LongCat-2.5：マルチモーダル Agent、API 接続と料金

LongCat-2.5 は、美団が長期にわたる Agent タスク向けに開発したネイティブマルチモーダルモデルです。画像を見ながらのコーディング、複雑な開発作業、継続的なツール利用に重点を置いています。単に文章を返すだけでなく、ブラウザ、ターミナル、テストツールがある環境で、同じ目標に向けて修正・実行・結果確認を繰り返す用途を想定しています。公式発表

貴数智能の現在のライブカタログには、正確なモデル ID LongCat-2.5 が掲載され、テキストと画像の入力が示されています。カタログへの掲載は、すべてのクライアントやツール、長期タスクで実機検証が済んでいることを意味しません。接続前にモデルガイドと最新料金を確認してください。本記事の確認日は 2026-11-03 です。

パラメータとバージョン：正式版の名称は Preview ではない

項目	現在の情報
モデル ID	LongCat-2.5。大文字・小文字と ASCII ハイフンを維持
モデル規模	総パラメータ数 1.6 兆、1 token あたり約 480 億を活性化
公式コンテキスト上限	1,048,576 tokens（1M）。入力と出力の合計
公式最大出力	max_tokens の上限は 262,144（256K）
主な用途	視覚的コーディング、3D インタラクション、長期のコード・ツールタスク
公開時期	公式発表記事は 11 月 1 日、API 更新履歴は 11 月 2 日の提供開始と記載

出典：公式発表、モデルパラメータ、更新履歴。現在の公式パラメータページでは最大出力は 256K であり、一部の初期紹介にある 128K ではありません。これは提供元 API の上限です。第三者のゲートウェイやクライアントは、より低い制限を設ける場合があります。

画像を使ったコーディングや長期タスクに向く理由

LongCat-2.5 は画像を多層の離散 token として表現し、テキストとともに処理します。強化学習には実際のコード環境、検証可能なテスト、Agent の失敗軌跡から再構成したタスクが含まれます。単発回答だけを最適化するのではなく、「資料を理解する—実行する—フィードバックを読む—修正を続ける」という作業を目指した設計です。公式技術紹介

開発者にとって重要なのは、確認結果をモデルへ戻すことです。スクリーンショットが目標レイアウトに近いか、テストが通るか、生成ファイルが開くかを確認します。視覚に対応していてもブラウザ権限が自動的に付与されるわけではありません。ツール、ファイルアクセス、実行環境はアプリケーション側が用意します。

3D シーン：見た目だけでなく、操作できること

「赛博禅心」の著者「金色传说大聪明」は、都市の夜景、ブラックホール、遊べるルービックキューブ、粒子ピアノ、スカイランタンなどを紹介し、3D の視覚表現を評価しています。これは第三者の体験であり、貴数智能による独立した実測ではありません。元記事

同様のタスクを再現する場合は、受け入れ条件を具体的な操作に落とし込むとよいでしょう。

• 都市のシーン：注文と配達員の動きが実際に進み、一時停止と速度調整が機能するか。光の効果だけを見ないこと。
• ルービックキューブ：各層の回転後も状態が整合し、シャッフルと復元が同じ状態モデルに作用するか。
• 粒子ピアノ：タッチとキーボード操作が一致し、ユーザー操作後に音声が開始され、粒子数を減らしても利用できるか。

同一のプロンプト、リソース予算、実行環境を固定し、初回の結果と修正履歴を保存して初めて、モデルごとの完了コストを比較できます。

オフィス業務とコード：「完了」の定義を明確にする

経営分析では、先に項目、通貨、対象期間を決め、各結論を元データまでたどれるようにします。見栄えのよいグラフは、正しい数式の代わりにはなりません。コード作業では既存テストの状態を記録し、変更可能なディレクトリを制限し、終了時に変更ファイル、テスト結果、未解決事項を Agent に列挙させます。正式な報告送信、コード公開、本番データ変更には、引き続きアプリケーション自身の権限制御が必要です。

ベンチマークの読み方：タスクを比較し、全面的な優位を断言しない

提供元が公表した評価	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

これらはLongCat の公式評価表のスコアであり、当サイトの測定値ではありません。評価はツール環境、コンテキスト予算、採点方法に依存します。「長期タスク能力が改善した」という判断を支えますが、あらゆるプロジェクトを一度で完成できる保証にはなりません。

料金：提供元への直接接続と当サイトの倍率を分けて考える

LongCat の現在の公式期間限定料金は、100 万 tokens あたり、キャッシュ未命中の入力が ¥2、キャッシュ入力が ¥0.04、出力が ¥8 です。ここでの ¥ は中国人民元です。料金は変更される可能性があり、提供元の請求はそのプラットフォームに従います。公式料金ページ

貴数智能の参照表は 2 倍率、入力参考価格 ¥0.8 / 100 万 tokens を維持しています。一方、2026-11-03 に確認した当サイトのライブモデルカタログは、100 万 tokens あたり入力 ¥0.4、出力 ¥1.6、キャッシュ ¥0.04 で、入力価格は 1 倍率に相当します。参照表とライブ設定には差異があるため、最新料金と実際のリクエストの請求を確認し、二つの料金体系を混在させないでください。

長期タスクのコストを比較する際は、1 回の入力単価だけでなく、タスク全体の全ターン、ツール結果、再試行、出力を集計します。

API 接続：URL、Key、モデル ID を正しく組み合わせる

以下は 提供元に直接接続する 最小のテキスト例です。LongCat プラットフォーム発行の Key を使い、貴数智能のリクエスト URL ではありません。公式クイックスタート

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
  }'

貴数智能を利用する場合は、当サイトの Key、Base URL、対応プロトコルに切り替えてください。提供元の Key を別サービスへ送らないでください。正確な URL とプロトコルは API エンドポイントのチュートリアルで確認でき、モデルページにも現在の接続情報があります。

画像リクエストでは content を text と image_url を含むブロック配列に変更します。まず明確な質問を添えた小さな画像 1 枚で認識結果を確認し、その後に画像数やツール呼び出しを増やします。公式ドキュメントには動画入力もありますが、当サイトの現在のカタログはテキストと画像のみを示しています。本記事はゲートウェイの動画対応を保証しません。公式視覚 API

よくある質問

LongCat-2.5 と LongCat-2.0 はどう選ぶ？

スクリーンショット理解、視覚的な質問応答、画像を参考にした UI 修正では、まず 2.5 を評価するとよいでしょう。既存のテキストのみの処理は、同じタスクセットを使い、2.0 と正確性、総費用、遅延を比較できます。LongCat-2.0 の紹介も参照し、バージョン番号だけで本番タスクをすべて置き換えないでください。

3D 対応は画像・動画生成 API を意味する？

同じ意味ではありません。ここでの 3D 事例は主に、モデルがコードを生成し、ブラウザなどの実行環境が描画するものです。画像や動画を直接返す専用 API があるかどうかは、製品ドキュメントで別途確認する必要があります。

モデルが掲載されているのにタスクが失敗するのはなぜ？

モデル ID、Key の発行元、Base URL、プロトコル、リクエストサイズ、ツール権限を確認してください。長期タスクはクライアントのタイムアウト、出力の切り詰め、環境の依存関係にも影響されます。エラー種別とリクエスト時刻を保存し、原因に応じて調査しましょう。すでに副作用を起こした操作を無条件に再試行しないことが重要です。

カバー画像は「赛博禅心」の LongCat-2.5 記事からのものです。モデルパラメータと提供元の評価は本文中の公式資料に基づき、第三者の体験とワークフローの提案は区別して記載しています。