Meituan: LongCat 2.0

Meituan: LongCat 2.0 adalah model teks dari Meituan, yang dirilis oleh penyedia pada 2026-07-20. Ini adalah model bahasa sparse mixture-of-experts, dengan 48B parameter aktif dari total 1.6T. Id model di api14 adalah meituan/longcat-2.0, dan kategori utamanya adalah teks.

LongCat 2.0 menerima input teks dan mengembalikan output teks. Model ini memiliki context window sebesar 1,048,756 token, sehingga Anda dapat mengirim prompt yang sangat besar dalam satu permintaan, dan output maksimum 262,144 token. Parameter permintaan yang didukung meliputi temperature, top_p, top_k, min_p, frequency_penalty, presence_penalty, repetition_penalty, logit_bias, seed, stop, max_tokens, tools, tool_choice, reasoning, dan include_reasoning. Karena model ini mengekspos tools dan tool_choice, model ini dapat digunakan dalam alur kerja tool calling, dan parameter reasoning serta include_reasoning memungkinkan Anda mengontrol apakah output reasoning dikembalikan.

Kemampuan tersebut mengarah pada beberapa penggunaan praktis. Penyedia mendeskripsikan LongCat 2.0 sebagai cocok untuk coding, perubahan tingkat repositori, pemecahan masalah jangka panjang, dan pekerjaan agentic. Context window yang besar berguna ketika Anda perlu mengirim seluruh file, log panjang, atau kumpulan sumber yang luas secara bersamaan, dan output maksimum yang besar membantu ketika jawabannya sendiri harus panjang, seperti patch yang substansial atau laporan yang panjang. Dukungan tool membuatnya menjadi kandidat yang wajar untuk agen yang memanggil fungsi atau layanan eksternal melalui beberapa langkah.

Untuk memanggilnya melalui api14, gunakan endpoint chat completions yang kompatibel dengan OpenAI dengan id model meituan/longcat-2.0, dan sertakan parameter yang tercantum di atas dalam body permintaan sesuai kebutuhan. Karena api14 kompatibel dengan OpenAI, pustaka klien OpenAI yang ada umumnya berfungsi hanya dengan mengubah base URL dan API key. Tetapkan max_tokens untuk membatasi respons, gunakan stop sequences untuk mengakhiri generasi dengan bersih, dan kirim tools serta tool_choice ketika Anda ingin model memanggil fungsi. Parameter seed tersedia jika Anda membutuhkan sampling yang lebih dapat diulang, dan temperature, top_p, top_k, serta min_p memberi Anda kendali atas cara model melakukan sampling.

Batasan utama yang perlu diingat mengikuti fakta berikut: input dan output hanya berupa teks, jadi model ini bukan pilihan untuk gambar, audio, atau input non-teks lainnya. Jika tugas Anda singkat dan sederhana, context window dan batas output yang sangat besar mungkin lebih dari yang Anda butuhkan, dan model teks yang lebih kecil bisa menjadi pilihan yang lebih sederhana. Jika Anda membutuhkan input multimodal, carilah model yang modalitas inputnya mencakup jenis media yang Anda kirim.