9 月 25 日晚，美团在 LongCat API 开放平台上线了新一代大模型 LongCat-2.5-Preview，网页端体验入口同步开放。官方给它贴的核心标签有两个：长程任务和多模态能力。
参数和价格都摆出来了，看起来攻势很足。但有个细节很值得单独拎出来说：这款模型的跑分表、模型权重、技术报告，一个都没公开。
这不是黑它，是选型时最该先搞清楚的事。
官方到底说了什么
把官方更新日志和 API 文档里的说法拆开看，LongCat-2.5-Preview 的核心特性是三条：
- 多模态理解：这一版新增图片理解能力，可以解析图像内容，支持跨模态问答、内容摘要与复杂视觉推理
- Coding 能力：官方把代码生成、代码理解与自动化编程任务单列为一项核心特性
- 开发环境适配：明确点名与 Claude Code、Hermes、OpenClaw、OpenCode、Kilo Code 五款主流开发环境协同
第三点其实是这一版最务实的地方——模型强不强是一回事，能不能顺手接进你现有的工作流是另一回事。官方定位的目标场景包括终端、浏览器、桌面界面、表格和设计工具，讲白了就是要喂给「跑很久的 Agent」用。
参数与价格：能查到的硬事实
- 架构：延续 MoE 混合专家路线
- 参数：总参数约 1.6 万亿，单次推理只激活约 480 亿（按参数量算约 3%）
- 上下文：原生 100 万 token，最大输出 128K
- 接口：同时提供 OpenAI 兼容的 chat completions 端点和 Anthropic 兼容的 Messages 端点，聊天接口还暴露了 thinking 开关
- 价格（每百万 token，美元）：标准价输入 0.75、缓存 0.015、输出 2.95；限时价输入 0.30、缓存 0.006、输出 1.20，约合四折
- 福利：官方给老用户赠 500 万 token，余额在使用页可见，既有 token 包在 2.5 和 2.0 上都能用
价格确实有杀伤力。拿一个具体任务算：读 50 万 token 的输入、写 2 万 token 的输出，按限时价大约是 17 美分；同样的事换 Kimi K3 的牌价去算，大概是 1.8 美元。
有个前提得说清楚——这是按价目表算的算术题，不是实测。而且美团自己标注了「限时价」，促销结束之后的价格是未知的。真要写进成本模型，请用标准价算。
查不到的东西，比查得到的更值得看
市面上目前找不到 LongCat-2.5-Preview 的 benchmark 表，也没有 Hugging Face 权重、没有技术报告、没有 GGUF。有模型追踪者在公开渠道直接提问：「参数和价格都发了，跑分在哪？」
这件事本身不罕见。一个带定价、但什么也不给复现的预览端点，是厂商试需求的常见做法。但由此可以推出两条对你有用的结论：
第一，所有参数和价格数字，目前都只是厂商说法。 1.6 万亿这个数来自美团站点元数据和中文媒体报道，不是技术文档。这不是说数字是假的，是说它还没被独立验证过。
第二，预览阶段有文档缺口。 目前的 chat completions 参考文档里，消息内容是纯文本字符串，示例也只展示了文本请求，并没有给出图片输入的格式。想跑「截图喂给模型」这类工作流的人，建议先发一个小请求确认当前的图片输入格式，再考虑迁移生产流水线。
顺带说一个容易被忽略的好消息：通过 OpenCode 等渠道使用的 LongCat-2.5-Preview 免费版，由承接方声明遵循零保留策略、不拿你的数据做训练。对数据敏感又不想自己部署的团队，这一条比参数表有用。
100 万上下文 ≠ 100 万召回
这是长上下文模型最容易被话术盖住的地方。
上下文窗口是规格，说的是「一次能吞多少 token」。召回是能力，说的是「埋在很深处的那条信息，它还找不找得到」。厂商一定会公布前者，因为那是规格；独立评测机构才测后者，因为那是考试。
参考量级：Kimi K3 在独立评测里的长上下文召回分数是 88.67，是目前能找到的最高一档。而 LongCat-2.5-Preview 在同一个指标上没有任何分数——不是低分，是空白。
这个空白不能反推它不行，只能说：没人替你测过。如果你有一个 50 万 token 的输入任务，而你的模型在这个深度上的召回率还没测过，那你省下的那点 token 钱，不是省钱，是一个未知失败率的报价。
另外还有个细节：LongCat-2.0 当时给的就是 100 万 token 上下文和同样的规模数字。所以 2.5 这一版不是参数或上下文的跳跃，真正的增量是图片理解和开发环境适配。
对开发者意味着什么
好消息：双兼容端点（OpenAI 风格 + Anthropic 风格）意味着改两行配置就能试；送 500 万 token 意味着试用成本几乎为零；长程 Agent 场景确实缺便宜的长上下文供应方，多一个玩家对你有利。
需要警惕的：限时价别写进预算；没有独立跑分就自己跑；文档缺口意味着你可能是第一批踩坑的人；预览版的能力和限流随时会变。
老达博客之前拆过 阶跃 Step 5 Preview 那套「1/8 成本」账，也写过 小米 MiMo-V2.6 连 OOM 日志都公开、Kimi 原生兼容 Codex 与 Claude Code 和 Kimi Code 桌面版把权限拆成三档。这两条线放在一起看，2026 年国产模型的动作其实很一致：先把 token 单价打下来，再把模型塞进你已经在用的开发环境里。
选型对比还可以看 Cognition SWE-2 的成本战 和 OpenAI、Anthropic 同日降价；同一天里 腾讯混元图像 3.5 把 2K 生图压到 0.15 元一张，也是同一套「用价格换份额」的打法。想系统追踪这条主线，可以翻 AI 编程工具专题 和 AI 智能体与自动化专题。
老达点评
第一，「参数与价格齐了，验证材料一件没有」这件事，值得成为一个标准检查动作。 看到大模型发布，先别急着算便宜多少，先问三个问题：有没有独立跑分？有没有权重或技术报告？定价是不是限时的？这三个问题问完，你对它的信心水平会自动校准。
第二，窗口是规格，召回是能力。 1M 上下文印在定价页上很好看，但「百万 token 深处那句话说对了没有」才是你真正买的东西。没有召回测试的长上下文，只能当成「可能会省钱的赌注」，不能当成产能规划的地基。
第三，美团做这件事的底层逻辑是真实的。 外卖和到店业务攒了十几年的高并发、长链路、多状态工程的账，如今搬到开发者头上。但「懂工程」不等于「模型强」，工程能力能保证服务稳、价格狠，保证不了模型在长上下文深处不掉链子。这两件事得分开评估。
第四，对普通开发者，这是笔划算的试错。 双兼容端点 + 赠送额度，试一次的成本几乎为零。但请把「试用」和「迁生产」当两件事——在你自己跑出可复现的结果之前，别把主流水线换过去。
