1.6T 네이티브 멀티모달, 출력 100만 토큰당 1.2달러: LongCat 2.5 실전 테스트에서 어떤 작업을 해낼 수 있을까?

작성자 주: LongCat 2.5 신제품을 살펴봅니다. 파라미터와 아키텍처부터 공식 데모 8개, 공식 자체 테스트 25개 항목의 성적, 한시 할인 요금 계산, Claude Code와 Cline 연동 방법까지 정리했어요.

메이퇀의 LongCat 팀(커뮤니티에서 흔히 쓰는 이름)이 11월 1일 LongCat-2.5를 출시했어요. 총 파라미터는 1.6T이며 토큰당 약 48B가 활성화되는 네이티브 멀티모달 모델로, 장시간에 걸쳐 수행하는 에이전트 작업을 겨냥했어요. 2.0과 비교하면 네이티브 시각 이해와 에이전트 코딩이 주로 개선됐어요. 한시 할인 가격은 토큰 100만 개당 출력 $1.20, 캐시 미적중 입력 $0.30, 캐시 적중 입력 $0.006이에요.

모델 간 우열을 가리는 글은 아니에요. 여기서는 세 가지만 살펴볼게요. 어떤 모델인지, 어떤 작업에 강한지, 사용 비용은 얼마인지요. 벤치마크 점수는 비교 참고 자료로만 활용하고, 어느 모델이 다른 모델을 대체한다는 결론은 내리지 않아요.

핵심 가치: 이 글을 읽고 나면 모델의 능력을 한눈에 파악하고, 비용을 계산하며, 가장 빠르게 사용을 시작할 수 있어요.

LongCat 2.5 핵심 정보 한눈에 보기

항목	상세 내용
출시일	2026-11-01(공식 블로그 기준)
포지셔닝	장기 실행 에이전트 작업을 위한 네이티브 멀티모달 모델
규모	총 파라미터 1.6T, 토큰당 약 48B 활성화
2.0 대비 개선 사항	네이티브 시각 이해, 에이전트 프로그래밍
컨텍스트 윈도우 / 최대 출력	1M 토큰 / 128K 토큰
인터페이스	OpenAI 형식과 Anthropic 형식의 두 프로토콜 지원
가격(기간 한정 할인)	입력 $0.30(캐시 미적중) / $0.006(캐시 적중), 출력 $1.20. 모두 백만 토큰당 가격
가중치	GitHub와 HuggingFace 모두 ‘공개 예정’으로 표시되어 있으며, 아직 공개되지 않음

활성화 파라미터는 혼동하기 쉬운 부분이 있어요. 출시 당일 일부 커뮤니티 게시글에는 440B로 적혔지만, 공식 블로그에 따르면 토큰당 약 480억 개, 즉 48B가 활성화돼요. 이 글에서는 공식 수치인 48B를 기준으로 설명해요.

LongCat 2.5란? 파라미터, 아키텍처와 네이티브 멀티모달

LongCat 2.5의 규모와 학습 방식

전체 파라미터는 1.6T이고, 추론 시에는 약 48B만 활성화돼요. 즉, 전체 규모는 크지만 한 번의 추론에는 일부만 사용하는 희소 활성화 대규모 언어 모델이에요. 이 구조는 지식 용량과 추론 비용 사이에서 균형을 잡을 여지를 만들고, 가격을 낮출 수 있는 기반이기도 해요.

공식 발표에서는 ‘장기 작업’과 직접 관련된 학습 방식도 몇 가지 소개했어요.

장기 궤적 데이터 확대: 긴 시퀀스 학습에 장기 궤적을 더 많이 추가하고, 대규모 장기 강화학습을 적용해 ‘복잡한 코드베이스 개발, 프로젝트 전체 구축’ 같은 엔드투엔드 엔지니어링 작업을 학습해요.
실제 실패 궤적을 학습 과제로 전환: 데이터 합성, 환경 구축, 여러 하네스를 혼합한 학습을 동시에 확장해 실제 에이전트의 실패 궤적을 재현하고 검증할 수 있는 과제로 만들어요.
‘지나친 생각’과 ‘반복 호출’ 억제: 반복적인 사고와 도구 호출에 추가 페널티를 부과하고, 과도한 사고나 지나치게 빠른 길이 증가에 대응해 긍정 샘플의 보상을 재분배해요.

