Meituan: LongCat 2.0

Meituan : LongCat 2.0 est un modèle texte de Meituan, publié par le fournisseur le 2026-07-20. C'est un modèle de langage à mélange d'experts clairsemé, avec 48B de paramètres actifs sur 1.6T au total. L'identifiant du modèle sur api14 est meituan/longcat-2.0, et sa catégorie principale est texte.

LongCat 2.0 accepte une entrée texte et renvoie une sortie texte. Il dispose d'une fenêtre de contexte de 1 048 756 tokens, vous pouvez donc envoyer de très grands prompts en une seule requête, et d'une sortie maximale de 262 144 tokens. Ses paramètres de requête pris en charge incluent temperature, top_p, top_k, min_p, frequency_penalty, presence_penalty, repetition_penalty, logit_bias, seed, stop, max_tokens, tools, tool_choice, reasoning et include_reasoning. Comme il expose tools et tool_choice, il peut être utilisé dans des workflows d'appel d'outils, et les paramètres reasoning et include_reasoning vous permettent de contrôler si la sortie de raisonnement est renvoyée.

Ces capacités indiquent quelques usages pratiques. Le fournisseur décrit LongCat 2.0 comme adapté au codage, aux modifications à l'échelle d'un dépôt, à la résolution de problèmes sur un horizon long et au travail agentique. Une grande fenêtre de contexte est utile lorsque vous devez transmettre des fichiers entiers, de longs journaux ou de vastes collections de sources ensemble, et la grande sortie maximale aide lorsque la réponse elle-même doit être longue, comme un patch substantiel ou un long rapport. La prise en charge des outils en fait un candidat raisonnable pour des agents qui appellent des fonctions ou des services externes sur plusieurs étapes.

Pour l'appeler via api14, utilisez le point de terminaison chat completions compatible OpenAI avec l'identifiant de modèle meituan/longcat-2.0, et incluez les paramètres listés ci-dessus dans le corps de la requête lorsque c'est nécessaire. Comme api14 est compatible OpenAI, les bibliothèques clientes OpenAI existantes fonctionnent généralement en changeant seulement l'URL de base et la clé API. Définissez max_tokens pour borner la réponse, utilisez des séquences stop pour terminer la génération proprement, et passez tools et tool_choice lorsque vous voulez que le modèle appelle des fonctions. Le paramètre seed est disponible si vous avez besoin d'un échantillonnage plus reproductible, et temperature, top_p, top_k et min_p vous donnent le contrôle sur la façon dont le modèle échantillonne.

Les principales limites à garder en tête découlent des faits : l'entrée et la sortie sont uniquement du texte, donc ce modèle n'est pas le bon choix pour une entrée image, audio ou autre non textuelle. Si votre tâche est courte et simple, la très grande fenêtre de contexte et la limite de sortie peuvent être plus que nécessaire, et un modèle texte plus petit pourrait être plus simple. Si vous avez besoin d'une entrée multimodale, cherchez un modèle dont les modalités d'entrée incluent le type de média que vous envoyez.