LongCat
Meituan · 程式設計 · 其他 · 中國 AI
LongCat 是美團的開放式基礎模型系列，為長脈絡推理與代理式程式編寫而生。它涵蓋快速的聊天模型、深度思考變體，以及多模態版本。你可以透過 LongCat 聊天應用程式，或一套同時支援 OpenAI 與 Anthropic 格式的 API 存取全部模型。最新版本 LongCat-2.0 具備 1.6 兆個參數。它還擁有 1M 詞元的脈絡視窗。這個組合，正是讓這款長脈絡 AI 模型能一次讀完整個程式碼儲存庫或長篇文件的原因。
關於 LongCat
LongCat 是什麼
LongCat 基礎模型系列，是美團為其研發、且大多開源的一組大型語言模型所取的統稱。這個系列在 2025 年 9 月以 LongCat-Flash-Chat 起步。之後陸續加入思考模型、可處理音訊與影片的 omni 模型、圖像與影片生成工具，以及 2026 年 6 月登場、擁有兆級參數的 LongCat-2.0。對一般使用者來說，最簡單的入口是 LongCat 聊天應用程式與 longcat.chat 網站。兩者都用平白的語言溝通。也都無須任何設定。
美團 LongCat 之所以有別於一般聊天機器人，在於速度與脈絡長度的結合。較早的 Flash 模型在處理每個詞元時，只會啟動一部分參數。即使在規格普通的硬體上，回覆也很快。較新的 2.0 模型則把脈絡推升到一百萬詞元。美團也將整套系統放在中國國產晶片上訓練與運行，而非進口 GPU。最後這點，對在意供應鏈的人最有感。它同時也是價格能維持低檔的原因。
坦白說，缺點在於你面對的是一款中國開發的模型，部分官方頁面與公告會先以中文發布。API 有英文文件，但社群協助比 GPT 或 Claude 周邊來得單薄。LongCat 也不是全面領先的 SOTA 霸主。美團自報的數據顯示，它在 SWE-bench Pro 等程式編寫評測上勝過 GPT-5.5 與 Claude Opus 4.6，但在廣泛知識與一般推理測試上則落後。
開始使用
- 前往 longcat.chat，用美團掃碼或手機號碼登入。
- 打開聊天框，挑選模式：短問題用輕量設定，較長的工作用深度思考。
- 貼上你的任務，無論是一段程式碼、長篇文件或分步驟的指令。
- 若要程式化使用，打開 API 金鑰頁面，複製預設金鑰。
- 把你的 OpenAI 或 Anthropic SDK 指向 LongCat 端點，換上金鑰，就能開始呼叫。
產品資訊
快速了解 LongCat 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 想要一款便宜程式編寫模型、能直接放進現有 OpenAI 或 Anthropic 流程而不必改寫程式的開發者。
- 測試長脈絡任務的學生與玩家。每日免費詞元額度足以應付輕度使用，且不用綁卡。
- 處理大型程式碼庫或長篇文件、需要一款不會在 1M 詞元輸入中段迷失的模型的團隊。
任務
- 儲存庫層級重構：把整個專案交給模型，請它跨檔案重整或修正程式碼。
- 文件分析：餵入長篇合約、報告或逐字稿，請它摘要或回答特定問題。
- 自動化代理執行：把 LongCat 接進 Claude Code 或 OpenClaw 之類的工具，處理會呼叫其他工具的多步驟工作。
- 快速原型：在決定付費供應商前，先用免費 API 搭一個聊天機器人或助理的雛形。
情境
- 通宵批次工作，此時每詞元成本比純粹的聰明程度更重要。
- 單人開發者碰上了其他供應商的速率上限或被封，需要一個不會在專案中途消失的穩定備援。
- 需要在國產硬體而非進口加速器上執行推論的研究環境。
主要功能
1M 詞元的長脈絡推理
最搶眼的數字，是 LongCat-2.0 的一百萬詞元脈絡視窗。為什麼這重要？因為它足以在一次請求中裝下整個程式碼儲存庫或一整本書長度的文件。你可以提出橫跨整份輸入的問題，而不必把片段拼湊起來。美團打造了一套稀疏注意力機制（LSA），讓運算成本隨輸入成長仍保持線性。這正是讓長視窗變得實用、而非僅止於理論的關鍵。
稀疏模型帶來的快速回覆
LongCat-Flash 模型採用混合專家架構。每個詞元只會啟動一部分參數。1.6 兆參數的 2.0 模型，平均每個詞元啟動約 480 億個參數。它會依輸入的困難度，在約 330 億到 560 億之間伸縮。簡單問題耗費的運算較少。複雜問題得到的較多。實際結果就是回覆快，帳單也比同規模的稠密模型低。