세 번째 방식은 에이전트 활용에 특히 실용적이에요. 장기 작업에서는 모델이 같은 도구를 반복 호출하며 제자리걸음할 때 비용이 많이 들곤 해요. 학습 단계에서 이를 억제하면 토큰을 직접 절약할 수 있어요.

LongCat 2.5의 네이티브 멀티모달 구현 방식

여기서 말하는 ‘네이티브 멀티모달’에는 구체적인 의미가 있어요. 시각 신호를 여러 계층의 이산 토큰으로 표현하고, 백본 모델이 시각 정보와 텍스트를 동일한 토큰 형태로 함께 처리해요. 별도의 시각 인코더를 붙인 뒤 특징을 결합하는 방식은 사용하지 않아요.

공식 자료에서는 이 과정을 세 단계로 나눠 설명해요.

원본 해상도 시각 정보의 이산화: 의미 정렬 인코더(SAE)와 잔차 벡터 양자화(RVQ)를 사용해 이미지를 이산 토큰으로 변환해요.
오프라인 시각 토큰 전처리: 토크나이저가 고정되면 시각 토큰 ID를 오프라인에서 미리 계산하고 캐시할 수 있어요.
공동 학습: 시각 임베딩을 백본 모델과 함께 학습해요.

공식 자료에 따르면 이 설계 덕분에 모델이 비주얼 코딩에서 뛰어난 성능을 보이며, 크리에이티브 디자인과 3D 등의 작업도 지원해요. 뒤에 나오는 벤치마크 표의 3DCodeBench와 Vision2Web이 바로 이런 능력을 평가해요.

LongCat 2.5는 어떻게 이 가격을 책정했을까?

공식 블로그에서는 엔지니어링 효율을 상당히 자세히 다뤘어요. 이 부분을 보면 가격을 이해할 수 있어요. 학습에는 중국산 컴퓨팅 자원을 사용했으며, GPU 한 장의 메모리는 80GB 미만이었어요. 팀은 이중 샤딩 FSDP, 혼합 어휘 병렬화, 동적 전문가 복제 등의 기법으로 GPU 메모리 사용량을 줄였어요. 이 FSDP 구성은 긴 시퀀스 SFT 작업에서 GPU당 처리량이 DDP 기준 대비 86% 높았어요.

추론에는 W4A4를 적용해 전문가 가중치와 활성값을 모두 4비트로 양자화했어요. 공식 온라인 부하 테스트에서 W8A8 INT8 기준 대비 prefill 처리량은 43.3%, decode 처리량은 42.77% 증가했어요. 첫 토큰 지연 시간(TTFT)은 15.91%, 토큰당 지연 시간(TPOT)은 19.72% 감소했고요. 처리량이 40% 넘게 늘어나면서 토큰당 비용도 낮아진 거예요.

LongCat 2.5의 강점: 장기 에이전트 작업과 공식 사례 8가지

LongCat 2.5는 2.0보다 얼마나 발전했을까?

먼저 이전 버전과 비교해 볼게요. 아래 수치는 LongCat의 공식 자체 테스트 결과예요. 별표가 붙은 비교 항목은 공개 리더보드에서 가져왔으며, 이 섹션에서는 LongCat 두 버전의 점수만 인용해요.

Terminal Bench v4.0: 2.0은 3.0, 2.5는 38.5.
DeepSWE v1.1: 2.0은 9.7, 2.5는 64.6.
Program Bench Almost Resolved: 2.0은 2.5, 2.5는 25.5.
AutomationBench v1.0.6: 2.0은 15.8, 2.5는 51.8.

모두 여러 단계의 터미널 조작, 저장소 수준의 문제 수정, 자동화 프로세스처럼 긴 작업 흐름을 평가하는 항목이에요. 2.0은 이 항목들에서 거의 성과를 내지 못했지만, 2.5는 다른 모델과 비교할 수 있는 수준까지 올라왔어요. 그만큼 ‘에이전트 프로그래밍’ 성능이 실질적으로 향상된 셈이에요. 공식 자료에 따르면 LongCat-2.5의 결과는 모두 thinking을 켜고 temperature=1.0, top_p=0.95로 설정해 얻었어요.

