.5 | 23.0 | 37.0 | 19.0 | 20.3 |
| DeepSWE v1.1 | 64.6 | 72.7 | 68.8 | 66.9 | 74.2 |
| NL2Repo | 60.5 | 56.8 | 75.3 | 58.0 | 65.4 |
| BrowseComp | 91.9 | 90.4 | 90.8 | 81.0 | 91.5 |
| AutomationBench v1.0.6 | 51.8 | 45.8 | 50.3 | 48.2 | 54.8 |
| HLE(带工具) | 63.1 | 58.0 | 64.7 | 62.5 | 63.9 |
| MCP Atlas | 83.1 | 81.8 | 85.8 | 84.2 | 84.4 |
| Vision2Web | 78.6 | 73.5 | 80.2 | 77.8 | 79.2 |
| 3DCodeBench(文本转 3D) | 55.4 | 52.3 | 54.3 | 53.4 | 53.3 |
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)
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:
{
"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:
- 美团 LongCat:Introducing LongCat-2.5
- LongCat API 文档:快速开始
- LongCat API 文档:LongCat-2.5 价格
- LongCat API 文档:模型参数
- LongCat API 文档:更新日志
- LongCat API 文档:Claude Code 配置
第三方:



