作者注：LongCat 2.5 新品解读。本文梳理参数和架构、官方 8 个演示案例、25 项官方自测跑分的位置、限时折扣价的账单，以及在 Claude Code、Cline 里的接入方式。
美团 LongCat 团队（社区通用叫法）11 月 1 日发布了 LongCat-2.5。它的总参数为 1.6T，每个 token 激活约 48B，是一款原生多模态模型，面向长程智能体任务。和 2.0 相比，这次主要升级了原生视觉理解和智能体编程两块。价格是限时折扣：输出 $1.20/百万 tokens，未命中缓存的输入 $0.30，命中缓存的输入 $0.006。
这不是一篇选型对决。下面只讲三件事：它是什么，它擅长什么活，用起来要花多少钱。跑分只作横向参照，不下谁替代谁的结论。
核心价值：读完你会有三样东西。一张能力地图，一笔能算清的账，一条最短的上手路径。
LongCat 2.5 核心信息速览
| 信息项 | 详情 |
|---|---|
| 发布时间 | 2026-11-01（官方博客） |
| 定位 | 面向长程智能体任务的原生多模态模型 |
| 规模 | 总参数 1.6T，每个 token 激活约 48B |
| 相比 2.0 的升级 | 原生视觉理解、智能体编程 |
| 上下文 / 最大输出 | 1M tokens / 128K tokens |
| 接口 | OpenAI 格式与 Anthropic 格式双协议 |
| 价格（限时折扣） | 输入 $0.30（未命中）/ $0.006（命中缓存），输出 $1.20，单位为每百万 tokens |
| 权重 | GitHub 与 HuggingFace 均标「敬请期待」，尚未放出 |
激活参数有个容易混的地方。发布当天，有社区帖把激活参数写成了 440B，官方博客的口径是每个 token 激活约 480 亿，也就是 48B。本文一律按 48B 写。
LongCat 2.5 是什么：参数、架构与原生多模态
LongCat 2.5 的规模与训练路线
总参数 1.6T、激活约 48B，说明它是稀疏激活的大模型：总量大，单次推理只调动其中一小部分。这样的结构让它在知识容量和推理成本之间留出了空间，也是后面价格能压低的前提之一。
训练路线上，官方点了几条和「长程任务」直接相关的做法：
- 更多长程轨迹数据：长序列训练里加入更多长程轨迹，再用大规模长程强化学习，练「复杂代码库开发、完整项目构建」这类端到端工程任务。
- 把真实失败轨迹变成训练题：数据合成、环境构建、跨 Harness 混合训练三条线一起扩，把真实 Agent 的失败轨迹转成可复现、可验证的任务。
- 抑制「想太多」和「重复调用」：对重复思考、重复工具调用额外惩罚；对过度思考、长度增长过快的情况，重新分配正样本 Reward。
第三条对 Agent 场景比较实际。长程任务里最费钱的往往是模型在同一个工具上反复打转，训练阶段压住这一点，等于直接省 token。
LongCat 2.5 的原生多模态怎么做
「原生多模态」在这里有具体含义。视觉信号被表示成多层级的离散 token，主干模型用统一的 token 形式同时处理视觉和文本，不走「外挂视觉编码器、再把特征拼进来」的路线。
官方把它拆成三段：
- 原生分辨率视觉离散化：用语义对齐编码器（SAE）加残差向量量化（RVQ），把图像切成离散 token。
- 离线视觉 token 预处理：tokenizer 固定后，视觉 token ID 可以离线预算并缓存。
- 联合学习：视觉 embedding 与主干模型一起训练。
官方称这套设计让模型在 Visual Coding 上表现突出，并能支持创意设计、3D 等任务。后面跑分表里的 3DCodeBench 和 Vision2Web，测的就是这类能力。
为什么 LongCat 2.5 能卖到这个价
官方博客花了不少篇幅讲工程效率，这部分能解释价格。训练跑在国产算力上，单卡显存不足 80GB，团队用双重分片 FSDP、混合词表并行、动态专家复制等手段压显存。该 FSDP 配置在长序列 SFT 任务上，单卡吞吐比 DDP 基线高 86%。
推理端用 W4A4，专家权重和激活都量化到 4bit。官方线上压测相对 W8A8 INT8 基线：prefill 吞吐 +43.3%，decode 吞吐 +42.77%，首 token 延迟（TTFT）-15.91%，每 token 延迟（TPOT）-19.72%。吞吐提高四成多，单位 token 的成本自然下降。
LongCat 2.5 这次强在哪：长程智能体与 8 个官方案例
LongCat 2.5 对比 2.0 的跨度
先看自己和自己比。以下数字为 LongCat 官方自测，带星号的对比项来自公开榜单，本节只引用 LongCat 自身两代的分数。
- Terminal Bench v4.0：2.0 为 3.0，2.5 为 38.5。
- DeepSWE v1.1：2.0 为 9.7，2.5 为 64.6。
- Program Bench Almost Resolved：2.0 为 2.5，2.5 为 25.5。
- AutomationBench v1.0.6：2.0 为 15.8，2.5 为 51.8。