LongCat 2.5의 공식 데모 사례 8가지

공식 측은 처음부터 끝까지 생성한 사례 8개를 두 그룹으로 나눠 공개했어요. 다만 공식 데모인 만큼, 이 글에서 각 사례를 직접 재실행하지는 않았어요.

카테고리	사례	평가하는 역량
소프트웨어 개발	실시간 유체 시뮬레이션	물리 계산 + 프런트엔드 실시간 렌더링
소프트웨어 개발	3D 문화재 인터랙티브 전시	3D 장면 구성과 인터랙션 로직
소프트웨어 개발	도시 모형	다수 객체의 배치와 구성
소프트웨어 개발	미니어처 장면 에셋	3D 에셋 생성 시 세부 제어
전문 사무	비즈니스 운영 분석	데이터 읽기, 지표 분석, 결론 작성
전문 사무	고객 피드백 분석 보고서	비정형 텍스트 분류와 요약
전문 사무	중국풍 색채 미학 페이지	시각적 미감과 웹페이지 레이아웃
전문 사무	행사 초대장 생성기	폼 인터랙션 + 레이아웃 디자인

소프트웨어 개발 그룹의 네 사례 중 세 개가 3D와 직접 관련돼 있어요. 네이티브 비전과 Visual Coding 역량을 보여주는 사례들이죠. 사무 그룹은 ‘자료를 읽고 결과물을 만드는’ 작업에 가깝고, 벤치마크의 JobBench, GDPVal 유형과 방향이 같아요.

LongCat 2.5의 벤치마크 성적은 어느 정도일까?

공식 평가표에는 Code Agent, General Agent, Visual 세 범주에 걸쳐 25개 이상의 항목이 있어요. 이 중 9개 항목을 골라 다섯 모델을 비교해 볼게요.

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*

*가 붙은 점수는 공식 측에서 공개 리더보드나 기술 보고서를 인용한 것이고, 나머지는 LongCat 자체 평가 결과예요. 모델 간 비교를 위한 참고 자료로만 봐 주세요.

수치에서 확인할 수 있는 내용은 다음과 같아요.

검색: BrowseComp에서 91.9점으로 다섯 모델 중 가장 높아요. 공식 평가에서는 자체 개발한 경량 하네스에 search와 browse_with_goal 두 도구만 활성화하고, 최대 1024라운드까지 실행했어요.
3D 생성: 3DCodeBench Text to 3D에서 55.4점으로 가장 높아요. 다만 이 항목의 다섯 점수에는 모두 별표가 없으며, 전부 LongCat 자체 평가 결과예요.
터미널 작업: Terminal Bench v2.1에서는 다섯 모델이 88.2~89.1점 사이에 몰려 있어요. 더 어려운 v4.0에서는 LongCat-2.5가 38.5점, Claude Opus 5가 53.9점으로 15.4점 차이가 나요.
저장소 수준의 코드 수정: DeepSWE v1.1에서 64.6점으로 다섯 모델 중 가장 낮아요. GPT-5.6-Sol은 72.7점이에요.
도구 호출과 업무 처리: MCP Atlas는 83.1점, JobBench는 65.4점으로 Opus 5와 각각 2.7점, 1.3점 차이예요.

하네스도 눈여겨봐야 해요. Terminal Bench 두 버전은 Claude Code 하네스를 사용하며, max_seq_length는 512K예요. DeepSWE는 mini-swe-agent를 사용하고 시퀀스 길이는 1M이에요. 하네스가 다른 평가 항목의 점수를 서로 직접 비교하는 것은 적절하지 않아요.

LongCat 2.5 요금은 얼마일까? 모델별 가격과 100만 토큰 비용 비교

그림 설명: LongCat-2.5는 공식 API 플랫폼의 한시 할인 가격이며, 나머지 모델의 가격은 APIYI apiyi.com 플랫폼의 모델 목록에서 확인했어요.

모델	입력(100만 토큰당)	출력(100만 토큰당)	LongCat 대비 출력 요금 배수
LongCat-2.5(한시 할인, 공식 플랫폼)	$0.30(캐시 적중 시 $0.006)	$1.20	1배
Claude Opus 5	$5	$25	약 20.8배
Claude Opus 5.5	$4	$20	약 16.7배
GPT-5.6-Sol	$4	$20	약 16.7배
Kimi K3	$3	$15	12.5배
GLM-5.3	$1.4	$4.396	약 3.7배
DeepSeek V4 Flash	$0.44	$1.32	약 1.1배

APIYI apiyi.com 가격은 2026-11-02에 확인한 플랫폼 모델 목록 기준이에요. LongCat-2.5 가격은 LongCat API 플랫폼 기준이며, 공식 안내에 따르면 변경될 수 있어요.

