LongCat-2.5: ejen multimodal, API dan harga

LongCat-2.5 ialah model multimodal natif daripada Meituan untuk tugas ejen jangka panjang, dengan tumpuan pada pengekodan berpandukan imej, projek kejuruteraan kompleks dan penggunaan alat secara berterusan. Ia bukan sekadar memberikan satu jawapan teks: dalam persekitaran yang menyediakan pelayar, terminal dan alat ujian, model boleh mengubah, menjalankan dan memeriksa hasil berulang kali bagi mencapai matlamat yang sama. Pengenalan rasmi

Katalog langsung Guishu AI kini menyenaraikan ID model tepat LongCat-2.5 dengan sokongan input teks dan imej. Status katalog tidak bermaksud setiap klien, alat atau tugas panjang telah diuji. Sebelum menyepadukan model, semak panduan model dan harga semasa. Maklumat dalam artikel ini disemak pada 2026-11-03.

Parameter dan versi: keluaran rasmi bukan lagi Preview

Perkara	Maklumat semasa
ID model	LongCat-2.5; kekalkan huruf besar/kecil dan tanda sempang ASCII
Saiz model	1.6 trilion parameter keseluruhan, kira-kira 48 bilion aktif bagi setiap token
Had konteks rasmi	1,048,576 token, iaitu 1M; jumlah input dan output
Output maksimum rasmi	Had max_tokens ialah 262,144, iaitu 256K
Kegunaan utama	Pengekodan visual, interaksi 3D, tugas kod dan alat jangka panjang
Tarikh versi	Artikel rasmi bertarikh 1 November; log perubahan API mencatatkan pelancaran pada 2 November

Sumber: pengenalan rasmi, parameter model dan log perubahan. Halaman parameter rasmi kini menetapkan output maksimum 256K, bukannya 128K seperti dalam sesetengah penerangan awal. Ini ialah had API penyedia; gerbang pihak ketiga atau klien boleh menetapkan had yang lebih rendah.

Mengapa sesuai untuk pengekodan visual dan tugas panjang?

LongCat-2.5 mewakili imej sebagai token diskret berbilang lapisan yang diproses bersama teks. Tugas pembelajaran pengukuhannya merangkumi persekitaran kod sebenar, ujian yang boleh disahkan dan tugas yang dibina semula daripada jejak kegagalan ejen. Reka bentuk ini menyokong aliran kerja “fahami bahan—laksanakan—baca maklum balas—baiki lagi”, bukan sekadar mengoptimumkan satu jawapan. Penerangan teknikal rasmi

Bagi pembangun, perkara penting ialah menghantar hasil pemeriksaan kembali kepada model: adakah tangkap layar menghampiri susun atur sasaran, adakah ujian lulus dan bolehkah fail yang dijana dibuka? Sokongan penglihatan tidak memberikan akses pelayar secara automatik; aplikasi masih perlu menyediakan alat, akses fail dan persekitaran pelaksanaan.

Adegan 3D: bukan hanya cantik, tetapi boleh dikendalikan

Penulis 金色传说大聪明 daripada 赛博禅心 mempamerkan contoh bandar pada waktu malam, lohong hitam, kiub Rubik yang boleh dimainkan, piano zarah dan tanglung langit, serta mengulas kesan visual 3D model. Ini ialah pengalaman pihak ketiga, bukan ujian bebas Guishu AI. Artikel sumber

Apabila menghasilkan semula tugas seumpamanya, tetapkan syarat penerimaan yang boleh diuji:

• Adegan bandar: adakah pesanan dan penghantar benar-benar bergerak, dan adakah kawalan jeda serta kelajuan berfungsi? Jangan hanya memeriksa kesan cahaya.
• Kiub Rubik: adakah keadaan kekal konsisten selepas lapisan diputar, dan adakah fungsi mengacak serta menyelesaikan kiub menggunakan model keadaan yang sama?
• Piano zarah: adakah input skrin sentuh dan papan kekunci selaras, adakah audio bermula selepas tindakan pengguna, dan adakah aplikasi masih boleh digunakan apabila bilangan zarah dikurangkan?

Gunakan arahan, bajet sumber dan persekitaran yang sama, serta simpan hasil pusingan pertama dan rekod pembetulan. Barulah kos penyelesaian tugas antara model boleh dibandingkan.

Kerja pejabat dan kod: takrifkan maksud “siap”

Untuk analisis perniagaan, tentukan dahulu medan data, mata wang dan julat masa, kemudian pastikan setiap kesimpulan boleh dijejaki kepada data asal; carta yang menarik tidak menggantikan formula yang betul. Untuk tugas kod, catat keadaan ujian sedia ada, hadkan direktori yang boleh diubah dan minta ejen menyenaraikan fail yang diubah, keputusan ujian serta masalah yang belum selesai. Penghantaran laporan rasmi, penerbitan kod atau pengubahan data pengeluaran tetap memerlukan kawalan kebenaran aplikasi.

