LongCat-2.5: Multimodale Agenten, API und Preise

LongCat-2.5 ist Meituans nativ multimodales Modell für langwierige Agent-Aufgaben. Die Schwerpunkte liegen auf bildgestützter Programmierung, komplexen Entwicklungsprojekten und fortlaufender Werkzeugnutzung. Es geht über eine einzelne Textantwort hinaus: Mit Browser, Terminal und Testwerkzeugen kann es Ergebnisse wiederholt ändern, ausführen und prüfen, um dasselbe Ziel weiterzuverfolgen. Offizielle Vorstellung

Der aktuelle Live-Katalog von Guishu Intelligence führt die genaue Modell-ID LongCat-2.5 mit Text- und Bildeingabe. Ein Katalogeintrag belegt nicht, dass jeder Client, jedes Werkzeug oder jede längere Aufgabe getestet wurde. Lesen Sie vor der Anbindung den Modellleitfaden mit aktuellen Preisen. Die Angaben dieses Artikels wurden am 2026-11-03 geprüft.

Parameter und Version: die endgültige Version heißt nicht mehr Preview

Merkmal	Aktuelle Angabe
Modell-ID	LongCat-2.5; Großschreibung und ASCII-Bindestrich beibehalten
Modellgröße	1,6 Billionen Parameter insgesamt, davon etwa 48 Milliarden pro Token aktiviert
Offizielle Kontextgrenze	1,048,576 Tokens, also 1M, für Eingabe und Ausgabe zusammen
Offizielle maximale Ausgabe	max_tokens bis 262,144, also 256K
Hauptanwendungen	Visuelle Programmierung, interaktive 3D-Szenen, lange Code- und Werkzeugaufgaben
Veröffentlichungsdaten	Die offizielle Vorstellung ist auf den 1. November datiert; das API-Changelog nennt den 2. November als Verfügbarkeitsdatum

Quellen: offizielle Vorstellung, Modellparameter, Changelog. Die aktuelle Parameterdokumentation nennt 256K als maximale Ausgabe, nicht die 128K aus einigen frühen Berichten. Dies ist die Grenze der Anbieter-API; Drittanbieter-Gateways oder Clients können niedrigere Grenzen setzen.

Warum für bildgestütztes Programmieren und lange Aufgaben interessant?

LongCat-2.5 stellt Bilder als mehrstufige diskrete Tokens dar und verarbeitet sie gemeinsam mit Text. Beim Reinforcement Learning kommen reale Code-Umgebungen, überprüfbare Tests und aus gescheiterten Agent-Abläufen rekonstruierte Aufgaben zum Einsatz. Das zielt auf den Zyklus „Material verstehen, handeln, Rückmeldung lesen, korrigieren“ statt nur auf eine einzelne Antwort. Offizielle technische Vorstellung

Für Entwickler ist entscheidend, Prüfergebnisse an das Modell zurückzugeben: Entspricht der Screenshot dem gewünschten Layout, bestehen die Tests, lassen sich die erzeugten Dateien öffnen? Bildverarbeitung gewährt nicht automatisch Browserzugriff. Werkzeuge, Dateiberechtigungen und Ausführungsumgebung muss weiterhin die Anwendung bereitstellen.

3D-Szenen: nicht nur schön, sondern bedienbar

Der Autor 金色传说大聪明 zeigte auf 赛博禅心 unter anderem eine Stadt bei Nacht, ein Schwarzes Loch, einen spielbaren Würfel, ein Partikelklavier und Himmelslaternen und bewertete deren 3D-Optik. Das sind Erfahrungen eines Dritten, keine unabhängigen Tests von Guishu Intelligence. Quellartikel

Für vergleichbare Aufgaben sollten die Abnahmekriterien konkret überprüfbar sein:

• Stadtszene: Bewegen sich Bestellungen und Kuriere tatsächlich, und funktionieren Pause und Geschwindigkeitsregler? Prüfen Sie nicht nur die Lichteffekte.
• Würfel: Bleibt der Zustand nach dem Drehen einzelner Ebenen konsistent? Arbeiten Mischen und Lösen mit demselben Zustandsmodell?
• Partikelklavier: Stimmen Touch- und Tastatureingaben überein? Startet der Ton erst nach einer Nutzeraktion? Bleibt das Ergebnis mit weniger Partikeln benutzbar?

Halten Sie Prompt, Ressourcenbudget und Laufzeitumgebung konstant. Speichern Sie das erste Ergebnis und die Änderungshistorie, um die Gesamtkosten der Aufgabenerledigung zwischen Modellen zu vergleichen.

Büroarbeit und Code: „fertig“ klar definieren

Bei Geschäftsanalysen sollten zunächst Felder, Währung und Zeitraum feststehen. Jede Schlussfolgerung muss auf Quelldaten zurückführbar sein; schöne Diagramme ersetzen keine korrekten Formeln. Bei Code-Aufgaben dokumentieren Sie zuerst den bestehenden Teststatus, begrenzen die bearbeitbaren Verzeichnisse und lassen den Agenten abschließend geänderte Dateien, Testergebnisse und offene Punkte nennen. Berichte versenden, Code veröffentlichen oder Produktionsdaten ändern erfordert weiterhin die Berechtigungskontrollen der Anwendung.