100만 토큰을 사용하면 얼마가 나올까?

배치 작업에서 입력 80만 토큰, 출력 20만 토큰으로 총 100만 토큰을 사용한다고 가정해 볼게요. 캐시는 고려하지 않아요.

LongCat-2.5(한시 할인): 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 또는 Claude Opus 5.5: $3.20 + $4.00 = $7.20
Claude Opus 5: $4.00 + $5.00 = $9.00

같은 작업에서 Opus 5의 비용은 LongCat-2.5의 약 18.75배예요. 캐시가 적중하면 차이는 더 커져요. 공식 예시에서는 입력 100만 토큰(캐시 적중 40만, 미적중 60만)과 출력 50만 토큰의 비용이 $0.18 + $0.0024 + $0.6 = $0.7824예요. 캐시가 적중한 입력 요금은 $0.006으로, 미적중 요금의 1/50에 불과해요.

알아둘 요금 정책도 두 가지가 있어요. HTTP 200이 반환된 요청만 과금되며, 401, 403, 429, 500 같은 실패 요청에는 요금이 부과되지 않아요. 잔액은 선불로 충전하며 만료되지 않고, 제공받은 크레딧이 있다면 그 금액이 먼저 차감돼요.

여러 모델을 간편하게 비교하는 방법

실제로 에이전트 프로젝트에서는 하나의 모델만 쓰는 경우가 드물어요. 같은 프롬프트로 LongCat-2.5와 Claude, GPT, GLM의 출력 결과를 비교하고 싶을 수 있죠. 이때 APIYI apiyi.com에서는 계정 하나와 API 키 하나로 모델을 전환할 수 있어요. 서비스마다 따로 가입하고 충전할 필요가 없어요.

📌 안내: 모델과 가격은 APIYI apiyi.com 플랫폼의 모델 목록을 기준으로 해요. APIYI에는 아직 LongCat-2.5가 등록되지 않았지만, 최대한 빨리 제공할 예정이에요.

LongCat 2.5 시작하기: 공식 웹사이트 체험부터 API 연동까지

1단계: 웹에서 먼저 사용해 보기

공식 온라인 체험 페이지는 longcat.ai/chat이에요. 커뮤니티 출시 게시글에 따르면 출시 기간에 신규 사용자에게는 10M 토큰, 기존 사용자에게는 5M 토큰이 자동 지급돼요. 캐시가 적중한 요청은 지급된 사용량을 소모하지 않아요. 게시글에는 9.9위안의 한정 혜택 패키지도 「곧 출시 예정」이라고 나와 있어요. 벤치마크에서 높은 순위를 기록한 검색과 이미지 이해 작업부터 시험해 보세요.

2단계: API 연동 시 네 가지 항목 기억하기

OpenAI 형식 엔드포인트: https://api.longcat.ai/openai
Anthropic 형식 엔드포인트: https://api.longcat.ai/anthropic
model 필드: LongCat-2.5
컨텍스트와 출력: 컨텍스트 윈도우 1M, 최대 출력 128K 토큰

요청 한도와 관련해 공식 문서는 한도 초과 시 HTTP 429와 오류 코드 rate_limit_exceeded가 반환되고 retry_after는 60이라고만 명시해요. 클라이언트에서는 지수 백오프 방식으로 재시도할 것을 권장해요. 구체적인 RPM과 TPM은 공개되지 않았어요.

이미 OpenAI SDK로 다른 모델을 호출하고 있다면 전환할 때 base_url, api_key, model 세 가지만 바꾸면 돼요. 예를 들어 APIYI를 사용할 때 base_url이 https://api.apiyi.com/v1이라면, LongCat 공식 API로 전환할 때 https://api.longcat.ai/openai로 바꾸고 model을 LongCat-2.5로 설정하면 돼요.

