LongCat

LongCat

WebsiteContact for PricingLarge Language Models (LLMs)AI Code Assistant
LongCat 是美团的开放基础模型系列，专为长上下文推理和代理编码而构建，通过 OpenAI/Anthropic 兼容的 API 提供，涵盖快速聊天、深度思考和多模态变体。
访问网站
推广此工具
https://longcat.chat/?ref=producthunt&utm_source=aipure
LongCat

产品信息

更新于：2026年07月09日

什么是 LongCat

LongCat 是美团开发的大型语言模型 (LLM) 系列，定位于长上下文理解、工具使用代理工作流以及强大的编码/仓库级能力。它包括旗舰级大型专家混合 (MoE) 模型，如 LongCat-2.0（总参数 1.6T，每个 token 激活约 48B），以及面向效率的模型，如 LongCat-Flash（总参数 560B，激活约 18.6B–31.3B，平均约 27B）。LongCat 可通过 LongCat 网页体验 (longcat.ai / longcat.chat) 和与主流格式兼容的 API 平台访问，使开发者能够以最小的更改将其集成到现有堆栈中。

LongCat 的主要功能

LongCat 是美团推出的一系列大型 AI 模型和 API 平台，专为高吞吐量聊天、代理工作流和长上下文编码而设计。它包括 LongCat-Flash-Chat（快速、非思考型对话模型）、LongCat-Flash-Thinking（深度思考推理模型）、LongCat-Flash-Omni（全模态感知）和 LongCat-2.0（万亿参数 MoE，针对代理编码和原生超长上下文进行了优化）等变体。LongCat 系列模型通过专家混合（Mixture-of-Experts）动态激活、强大的工具/代理行为以及通过兼容 OpenAI 的 API 和对常见服务框架的支持实现灵活部署，从而强调了效率。
专家混合效率: 使用 MoE 路由为每个 token 仅激活一部分参数（例如，LongCat-Flash 在 560B 中激活约 18.6B–31.3B；LongCat-2.0 在 1.6T 中激活约 33B–56B），从而提高生产工作负载的成本/性能。
针对不同交互模式的模型系列: 提供多种变体：Flash-Chat 用于快速直接响应，Flash-Thinking 用于深度推理，Flash-Omni 用于端到端多模态交互，LongCat-2.0 用于代理编码和大型上下文任务。
超长上下文（LongCat-2.0 中高达 1M token）: 原生支持长上下文，旨在处理大型代码库和多文档工作流，通过稀疏注意力技术（例如 LongCat Sparse Attention）减少扩展瓶颈。
兼容 OpenAI 和 Anthropic 的 API: LongCat API 平台支持 OpenAI 风格的聊天补全（/v1/chat/completions）和 Anthropic 风格的消息（/v1/messages），从而简化了与现有应用程序和工具的集成。
常见服务堆栈中的部署支持: 包括使用 SGLang 和 vLLM 部署模型的适配和指导，支持实际的自托管和可扩展的推理设置。
代理任务强度: 定位于指令遵循和工具增强型工作流（长多轮会话、编码代理），其中 LongCat-2.0 专门针对代理编码性能进行推广。

LongCat 的使用场景

大型代码库的代理编码: 利用 LongCat-2.0 的长上下文功能，在大型代码库中进行重构、实现功能和运行多步调试，同时在 extensive project history 中保持一致性。
高容量客户支持聊天: 部署 LongCat-Flash-Chat 以实现低延迟、成本敏感的对话支持，在其中快速响应和强大的指令遵循至关重要。
工具增强型企业助手: 构建内部副驾驶，通过长时间的多轮会话协调工具（搜索、票务、文档问答），受益于大型上下文窗口和代理行为。
深度推理和证明式工作流: 将 Flash-Thinking（以及生态系统中引用的相关证明导向方向）用于需要更多思考的任务，例如复杂分析、步骤规划或形式化推理。
多模态应用（图像/音频/视频理解）: 使用 LongCat-Flash-Omni 和相关的模态项目来支持能够感知和响应多模态的助手，用于审查、分类或内容理解管道。

优点

高效的 MoE 设计使性能具有竞争力，与同等规模的密集模型相比，每个 token 的活动计算量更低。
多个专业变体（聊天、思考、全能、编码）使得选择与延迟与推理需求相符的模型变得更容易。
与 OpenAI/Anthropic 格式的 API 兼容性降低了集成摩擦和迁移成本。
强大的长上下文定位（LongCat-2.0 中高达 1M token）支持大型文档和大型代码库工作流。

缺点

尽管 MoE 效率高，但大规模部署仍然可能需要大量基础设施（服务和路由复杂性、内存/并行性要求）。
功能声明和基准比较可能因评估工具/模式而异（例如，“非思考型”与“思考型”），需要针对特定工作负载进行仔细验证。
生态系统复杂性（多个模型、模板、部署旋钮）可能会增加不熟悉 MoE 服务的团队的设置和运营开销。

如何使用 LongCat

1) 创建 LongCat 账户: 访问官方网站 (https://longcat.ai 或 https://longcat.chat) 并注册/登录。这是访问 API 平台所必需的。
2) 生成 API 密钥: 在 API 平台中，打开“API 密钥”页面，然后点击“创建 API 密钥”。复制并安全存储密钥（它只显示一次）。如果丢失，您必须创建一个新的。
3) 选择 API 样式（OpenAI 兼容或 Anthropic 兼容）: LongCat 提供统一的端点 (https://api.longcat.chat) 并支持两种请求格式：OpenAI 兼容 (POST /openai/v1/chat/completions) 和 Anthropic 兼容 (POST /anthropic/v1/messages)。选择与您现有 SDK/工具匹配的那个。
4) 使用 OpenAI 兼容的 REST API 调用 LongCat（快速测试）: 向 https://api.longcat.chat/openai/v1/chat/completions 发送 POST 请求，并在请求头中包含 Authorization: Bearer YOUR_API_KEY，JSON 正文中包含 model（例如，“LongCat-2.0”）、messages（系统/用户/助手角色）和 max_tokens。可选设置 temperature 和 stream。
5) 使用 OpenAI Python SDK 调用 LongCat（OpenAI 兼容的 base_url）: 使用 OpenAI SDK，设置 base_url="https://api.longcat.chat/openai" 和 api_key="YOUR_APP_KEY"。然后调用 client.chat.completions.create(model="LongCat-2.0", messages=[...], max_tokens=...)。
6) 使用 Anthropic SDK 调用 LongCat（Anthropic 兼容的 base_url）: 使用 Anthropic SDK，设置 base_url="https://api.longcat.chat/anthropic/" 并设置 Authorization: Bearer YOUR_API_KEY。然后调用 client.messages.create(model="LongCat-2.0", max_tokens=..., messages=[...])。
7) 启用或禁用“思考”（如果模型/端点支持）: 一些 LongCat API 示例指示了一个思考开关：{"type":"enabled"} 用于开启思考，{"type":"disabled"} 用于关闭思考。在支持的情况下，将其包含在您的请求参数中。
8) 开启流式传输 (SSE) 以获取实时输出: 在请求正文中设置 "stream": true 以接收服务器发送事件 (SSE) 流式响应。
9) 处理速率限制和可靠性: 如果您收到 429 错误（请求过快），请实施指数退避重试和/或降低请求速率。还要确保您的输入（消息 + max_tokens）不超过模型的最大上下文窗口。
10) 列出可用模型（可选发现）: 使用 GET https://api.longcat.chat/v1/models 列出模型，使用 GET https://api.longcat.chat/v1/models/{model} 获取模型详细信息。
11) 在 OpenCode 中使用 LongCat（可选集成）: 使用指向 baseURL "https://api.longcat.chat/openai" 和您的 apiKey 的 OpenAI 兼容提供程序配置 OpenCode。在模型部分添加 LongCat 模型名称（例如，“LongCat-2.0-Preview”），然后启动 opencode 并通过 /models 切换模型。
12) 在本地部署 LongCat-Flash-Chat（可选自托管）: 安装依赖项（CUDA/NVIDIA 设置、构建工具），安装 SGLang（例如，“sglang[all]>=0.5.2.rc0”），然后启动服务器，例如：python3 -m sglang.launch_server --model meituan-longcat/LongCat-Flash-Chat-FP8 --trust-remote-code --attention-backend flashinfer --enable-ep-moe --tp 8。对于多节点，请按照部署指南中的建议使用 BF16 和张量/专家并行性。
13) 如果登录验证失败，请获取帮助: 如果您没有收到验证码，请联系 [email protected]。中国大陆用户也可以根据平台常见问题解答拨打 1010-7888。

LongCat 常见问题

LongCat API开放平台为LongCat系列模型提供AI模型代理服务。

LongCat 视频

与 LongCat 类似的最新 AI 工具

Athena AI
Athena AI
FreemiumAI Productivity ToolsLarge Language Models (LLMs)
Athena AI 是一个多功能的 AI 驱动平台，通过文档分析、测验生成、闪卡和互动聊天功能提供个性化学习辅助、商业解决方案和生活指导。
Aguru AI
Aguru AI
Free TrialMonitor & Log ManagementLarge Language Models (LLMs)
Aguru AI 是一个本地软件解决方案，为基于 LLM 的应用程序提供全面的监控、安全和优化工具，包括行为跟踪、异常检测和性能优化等功能。
GOAT AI
GOAT AI
FreemiumSummarizerLarge Language Models (LLMs)
GOAT AI 是一个 AI 驱动的平台，提供一键摘要功能，适用于新闻文章、研究论文和视频等各种内容类型，同时提供针对特定领域任务的高级 AI 代理编排。
GiGOS
GiGOS
Free TrialLarge Language Models (LLMs)Multi-purpose Tools
GiGOS是一个AI平台，提供访问多个高级语言模型（如Gemini、GPT-4、Claude和Grok）的权限，并通过直观的界面让用户与不同的AI模型互动和比较。

类似 LongCat 的热门 AI 工具

GPT‑5.5 | ChatGPT Official
GPT‑5.5 | ChatGPT Official
Large Language Models (LLMs)AI Chatbot
ChatGPT中的GPT-5.5是OpenAI最新的以工作为中心的模型，旨在理解复杂目标、有效使用工具、检查其工作，并通过更强的保障措施完成多步骤任务（编码、研究、文档、电子表格）。
SearchGPT
SearchGPT
Free TrialAI Search EngineLarge Language Models (LLMs)
SearchGPT 是 OpenAI 使用 GPT 模型提供的 AI 驱动搜索原型，提供快速、对话式答案并带有清晰来源。
ContextGem
ContextGem
FreeAI Data MiningLarge Language Models (LLMs)
ContextGem 是一个免费的开源 LLM 框架，它通过强大的内置抽象和自动化功能，以最少的代码简化从文档中提取结构化数据和见解的过程。
AI CLI
AI CLI
FreeAI Code AssistantLarge Language Models (LLMs)
AI CLI 是一个开源命令行界面工具，可将 AI 功能直接引入您的终端，使您可以通过简单的命令与各种 AI 模型（如 OpenAI 的 GPT 和 Anthropic 的 Claude）进行交互。