LongCat
Meituan · Programmation · Autres · IA chinoise
LongCat est la famille de modèles de fondation ouverts de Meituan, conçue pour le raisonnement à long contexte et le codage agentique. Elle couvre des modèles de chat rapides, des variantes de réflexion approfondie et des versions multimodales. Vous y accédez tous via l'appli de chat LongCat ou une API qui parle les formats d'OpenAI et d'Anthropic. La version la plus récente, LongCat-2.0, réunit 1,6 billion de paramètres. Elle tient aussi une fenêtre de contexte d'1M de tokens. C'est cette combinaison qui rend ce modèle IA à long contexte utile pour lire des dépôts de code entiers ou de longs documents en une seule passe.
À propos de LongCat
Qu'est-ce que LongCat
La gamme de modèles de fondation LongCat est le nom parapluie que Meituan donne à un ensemble de grands modèles de langage qu'elle développe et, pour la plupart, publie en open source. La gamme a démarré en septembre 2025 avec LongCat-Flash-Chat. Elle s'est élargie pour inclure un modèle de réflexion, un modèle omni qui gère l'audio et la vidéo, des générateurs d'images et de vidéos, et le LongCat-2.0 à un billion de paramètres arrivé en juin 2026. Pour un utilisateur ordinaire, la porte la plus simple est l'appli de chat LongCat et le site longcat.chat. Les deux parlent un langage simple. Aucun des deux ne demande de configuration.
Ce qui distingue Meituan LongCat d'un chatbot générique, c'est le mélange de vitesse et de longueur de contexte. Les modèles Flash précédents n'activent qu'une partie de leurs paramètres par token. Les réponses reviennent vite, même sur du matériel modeste. Le nouveau modèle 2.0 pousse le contexte jusqu'à un million de tokens. Meituan a aussi entraîné et fait tourner l'ensemble sur des puces chinoises locales plutôt que sur des GPU importés. Ce dernier point compte surtout pour qui se soucie des chaînes d'approvisionnement. C'est aussi la raison pour laquelle le prix reste bas.
Le revers honnête, c'est que vous travaillez avec un modèle développé en Chine, et certaines pages et annonces officielles arrivent d'abord en chinois. La documentation en anglais existe pour l'API, mais l'entraide communautaire est plus maigre que ce que vous trouveriez autour de GPT ou Claude. LongCat n'est pas non plus un leader SOTA absolu sur tous les fronts. Les chiffres de Meituan le placent devant GPT-5.5 et Claude Opus 4.6 sur des tests de codage comme SWE-bench Pro, mais derrière eux sur les connaissances générales et les tests de raisonnement général.
Pour commencer
- Rendez-vous sur longcat.chat et connectez-vous avec un scan Meituan ou un numéro de téléphone.
- Ouvrez la zone de chat et choisissez un mode : un réglage léger pour les questions courtes, ou la réflexion approfondie pour les tâches plus longues.
- Collez votre tâche, qu'il s'agisse d'un bloc de code, d'un long document ou d'une instruction à plusieurs étapes.
- Pour un usage programmatique, ouvrez la page des clés d'API et copiez la clé par défaut.
- Pointez votre SDK OpenAI ou Anthropic vers l'endpoint LongCat, remplacez la clé et commencez à l'appeler.
Informations sur le produit
Aperçu des tarifs, des plateformes compatibles et des performances de LongCat.
Idéal pour
Les utilisateurs, tâches et cas d'usage où cet outil convient le mieux.
Utilisateurs
- Les développeurs qui veulent un modèle de codage bon marché à intégrer dans un flux OpenAI ou Anthropic sans réécrire de code.
- Les étudiants et bricoleurs qui testent des tâches à long contexte. L'allocation quotidienne gratuite de tokens couvre un usage léger sans carte.
- Les équipes qui gèrent de grandes bases de code ou de longs documents et ont besoin d'un modèle qui ne perd pas le fil au milieu d'une entrée d'1M de tokens.
Tâches
- Refactorisation à l'échelle d'un dépôt
- Analyse de documents
- Exécutions d'agents automatisées
- Prototypage rapide
Cas d'usage
- Les traitements par lots nocturnes où le coût par token compte plus que le génie brut.
- Un développeur solo qui a atteint les limites de débit ou pris un bannissement chez un autre fournisseur et a besoin d'un repli stable qui ne disparaîtra pas en cours de projet.
- Les dispositifs de recherche qui doivent exécuter de l'inférence sur du matériel local plutôt que des accélérateurs importés.
Fonctionnalités clés
Raisonnement à long contexte sur 1M de tokens
Le chiffre phare est une fenêtre de contexte d'un million de tokens sur LongCat-2.0. Pourquoi est-ce important ? Parce que cela suffit à contenir un dépôt de code entier ou un document de la longueur d'un livre en une seule requête. Vous pouvez poser des questions qui portent sur toute l'entrée au lieu d'assembler des morceaux. Meituan a construit un mécanisme d'attention éparse (LSA) pour garder le coût de calcul linéaire à mesure que l'entrée grandit. C'est ce qui rend la longue fenêtre pratique, et pas seulement théorique.
Des réponses rapides grâce à un modèle épars
Les modèles LongCat-Flash utilisent une conception de mélange d'experts. Seule une fraction des paramètres s'active pour chaque token. Le modèle 2.0 à 1,6 billion de paramètres active en moyenne environ 48 milliards par token. Il oscille entre environ 33 et 56 milliards selon la difficulté de l'entrée. Les questions simples brûlent moins de calcul. Les complexes en reçoivent plus. Le résultat concret : des réponses rapides et une facture plus basse qu'un modèle dense de même taille ne l'exigerait.