3단계: Claude Code에 연동하기

Claude Code, ~/.claude/settings.json의 env 섹션 수정: ANTHROPIC_AUTH_TOKEN에 LongCat API 키 입력
같은 파일의 env 섹션: ANTHROPIC_BASE_URL에 https://api.longcat.ai/anthropic 입력
같은 파일의 env 섹션: ANTHROPIC_MODEL에 LongCat-2.5 입력
같은 파일의 env 섹션: CLAUDE_CODE_MAX_OUTPUT_TOKENS에 131072 입력
같은 파일의 env 섹션(함께 수정 권장): ANTHROPIC_SMALL_FAST_MODEL, ANTHROPIC_DEFAULT_SONNET_MODEL, ANTHROPIC_DEFAULT_OPUS_MODEL을 모두 LongCat-2.5로 지정

마지막 세 변수를 바꾸지 않으면 Claude Code 내부의 하위 작업이 여전히 기본 모델에 요청을 보내 오류가 발생하거나 예상과 다르게 요금이 청구될 수 있어요.

4단계: Cline에 연동하기

Cline, VS Code 사이드바 설정 패널: API Provider에서 OpenAI 호환 옵션 선택
같은 패널: Base URL에 https://api.longcat.ai/openai 입력
같은 패널: API Key에 LongCat의 키를 입력하고 Model ID에 LongCat-2.5 입력

LongCat 공식 문서는 Cline 전용 연동 페이지를 제공해요. 필드 이름은 공식 페이지를 확인하세요. 이 밖에도 Codex, OpenCode, Kilo Code, Cherry Studio, Chatbox, CC Switch 등 10개 이상의 도구에 대한 연동 페이지가 있어요.

🚀 빠른 시작 팁: 먼저 공식 지급량으로 작업이 제대로 실행되는지 확인한 다음 장기 연동 여부를 결정하세요. Claude, GPT, Gemini도 함께 호출해 비교해야 한다면 APIYI apiyi.com에서 하나의 OpenAI 호환 인터페이스로 통합 관리할 수 있어요. 이후 LongCat-2.5가 제공되면 같은 계정에서 바로 전환할 수도 있어요.

LongCat 2.5는 어떤 작업에 적합할까요?

LongCat 2.5에 적합한 작업	먼저 확인이 필요한 작업
여러 차례 웹을 검색하고 자료 취합하기（BrowseComp 91.9）	고난도 다단계 터미널 운영 작업（Terminal Bench v4.0에서 38.5점, Opus 5는 53.9점）
텍스트 설명으로 Three.js 등 3D 장면 생성하기（3DCodeBench 55.4）	대형 저장소의 까다로운 버그 수정（DeepSWE v1.1에서 64.6점으로, 다섯 모델 중 최저）
디자인 시안이나 스크린샷에 맞춰 웹페이지 작성하기（Vision2Web 78.6）	프라이빗 배포가 필수이고 로컬 가중치가 필요한 프로젝트（가중치가 아직 공개되지 않음）
고객 피드백과 경영 데이터를 일괄 정리해 문서로 작성하기（JobBench 65.4, 출력 토큰 100만 개당 한정 할인 가격 $1.20）	고정적인 높은 동시 처리 할당량이 필요한 운영 서비스（공식 RPM/TPM 미공개）

왼쪽 작업의 공통점은 작업 시간이 길고 토큰 사용량이 많아 단가가 중요하다는 점이에요. LongCat-2.5는 이런 작업에서 성능과 가격 모두 경쟁력이 있어요. 오른쪽 작업을 수행할 수 없다는 뜻은 아니에요. 다만 성능 차이가 눈에 띄거나 배포·할당량 조건이 아직 불명확하므로, 먼저 소규모로 시험해 보는 게 좋아요.

LongCat 2.5 자주 묻는 질문 FAQ

Q1: LongCat 2.5의 벤치마크 점수는 제3자가 측정한 건가요?

아니요. 표에 있는 LongCat-2.5의 점수는 모두 LongCat의 자체 측정 결과예요. 비교 모델 중 별표가 붙은 점수는 공개 보고서나 공식 순위표에서 가져왔고, 별표가 없는 점수도 LongCat이 직접 측정했어요. 모델 간 비교를 위한 참고 자료로 보는 것이 좋아요.

Q2: 토큰 100만 개당 $1.20는 장기 가격인가요?

