Meituan: LongCat 2.0

Meituan: LongCat 2.0 to model tekstowy od Meituan, wydany przez dostawcę 2026-07-20. Jest to rzadki model językowy typu mixture-of-experts, z 48B aktywnych parametrów z 1.6T łącznie. Identyfikator modelu na api14 to meituan/longcat-2.0, a jego główna kategoria to tekst.

LongCat 2.0 przyjmuje dane wejściowe w postaci tekstu i zwraca dane wyjściowe w postaci tekstu. Ma okno kontekstu wynoszące 1,048,756 tokenów, więc możesz wysyłać bardzo duże prompty w pojedynczym żądaniu, oraz maksymalne wyjście wynoszące 262,144 tokenów. Obsługiwane parametry żądania obejmują temperature, top_p, top_k, min_p, frequency_penalty, presence_penalty, repetition_penalty, logit_bias, seed, stop, max_tokens, tools, tool_choice, reasoning oraz include_reasoning. Ponieważ udostępnia tools i tool_choice, może być używany w przepływach wywoływania narzędzi, a parametry reasoning i include_reasoning pozwalają kontrolować, czy wyjście rozumowania jest zwracane.

Te możliwości wskazują na kilka praktycznych zastosowań. Dostawca opisuje LongCat 2.0 jako odpowiedni do kodowania, zmian na poziomie repozytorium, długoterminowego rozwiązywania problemów oraz pracy agentowej. Duże okno kontekstu jest przydatne, gdy trzeba przekazać całe pliki, długie logi lub szerokie zbiory źródeł razem, a duże maksymalne wyjście pomaga, gdy sama odpowiedź musi być długa, na przykład znaczny patch lub długi raport. Obsługa narzędzi czyni go rozsądnym kandydatem dla agentów, którzy wywołują funkcje lub usługi zewnętrzne w kilku krokach.

Aby wywołać go przez api14, użyj zgodnego z OpenAI punktu końcowego chat completions z identyfikatorem modelu meituan/longcat-2.0 i dołącz wymienione powyżej parametry w treści żądania, tam gdzie to potrzebne. Ponieważ api14 jest zgodny z OpenAI, istniejące biblioteki klienta OpenAI zazwyczaj działają po zmianie jedynie bazowego adresu URL i klucza API. Ustaw max_tokens, aby ograniczyć odpowiedź, użyj sekwencji stop, aby zakończyć generowanie w sposób czysty, i przekaż tools oraz tool_choice, gdy chcesz, aby model wywołał funkcje. Parametr seed jest dostępny, jeśli potrzebujesz bardziej powtarzalnego próbkowania, a temperature, top_p, top_k i min_p dają kontrolę nad sposobem próbkowania modelu.

Główne ograniczenia, o których należy pamiętać, wynikają z faktów: wejście i wyjście są wyłącznie tekstowe, więc ten model nie jest wyborem dla obrazu, dźwięku lub innych danych wejściowych innych niż tekst. Jeśli twoje zadanie jest krótkie i proste, bardzo duże okno kontekstu i limit wyjścia mogą być większe niż potrzebujesz, a mniejszy model tekstowy może być prostszym rozwiązaniem. Jeśli potrzebujesz wejścia multimodalnego, poszukaj modelu, którego modalności wejściowe obejmują typ mediów, który wysyłasz.