Compatibilité avec les API OpenAI et Anthropic
Pas besoin d'apprendre un nouveau SDK. LongCat expose deux formats d'endpoint, l'un qui reprend les chat completions d'OpenAI et l'autre qui imite celles d'Anthropic. Si vous avez déjà du code qui tourne contre l'un ou l'autre fournisseur, basculer revient souvent à changer l'URL de base et le nom du modèle. Cela réduit le coût d'un essai. Cela fait aussi de LongCat un remplaçant réaliste pour les outils bâtis autour de ces écosystèmes.
Modèles à poids ouverts
La majeure partie de la famille LongCat sort sous licences ouvertes, avec les poids sur Hugging Face et GitHub, donc vous pouvez les télécharger et les faire tourner vous-même si vous préférez ne pas envoyer de données à une API. Cette gamme couvre les modèles de chat, de réflexion, omni, image et vidéo. Héberger soi-même un modèle à un billion de paramètres n'est réaliste pour presque personne. Les variantes plus petites sont à la portée d'une bonne station de travail si vous voulez les essayer en local.
Orienté codage agentique
Meituan a ajusté LongCat-2.0 spécifiquement pour les agents de codage et l'usage d'outils, pas seulement pour le chat simple. Il gère les problèmes multi-fichiers et planifie de courtes séquences d'appels d'outils. Il tient aussi le coup quand une tâche s'étale sur de nombreuses étapes. Meituan annonce un score SWE-bench Pro qui dépasse légèrement GPT-5.5 et Claude Opus 4.6. Comme modèle de codage agentique, il s'intègre à des frameworks comme Claude Code et OpenClaw avec un minimum de tracas.
Modèles multimodaux et média
Au-delà du texte, la gamme inclut LongCat-Flash-Omni pour l'interaction audio et vidéo en temps réel, LongCat-Image pour la génération d'images et LongCat-Video pour le texte vers vidéo et la continuation de vidéo. Ils cohabitent avec les modèles de chat dans la même famille, donc vous ne jonglez pas avec cinq fournisseurs distincts pour obtenir texte plus média.
Avantages et inconvénients
Avantages
- Une fenêtre de contexte d'1M de tokens rend pratiques les tâches sur dépôt entier et sur longs documents.
- L'allocation quotidienne gratuite de tokens vous laisse tester de vraies charges de travail avant de payer.
- Les deux formats d'API, OpenAI et Anthropic, réduisent le travail de migration à presque rien.
- Les poids ouverts de la plupart des modèles vous permettent l'auto-hébergement ou l'affinage.
- Prix annoncé bas face à des modèles phares occidentaux comparables.
Inconvénients
- La documentation en anglais et le soutien communautaire restent derrière les grands fournisseurs occidentaux, donc le dépannage prend plus de temps.
- Les tests de connaissances générales et de raisonnement passent après les modèles de premier rang, donc ce n'est pas une mise à niveau universelle.
- Le modèle le plus fort est énorme ; l'auto-héberger exige bien plus de matériel que ce que la plupart des particuliers possèdent.
- Le débit et les limites de débit de l'offre gratuite sont modestes, ce qui peut ralentir l'expérimentation intensive.
Questions fréquentes
LongCat est une famille de modèles IA polyvalents, avec un accent particulier sur deux choses : travailler avec des entrées très longues et servir de moteur derrière les agents de codage. En pratique, cela signifie résumer de longs documents, répondre à des questions sur de grandes bases de code et alimenter des flux automatisés d'appels d'outils qui, avec des modèles à contexte plus court, calent.
Contenus associés
Découvrez des outils, des compétences et des articles liés à LongCat.
Alternatives à LongCat
Forefront
Forefront · ProgrammationForefront est une plateforme web pour construire avec de l'IA open source. Elle vous laisse affiner les principaux modèles de langage open source sur vos propres données, évaluer leurs performances et les exécuter via une API ou les exporter pour les héberger vous-même. Les développeurs qui veulent le confort d'une plateforme fermée mais tiennent à rester propriétaires de leurs modèles et de leurs données sont le public visé ici.
Startkit
StartKit.AI · ProgrammationStartkit est un boilerplate pour créer des produits SaaS d'IA et des wrappers d'IA. Voyez-le comme un boilerplate de startup IA avec les parties ennuyeuses déjà branchées : authentification, paiements Stripe et Lemon Squeezy, limites d'usage, e-mail transactionnel et un kit de démarrage d'API IA qui parle à OpenAI, Anthropic, Groq ou Llama. Vous clonez le dépôt, fixez votre prix et attaquez la partie du produit pour laquelle les gens paient vraiment. Il repose sur Next.js au-dessus de React et Tailwind, donc une bonne partie du code boilerplate vous semble déjà familière.
Testim
Tricentis · ProgrammationTestim est une plateforme d'automatisation des tests dopée à l'IA, qui sert à créer et exécuter des tests de bout en bout sur des applications web, mobiles et Salesforce. Elle s'appuie sur l'apprentissage automatique pour garder les tests stables quand une interface change, alors les équipes passent moins de temps à réparer des sélecteurs cassés. Pas mal pour un outil de tests automatisés que vous pouvez utiliser dès aujourd'hui. Vous créez des tests en enregistrant des actions dans un navigateur, puis vous ajoutez du JavaScript quand vous avez besoin de plus de contrôle. C'est un choix solide pour une équipe QA bien occupée.