Membaca penanda aras: bandingkan tugas, bukan mendakwa unggul dalam semua perkara

Penilaian yang dilaporkan penyedia	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

Skor ini datang daripada jadual penilaian rasmi LongCat, bukan ujian laman ini. Penilaian bergantung pada persekitaran alat, bajet konteks dan protokol pemarkahan masing-masing. Skor tersebut menyokong kesimpulan bahawa keupayaan tugas panjang meningkat, tetapi tidak menjamin setiap projek boleh diselesaikan dalam satu percubaan.

Harga: bezakan akses terus penyedia daripada pengganda laman ini

Harga promosi rasmi LongCat ketika ini, bagi setiap sejuta token, ialah ¥2 untuk input tanpa cache, ¥0.04 untuk input cache dan ¥8 untuk output. Harga boleh berubah; bil penyedia tertakluk pada platformnya. Harga rasmi

Jadual rujukan Guishu AI mengekalkan pengganda 2x dengan harga input rujukan ¥0.8 / sejuta token. Namun, katalog model langsung laman ini, yang disemak pada 2026-11-03, memaparkan input ¥0.4, output ¥1.6 dan cache ¥0.04 / sejuta token; harga input itu bersamaan dengan pengganda 1x. Jadual rujukan berbeza daripada konfigurasi langsung. Rujuk harga semasa dan bil permintaan sebenar, dan jangan campurkan kedua-dua struktur harga.

Untuk membandingkan kos tugas panjang, kira semua pusingan, hasil alat yang dihantar kembali, percubaan semula dan output sepanjang tugas, bukan hanya harga seunit bagi satu input.

Penyepaduan API: alamat, Key dan ID model mesti sepadan

Contoh teks minimum di bawah menggunakan akses terus kepada penyedia dengan Key yang dikeluarkan platform LongCat. Ini bukan alamat permintaan Guishu AI. Panduan mula pantas rasmi

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
  }'

Apabila menggunakan Guishu AI, gunakan Key, Base URL dan protokol laman ini. Jangan hantar Key penyedia kepada perkhidmatan lain. Alamat tepat serta penjelasan protokol terdapat dalam tutorial titik akhir API; halaman model juga menyediakan maklumat penyepaduan semasa.

Untuk permintaan imej, tukar content kepada tatasusunan blok kandungan yang mengandungi text dan image_url. Mulakan dengan satu imej kecil dan soalan yang jelas untuk memeriksa pengecaman, kemudian tambah imej serta panggilan alat. Dokumentasi penyedia turut menerangkan input video, tetapi katalog laman ini kini hanya menyenaraikan teks dan imej; artikel ini tidak menjanjikan sokongan video melalui gerbang. API penglihatan rasmi

Soalan lazim

Bagaimana memilih antara LongCat-2.5 dan LongCat-2.0?

Nilai 2.5 dahulu jika anda memerlukan pemahaman tangkap layar, soal jawab visual atau pembetulan antara muka berdasarkan imej. Bagi aliran kerja teks sedia ada, bandingkan ketepatan, jumlah kos dan latensi dengan 2.0 menggunakan set tugas yang sama. Rujuk pengenalan LongCat-2.0; jangan menggantikan semua tugas pengeluaran hanya berdasarkan nombor versi.

Adakah sokongan 3D bermaksud API penjanaan imej atau video?

Tidak. Dalam contoh 3D ini, model terutamanya menjana kod yang kemudiannya dirender oleh pelayar atau persekitaran lain. Semak dokumentasi produk secara berasingan untuk mengetahui sama ada terdapat titik akhir khusus yang mengembalikan imej atau video secara langsung.

Mengapa tugas masih gagal walaupun model disenaraikan?

Semak ID model, platform yang mengeluarkan Key, Base URL, protokol, saiz permintaan dan kebenaran alat. Tugas panjang juga boleh terjejas oleh tamat masa klien, output terpotong atau kebergantungan persekitaran. Simpan jenis ralat dan masa permintaan dahulu, kemudian siasat puncanya; elakkan mengulangi secara membuta tuli tindakan yang mungkin sudah menghasilkan kesan sampingan.

Imej muka depan berasal daripada artikel LongCat-2.5 oleh 赛博禅心. Parameter model dan penilaian penyedia merujuk sumber rasmi yang dipautkan; pengalaman pihak ketiga dan cadangan aliran kerja ditandakan secara berasingan.