这几项都是多步终端操作、仓库级修复、自动化流程这类长链路任务。2.0 在这些项上接近空白，2.5 拉到了能参与横向比较的区间，说明「智能体编程」这块的升级是实打实的。官方口径还注明：LongCat-2.5 的结果都在 thinking 开启、temperature=1.0、top_p=0.95 下取得。
LongCat 2.5 的 8 个官方演示案例
官方放了 8 个端到端生成的案例，分两组。需要说明，这些是官方演示，本文没有逐个复跑。
| 类别 | 案例 | 这类活考验什么 |
|---|---|---|
| 软件开发 | 实时流体模拟 | 物理计算 + 前端实时渲染 |
| 软件开发 | 3D 文物交互展示 | 3D 场景搭建与交互逻辑 |
| 软件开发 | 城市沙盘 | 大量对象的布局与组织 |
| 软件开发 | 微缩场景资产 | 3D 资产生成的细节控制 |
| 专业办公 | 商业经营分析 | 数据读取、指标拆解、结论成文 |
| 专业办公 | 客户反馈分析报告 | 非结构化文本归类与汇总 |
| 专业办公 | 中国风色彩美学页 | 视觉审美与网页排版 |
| 专业办公 | 活动邀请函生成器 | 表单交互 + 版式设计 |
软件开发组的四个案例有三个和 3D 直接相关，对应的正是原生视觉和 Visual Coding 这条线。办公组则偏向「读材料、出成品」，和跑分里的 JobBench、GDPVal 类任务方向一致。
LongCat 2.5 跑分处在什么位置
官方评测表一共 25 项以上，分 Code Agent、General Agent、Visual 三类。下面挑 9 项，横向列出五个模型。
| Benchmark | LongCat-2.5 | Claude Opus 5 | GPT-5.6-Sol | GLM-5.3 | Kimi K3 |
|---|---|---|---|---|---|
| Terminal Bench v2.1 | 88.4 | 89.1* | 88.8* | 88.2* | 88.3* |
| Terminal Bench v4.0 | 38.5 | 53.9* | 37.3* | 41.8* | 12.6* |
| DeepSWE v1.1 | 64.6 | 68.8* | 72.7* | 66.9* | 67.5* |
| BrowseComp | 91.9 | 90.8* | 90.4* | 81.0 | 91.2* |
| HLE w/tools | 63.1 | 64.7* | 58.0* | 62.5* | 56.0* |
| JobBench | 65.4 | 66.7* | 45.4* | 61.4* | 52.9* |
| MCP Atlas | 83.1 | 85.8* | 81.8* | 84.2* | 84.2* |
| 3DCodeBench Text to 3D | 55.4 | 54.3 | 52.3 | 53.4 | 49.3 |
| Vision2Web | 78.6 | 80.2* | 73.5* | 77.8* | 79.0* |
带 * 为官方引用的公开榜单或技术报告，其余为 LongCat 自测，仅作横向参照。
只看事实，可以读出几点：
- 检索类：BrowseComp 91.9，在这五列里最高。官方用的是自研轻量 harness，只开 search 与 browse_with_goal 两个工具，最多 1024 轮。
- 3D 生成：3DCodeBench Text to 3D 55.4，五列最高，但这一行五个分数都没有星号，全是 LongCat 自测口径。
- 终端任务：Terminal Bench v2.1 五个模型挤在 88.2 到 89.1 之间；到了更难的 v4.0，LongCat-2.5 为 38.5，Claude Opus 5 为 53.9，差 15.4 分。
- 仓库级修复：DeepSWE v1.1 为 64.6，是这五列里最低的一个，GPT-5.6-Sol 为 72.7。
- 工具调用与办公：MCP Atlas 83.1、JobBench 65.4，和 Opus 5 分别差 2.7 和 1.3 分。
harness 也要注意。Terminal Bench 两个版本用的是 Claude Code harness，max_seq_length 512K；DeepSWE 用 mini-swe-agent，序列长度 1M。不同 harness 下的分数不宜直接跨项比较。
LongCat 2.5 价格怎么算：同表对比与 100 万 token 账单
图注：LongCat-2.5 为官方 API 平台的限时折扣价，其余模型价格查自 API易 apiyi.com 平台型号列表。
| 模型 | 输入（每 100 万 tokens） | 输出（每 100 万 tokens） | 输出价是 LongCat 的倍数 |
|---|---|---|---|
| LongCat-2.5（限时折扣，官方平台） | $0.30（命中缓存 $0.006） | $1.20 | 1 |
| Claude Opus 5 | $5 | $25 | 约 20.8 |