아니요. 공식 안내에 따르면 기간 한정 할인가이며, 가격이 조정될 수 있어요. 정확한 가격은 LongCat API 플랫폼 페이지와 청구서를 확인하세요. 장기 예산을 세울 때는 대체 모델도 준비하고, APIYI apiyi.com 같은 통합 플랫폼을 통해 모델을 전환할 수 있도록 해두는 것이 좋아요.

Q3: LongCat 2.5는 오픈소스로 공개됐나요?

아직 공개되지 않았어요. 공식 블로그의 GitHub와 HuggingFace 버튼에는 모두 「공개 예정」이라고 표시되어 있어요. 현재는 온라인 체험과 API 연동만 가능하며, 공식 오픈소스 공개 일정은 발표되지 않았어요.

Q4: APIYI에서 LongCat 2.5를 호출할 수 있나요?

현재는 불가능하지만, APIYI에서 조만간 이 모델을 제공할 예정이에요. 지금은 LongCat 공식 API를 직접 사용할 수 있어요. Claude, GPT, GLM을 비교 테스트하려면 APIYI apiyi.com에서 API 키 하나로 다른 모델을 먼저 사용해 볼 수 있어요. 모델 종류와 가격은 플랫폼의 모델 목록을 확인하세요.

Q5: 429 오류가 발생하면 어떻게 해야 하나요?

요청 속도 제한에 걸린 경우예요. 응답 본문의 `retry_after` 값은 60으로 표시돼요. 공식 문서에서는 클라이언트에서 지수 백오프 방식으로 재시도할 것을 권장해요. 429 응답을 받은 요청에는 요금이 부과되지 않아요.

정리: LongCat 2.5를 도입할 만할까?

LongCat 2.5의 핵심은 다음과 같아요.

포지셔닝: 총 파라미터 1.6T, 토큰당 약 48B를 활성화하는 네이티브 멀티모달 모델로, 장시간 수행하는 에이전트 작업에 집중해요.
업그레이드: 2.0 대비 Terminal Bench v4.0은 3.0에서 38.5로, DeepSWE v1.1은 9.7에서 64.6으로 올랐어요.
강점: BrowseComp 91.9, 3DCodeBench 55.4로 이 글에서 비교한 다섯 모델 중 가장 높아요(공식 발표 기준).
격차: Terminal Bench v4.0과 DeepSWE v1.1에서는 여전히 눈에 띄는 격차가 있어요.
가격: 기간 한정 할인으로 출력 100만 토큰당 $1.20이며, 입력 80만 토큰과 출력 20만 토큰을 사용하면 약 $0.48이 청구돼요.
연동: OpenAI와 Anthropic 두 프로토콜을 지원하며, Claude Code에서는 변수 네 개만 바꾸면 돼요.

한마디로 정리하면, 먼저 longcat.ai/chat에서 무료로 제공되는 10M 크레딧으로 검색과 이미지 이해 작업을 시험해 보고, 잘 작동하면 API를 사용해 보세요. 여러 모델을 장기적으로 전환하며 쓸 계획이라면 APIYI apiyi.com에서 함께 관리하면 돼요.

📚 참고 자료

LongCat 공식 블로그: 아키텍처, 학습, 평가표가 담긴 LongCat-2.5 출시 글
링크: longcat.ai/blog/longcat-2.5
설명: 파라미터 규모, 8개 데모 사례, 벤치마크 측정 기준의 1차 출처
LongCat API 플랫폼 문서: 인터페이스, 요금 및 도구 연동
링크: longcat.ai/platform/docs
설명: 두 프로토콜의 엔드포인트, 기간 한정 할인 가격, Claude Code와 Cline 연동 페이지
APIYI 모델 목록: 각 모델의 플랫폼 가격
링크: docs.apiyi.com/models
설명: 이 글에서 비교한 가격의 출처로, 당일 표시되는 가격을 기준으로 해요

작성자: APIYI 기술팀
기술 교류: APIYI 웹사이트 홈페이지에서 문의해 주세요. 더 많은 자료는 docs.apiyi.com 문서 센터에서 확인할 수 있어요.

1.6T 네이티브 멀티모달, 출력 100만 토큰당 1.2달러: LongCat 2.5 실전 테스트에서 어떤 작업을 해낼 수 있을까?

LongCat 2.5 핵심 정보 한눈에 보기