Benchmarks lesen: Aufgaben vergleichen statt pauschale Überlegenheit behaupten

Vom Anbieter veröffentlichte Bewertung	LongCat-2.0	LongCat-2.5
Terminal Bench v4.0	3.0	38.5
Program Bench Almost Resolved	2.5	25.5
AutomationBench v1.0.6	15.8	51.8

Diese Werte stammen aus LongCats offizieller Ergebnistabelle, nicht aus Tests dieser Website. Ergebnisse hängen von Werkzeugumgebung, Kontextbudget und Bewertungsverfahren ab. Sie stützen eine Verbesserung bei langen Aufgaben, garantieren aber nicht, dass jedes Projekt im ersten Versuch abgeschlossen wird.

Preise: Anbieter-Direktzugriff und Gateway-Multiplikator unterscheiden

LongCats aktuelle zeitlich begrenzte Anbieterpreise pro Million Tokens betragen ¥2 für nicht gecachte Eingaben, ¥0.04 für gecachte Eingaben und ¥8 für Ausgaben. Preise können sich ändern; für die Anbieterabrechnung ist dessen Plattform maßgeblich. Offizielle Preise

Die Referenztabelle von Guishu Intelligence behält einen 2×-Multiplikator und einen Eingaberichtpreis von ¥0.8 pro Million Tokens bei. Der am 2026-11-03 abgefragte Live-Modellkatalog zeigt ¥0.4 für Eingaben, ¥1.6 für Ausgaben und ¥0.04 für Cache-Eingaben pro Million Tokens; der Eingabepreis entspricht 1×. Referenztabelle und aktive Konfiguration unterscheiden sich. Maßgeblich sind die Live-Preise und die tatsächliche Abrechnung der Anfrage; vermischen Sie die beiden Preissysteme nicht.

Für den Kostenvergleich langer Aufgaben zählen sämtliche Gesprächsrunden, Werkzeugrückgaben, Wiederholungen und Ausgaben des gesamten Ablaufs, nicht nur der Einheitspreis einer einzelnen Eingabe.

API-Anbindung: Adresse, Schlüssel und Modell-ID müssen zusammenpassen

Das folgende minimale Textbeispiel verbindet sich direkt mit dem Anbieter und verwendet einen von LongCat ausgestellten Schlüssel. Es ist keine Anfrageadresse von Guishu Intelligence. Offizieller Schnellstart

curl https://api.longcat.chat/openai/v1/chat/completions \
  -H "Authorization: Bearer $LONGCAT_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "LongCat-2.5",
    "messages": [{"role": "user", "content": "Explain how to validate a generated 3D scene."}],
    "max_tokens": 1024
  }'

Für Guishu Intelligence verwenden Sie stattdessen den Schlüssel dieser Website, deren Base URL und das passende Protokoll. Senden Sie einen Anbieterschlüssel nicht an andere Dienste. Exakte Adressen und Protokollangaben stehen im API-Endpunkt-Tutorial; auch die Modellseite enthält aktuelle Einrichtungsinformationen.

Für Bildanfragen wird content zu einem Array aus Inhaltsblöcken mit text und image_url. Prüfen Sie zunächst ein kleines Bild mit einer klaren Frage, bevor Sie weitere Bilder und Werkzeugaufrufe hinzufügen. Der Anbieter dokumentiert auch Videoeingaben, doch der aktuelle Gateway-Katalog nennt nur Text und Bilder; dieser Artikel verspricht keine Videounterstützung im Gateway. Offizielle Bild- und Video-API

Häufige Fragen

Wie wähle ich zwischen LongCat-2.5 und LongCat-2.0?

Für Screenshot-Verständnis, visuelle Fragen oder bildgestützte Oberflächenänderungen sollten Sie zuerst 2.5 prüfen. Bestehende reine Textabläufe können Sie anhand derselben Aufgaben mit 2.0 auf Genauigkeit, Gesamtkosten und Latenz vergleichen. Lesen Sie die Vorstellung von LongCat-2.0; ersetzen Sie nicht alle Produktionsaufgaben allein wegen der Versionsnummer.

Bedeutet 3D-Unterstützung eine API zur Bild- oder Videoerzeugung?

Das sind unterschiedliche Funktionen. Die 3D-Beispiele hier beruhen überwiegend auf generiertem Code, den ein Browser oder eine andere Laufzeitumgebung rendert. Ob eine eigene Schnittstelle direkt Bilder oder Videos zurückgibt, muss separat in der Produktdokumentation geprüft werden.

Warum scheitert eine Aufgabe, obwohl das Modell im Katalog steht?

Prüfen Sie Modell-ID, Herkunft des Schlüssels, Base URL, Protokoll, Anfragegröße und Werkzeugberechtigungen. Lange Aufgaben können außerdem durch Client-Timeouts, abgeschnittene Ausgaben oder fehlende Umgebungsabhängigkeiten scheitern. Speichern Sie Fehlertyp und Anfragezeit vor der gezielten Fehlersuche, und wiederholen Sie nicht blind Vorgänge, die möglicherweise bereits Nebenwirkungen ausgelöst haben.

Das Titelbild stammt aus dem LongCat-2.5-Artikel von 赛博禅心. Modellparameter und Anbieterbewertungen richten sich nach den verlinkten offiziellen Quellen; Erfahrungen Dritter und Arbeitsablaufempfehlungen sind gesondert gekennzeichnet.