| Claude Opus 5.5 | $4 | $20 | 约 16.7 |
| GPT-5.6-Sol | $4 | $20 | 约 16.7 |
| Kimi K3 | $3 | $15 | 12.5 |
| GLM-5.3 | $1.4 | $4.396 | 约 3.7 |
| DeepSeek V4 Flash | $0.44 | $1.32 | 约 1.1 |
API易 apiyi.com 价格查于 2026-11-02，以平台型号列表当天显示为准。LongCat-2.5 价格来自 LongCat API 平台，官方注明价格可能调整。
一笔 100 万 token 的账
假设一个批量任务总共 100 万 tokens：80 万输入、20 万输出，不考虑缓存。
- LongCat-2.5（限时折扣）：0.8 × $0.30 + 0.2 × $1.20 = $0.48
- DeepSeek V4 Flash：$0.352 + $0.264 = $0.616
- GLM-5.3：$1.12 + $0.879 ≈ $2.00
- Kimi K3：$2.40 + $3.00 = $5.40
- GPT-5.6-Sol 或 Claude Opus 5.5：$3.20 + $4.00 = $7.20
- Claude Opus 5：$4.00 + $5.00 = $9.00
同一笔活，Opus 5 是 LongCat-2.5 的约 18.75 倍。如果任务能命中缓存，差距会更大。官方给的例子是 100 万输入（40 万命中、60 万未命中）加 50 万输出，账单为 $0.18 + $0.0024 + $0.6 = $0.7824。命中缓存的输入只要 $0.006，是未命中的 1/50。
还有两条计费细节值得记：只有返回 HTTP 200 才扣费，401、403、429、500 这类失败请求不计费；余额预付、不过期，有赠送额度时先扣赠送额度。
在多个模型之间对比时怎么省事
一个现实情况是：Agent 项目很少只用一个模型。你可能想拿同一套提示词，看 LongCat-2.5 和 Claude、GPT、GLM 各自的输出差异。这时候在 API易 apiyi.com 用一个账号一把 key 就能切换型号，不用每家单独开户、单独充值。
📌 说明：型号与价格以 API易 apiyi.com 平台型号列表为准；API易 目前还没上架 LongCat-2.5，会尽快推出此模型。
如何上手 LongCat 2.5：官网体验与 API 接入
第一步：先在网页端试
官方在线体验入口是 longcat.ai/chat。按社区发布帖的说法，发布期间新用户赠送 10M Tokens，老用户赠送 5M Tokens，自动到账，缓存命中不消耗赠送额度；帖中还提到一个 9.9 元的限时福利包「即将上线」。建议先拿检索和看图两类任务试，这两类在跑分里位置靠前。
第二步：走 API，记住四个参数
- OpenAI 格式端点：
https://api.longcat.ai/openai - Anthropic 格式端点：
https://api.longcat.ai/anthropic - model 字段：
LongCat-2.5 - 上下文与输出：1M 上下文，最大输出 128K tokens
限流方面，官方只写了超限返回 HTTP 429、错误码 rate_limit_exceeded、retry_after 为 60，并建议客户端做指数退避重试。具体 RPM、TPM 没有公开。
如果你的代码已经在用 OpenAI SDK 调别的模型，切换时只改 base_url、api_key、model 三处。比如日常走 API易 时 base_url 是 https://api.apiyi.com/v1，切到 LongCat 官方时换成 https://api.longcat.ai/openai，model 改成 LongCat-2.5 即可。
第三步：接进 Claude Code
- Claude Code，改
~/.claude/settings.json的 env 段：ANTHROPIC_AUTH_TOKEN填 LongCat 的 API Key - 同一文件 env 段：
ANTHROPIC_BASE_URL填https://api.longcat.ai/anthropic - 同一文件 env 段：
ANTHROPIC_MODEL填LongCat-2.5 - 同一文件 env 段：
CLAUDE_CODE_MAX_OUTPUT_TOKENS填131072 - 同一文件 env 段（建议一起改）：
ANTHROPIC_SMALL_FAST_MODEL、ANTHROPIC_DEFAULT_SONNET_MODEL、ANTHROPIC_DEFAULT_OPUS_MODEL都指向LongCat-2.5
后三个变量不改的话，Claude Code 内部的子任务可能仍去请求默认型号，导致报错或走错计费。
第四步：接进 Cline
- Cline，VS Code 侧栏设置面板：API Provider 选择 OpenAI 兼容类选项
- 同一面板：Base URL 填
