Meituan: LongCat 2.0

Meituan: LongCat 2.0 är en textmodell från Meituan, släppt av leverantören 2026-07-20. Det är en språkmodell med gles mixture-of-experts, med 48B aktiva parametrar av totalt 1.6T. Modell-id:t på api14 är meituan/longcat-2.0, och dess huvudkategori är text.

LongCat 2.0 tar emot textinmatning och returnerar textutmatning. Den har ett kontextfönster på 1 048 756 tokens, så du kan skicka mycket stora prompter i en enda begäran, och en maximal utmatning på 262 144 tokens. Dess stödda begäranparametrar inkluderar temperature, top_p, top_k, min_p, frequency_penalty, presence_penalty, repetition_penalty, logit_bias, seed, stop, max_tokens, tools, tool_choice, reasoning och include_reasoning. Eftersom den exponerar tools och tool_choice kan den användas i arbetsflöden för verktygsanrop, och parametrarna reasoning och include_reasoning låter dig styra om resonemangsutmatning returneras.

Dessa förmågor pekar mot några praktiska användningsområden. Leverantören beskriver LongCat 2.0 som lämplig för kodning, ändringar på arkivnivå, långsiktig problemlösning och agentiskt arbete. Ett stort kontextfönster är användbart när du behöver skicka hela filer, långa loggar eller breda samlingar av källkod tillsammans, och den stora maximala utmatningen hjälper när själva svaret måste vara långt, till exempel en omfattande patch eller en lång rapport. Verktygsstöd gör den till en rimlig kandidat för agenter som anropar funktioner eller externa tjänster över flera steg.

För att anropa den via api14, använd den OpenAI-kompatibla slutpunkten för chat completions med modell-id:t meituan/longcat-2.0, och inkludera parametrarna som listas ovan i begärans brödtext där det behövs. Eftersom api14 är OpenAI-kompatibel fungerar befintliga OpenAI-klientbibliotek i allmänhet med endast bas-URL och API-nyckel ändrade. Ställ in max_tokens för att begränsa svaret, använd stop-sekvenser för att avsluta genereringen rent, och skicka tools och tool_choice när du vill att modellen ska anropa funktioner. Parametern seed är tillgänglig om du behöver mer repeterbar sampling, och temperature, top_p, top_k och min_p ger dig kontroll över hur modellen samplar.

De främsta begränsningarna att ha i åtanke följer av fakta: inmatning och utmatning är endast text, så denna modell är inte valet för bild, ljud eller annan icke-textinmatning. Om din uppgift är kort och enkel kan det mycket stora kontextfönstret och utmatningsgränsen vara mer än du behöver, och en mindre textmodell kan vara en enklare lösning. Om du behöver multimodalinmatning, leta efter en modell vars inmatningsmodaliteter inkluderar den mediatyp du skickar.