Meituan: LongCat 2.0

Meituan: LongCat 2.0 è un modello testuale di Meituan, rilasciato dal provider il 2026-07-20. È un modello linguistico sparse mixture-of-experts, con 48B parametri attivi su 1.6T totali. L'id del modello su api14 è meituan/longcat-2.0, e la sua categoria principale è text.

LongCat 2.0 accetta input testuale e restituisce output testuale. Ha una finestra di contesto di 1,048,756 token, quindi puoi inviare prompt molto grandi in una singola richiesta, e un output massimo di 262,144 token. I suoi parametri di richiesta supportati includono temperature, top_p, top_k, min_p, frequency_penalty, presence_penalty, repetition_penalty, logit_bias, seed, stop, max_tokens, tools, tool_choice, reasoning e include_reasoning. Poiché espone tools e tool_choice, può essere usato in flussi di lavoro con tool calling, e i parametri reasoning e include_reasoning ti permettono di controllare se viene restituito l'output di reasoning.

Queste capacità indicano alcuni usi pratici. Il provider descrive LongCat 2.0 come adatto per coding, modifiche a livello di repository, problem solving su orizzonti lunghi e lavoro agentico. Una grande finestra di contesto è utile quando devi passare interi file, log lunghi o ampie raccolte di sorgenti insieme, e l'ampio output massimo aiuta quando la risposta stessa deve essere lunga, come una patch sostanziosa o un report lungo. Il supporto ai tool lo rende un candidato ragionevole per agenti che chiamano funzioni o servizi esterni attraverso più passaggi.

Per chiamarlo tramite api14, usa l'endpoint chat completions compatibile con OpenAI con l'id del modello meituan/longcat-2.0, e includi i parametri elencati sopra nel corpo della richiesta dove necessario. Poiché api14 è compatibile con OpenAI, le librerie client OpenAI esistenti in genere funzionano cambiando solo la base URL e la chiave API. Imposta max_tokens per limitare la risposta, usa sequenze di stop per terminare la generazione in modo pulito, e passa tools e tool_choice quando vuoi che il modello chiami funzioni. Il parametro seed è disponibile se ti serve un campionamento più ripetibile, e temperature, top_p, top_k e min_p ti danno controllo su come il modello campiona.

I principali limiti da tenere a mente derivano dai fatti: input e output sono solo testuali, quindi questo modello non è la scelta per immagini, audio o altri input non testuali. Se il tuo compito è breve e semplice, la finestra di contesto e il limite di output molto grandi potrebbero essere più di quanto ti serve, e un modello testuale più piccolo potrebbe essere una soluzione più semplice. Se ti serve input multimodale, cerca un modello le cui modalità di input includano il tipo di media che stai inviando.