https://api.longcat.ai/openai - 同一面板：API Key 填 LongCat 的 Key，Model ID 填
LongCat-2.5
LongCat 官方文档为 Cline 单独提供了接入页，字段名称以官方页面为准。另外还有 Codex、OpenCode、Kilo Code、Cherry Studio、Chatbox、CC Switch 等十余个工具的接入页。
🚀 快速上手建议：先用官方赠送额度把任务跑通，再决定是否长期接入。如果你还需要同时调用 Claude、GPT、Gemini 做对照，可以在 API易 apiyi.com 用一套 OpenAI 兼容接口统一管理，后续 LongCat-2.5 上架后也能直接在同一账号里切换。
LongCat 2.5 适合干哪些活
| 适合交给 LongCat 2.5 的活 | 先别急的活 |
|---|---|
| 多轮网页检索、汇总资料（BrowseComp 91.9） | 高难度多步终端运维任务（Terminal Bench v4.0 为 38.5，Opus 5 为 53.9） |
| 用文字描述生成 Three.js 等 3D 场景（3DCodeBench 55.4） | 大型仓库的疑难 Bug 修复（DeepSWE v1.1 为 64.6，五列中最低） |
| 给设计稿或截图写出对应网页（Vision2Web 78.6） | 必须私有化部署、需要本地权重的项目（权重尚未放出） |
| 批量整理客户反馈、经营数据并成文（JobBench 65.4，输出限时折扣 $1.20/百万） | 需要固定高并发配额的生产服务（官方未公开 RPM/TPM） |
左列的共同点是：任务长、token 量大、对单价敏感，LongCat-2.5 的分数和价格都站得住。右列不是说它做不了，而是分数上还有可见差距，或者部署、配额条件还不明确，适合先小规模试。
LongCat 2.5 常见问题 FAQ
Q1：LongCat 2.5 的跑分是第三方测的吗？
不是。表里 LongCat-2.5 自身的分数全部来自 LongCat 官方自测，对比模型中带星号的来自公开报告或官方榜单，不带星号的也是 LongCat 自测。阅读时建议当作横向参照。
Q2：$1.20/百万 tokens 是长期价格吗？
不是，官方标注为限时折扣价，并说明价格可能调整，以 LongCat API 平台页面和账单为准。做长期预算时，建议同时准备一个备选模型，通过 API易 apiyi.com 这类聚合平台保留切换余地。
Q3：LongCat 2.5 开源了吗？
还没有。官方博客上的 GitHub 和 HuggingFace 按钮都标着「敬请期待」，目前可用的只有在线体验和 API 接入，官方没有给出开源时间表。
Q4：能在 API易 上调用 LongCat 2.5 吗？
目前还不能，API易 会尽快推出此模型。现阶段可以直接用 LongCat 官方 API；如果要在 Claude、GPT、GLM 之间做对照测试，可以先在 API易 apiyi.com 用一把 key 跑其他模型，型号与价格以平台型号列表为准。
Q5：遇到 429 报错怎么办？
这是触发了限流，返回体会带 `retry_after` 为 60。官方建议客户端做指数退避重试，而且 429 请求不计费，不会额外扣钱。
总结：LongCat 2.5 值不值得接
LongCat 2.5 的核心要点：
- 定位：1.6T 总参数、每 token 激活约 48B 的原生多模态模型，主打长程智能体任务。
- 升级：对比 2.0，Terminal Bench v4.0 从 3.0 到 38.5，DeepSWE v1.1 从 9.7 到 64.6。
- 长项：BrowseComp 91.9、3DCodeBench 55.4，在本文对比的五个模型中最高（官方口径）。
- 差距：Terminal Bench v4.0 和 DeepSWE v1.1 仍有可见差距。
- 价格：限时折扣输出 $1.20/百万，80 万输入加 20 万输出的账单约 $0.48。
- 接入：OpenAI、Anthropic 双协议，Claude Code 改四个变量即可。
能带走的一句话：先在 longcat.ai/chat 用赠送的 10M 额度试检索和看图任务，跑通再走 API；要长期在多个模型之间切换，就放 API易 apiyi.com 一起管。
📚 参考资料
- LongCat 官方博客：LongCat-2.5 发布文章，含架构、训练、评测表
- 链接：
longcat.ai/blog/longcat-2.5 -
说明：参数规模、8 个演示案例、跑分口径的一手来源
-
LongCat API 平台文档：接口、计费与工具接入
- 链接：
longcat.ai/platform/docs -
说明：双协议端点、限时折扣价、Claude Code 与 Cline 接入页
-
API易 型号列表：各模型平台价格
- 链接：
docs.apiyi.com/models - 说明：本文对比价格的来源，以当天显示为准
作者：APIYI 技术团队
技术交流：欢迎在 API易 网站首页联系我们，更多资料可访问 docs.apiyi.com 文档中心