相容 OpenAI 與 Anthropic 的 API
你不必學新的 SDK。LongCat 提供兩種端點格式，一種對應 OpenAI 的 chat completions，另一種模仿 Anthropic 的。如果你已有針對任一方運行的程式碼，切換通常只代表改一下基礎 URL 與模型名稱。這降低了試用的成本。也讓 LongCat 成為圍繞這些生態系打造的工具的實際替代品。
開放權重模型
LongCat 系列大多以開放授權發布，權重放在 Hugging Face 與 GitHub 上，因此若你不想把資料送到 API，可以自行下載與運行。這個範圍涵蓋聊天、思考、omni、圖像與影片模型。要自行架設兆級參數模型，對大多數人並不現實。較小的變體，只要你有一台像樣的工作站就能駕馭。
聚焦代理式程式編寫
美團特別為程式編寫代理與工具使用調校了 LongCat-2.0，不只是單純聊天。它能處理跨檔案的問題，並規劃簡短的連串工具呼叫。當任務延伸許多步驟時，它也撐得住。美團回報的 SWE-bench Pro 分數，略勝 GPT-5.5 與 Claude Opus 4.6。作為一款代理式程式編寫模型，它能以極少麻煩接入 Claude Code 與 OpenClaw 等框架。
多模態與媒體模型
在文字之外，這條產品線還包括用於即時音訊與影片互動的 LongCat-Flash-Omni、用於圖像生成的 LongCat-Image，以及用於文字轉影片與影片續接的 LongCat-Video。它們與同一系列的聊天模型並存，因此你不必為了文字加媒體而周旋於五家供應商之間。
優缺點
優點
- 1M 詞元的脈絡視窗，讓整個儲存庫與長篇文件的任務變得可行。
- 每日免費詞元額度，讓你在付費前先測試真實工作量。
- OpenAI 與 Anthropic 雙 API 格式，把遷移工作砍到幾乎為零。
- 多數模型的開放權重，代表你可以自行架設或微調。
- 相較於可比的西方旗艦模型，回報價格偏低。
缺點
- 英文文件與社群支援落後於西方大廠，排錯因此更耗時。
- 一般知識與推理評測落後於頂級模型，所以它並非萬用升級。
- 最強的模型體積龐大；自行架設所需的硬體遠超多數個人所能負擔。
- 免費方案的吞吐量與速率上限偏保守，可能拖慢密集的實驗。
常見問題
LongCat 是通用型 AI 模型系列，特別強調兩件事：處理超長輸入，以及作為程式編寫代理背後的引擎。實務上，這代表摘要長篇文件、回答關於大型程式碼庫的問題，以及驅動那些在脈絡較短的模型上會卡住的自動化工具呼叫流程。
相關內容
探索與 LongCat 相關的工具、技能與文章。
LongCat 替代方案
Forefront
Forefront · 程式設計Forefront 是一個用來打造開源 AI 的網頁平台。你可以用自己的資料微調主流的開源語言模型、評估它們的表現，再透過 API 執行，或匯出後自行架設。想要封閉式平台的便利、卻堅持要自己擁有模型與資料的開發者，就是這裡的目標客群。
Startkit
StartKit.AI · 程式設計Startkit 是一套用來打造 AI SaaS 與 AI 包裝產品的樣板。可以把它想成一個 AI 新創樣板，把枯燥的部分都先接好了：驗證、Stripe 與 Lemon Squeezy 付款、用量限制、交易型電子郵件，以及一套能與 OpenAI、Anthropic、Groq 或 Llama 溝通的 AI API 啟動套件。你複製儲存庫、設定價格，然後專心在產品中使用者真正願意付費的部分。它建構於 React 與 Tailwind 之上的 Next.js，所以大部分的樣板程式碼對你來說並不陌生。
Testim
Tricentis · 程式設計Testim 是專為網頁、行動與 Salesforce 應用程式打造的 AI 測試自動化平台，用來建立並執行端到端測試。它靠機器學習在介面變動時維持測試穩定，團隊因此少花時間修補壞掉的定位器。對於一款今天就能開始使用的自動化測試工具來說，這表現不算差。你透過在瀏覽器錄製動作來建立測試，需要更多控制時再補上 JavaScript。對忙碌的 QA 團隊來說，這是個可靠的選擇。