LongCat
LongCat 是美團的開放基礎模型家族，專為長上下文推理和代理編碼而構建，透過 OpenAI/Anthropic 相容 API 提供，涵蓋快速聊天、深度思考和多模態變體。
https://longcat.chat/?ref=producthunt&utm_source=aipure
產品資訊
更新時間：2026年07月09日
什麼是 LongCat
LongCat 是美團開發的一個大型語言模型（LLM）家族，其定位圍繞長上下文理解、工具使用代理工作流程以及強大的編碼/儲存庫級別能力。它包括旗艦級大型專家混合（MoE）模型，如 LongCat-2.0（總參數 1.6T，每個 token 激活約 48B），以及注重效率的模型，如 LongCat-Flash（總參數 560B，激活約 18.6B–31.3B，平均約 27B）。LongCat 可透過 LongCat 網路體驗（longcat.ai / longcat.chat）和與主流格式相容的 API 平台訪問，使開發人員能夠以最小的更改將其整合到現有堆棧中。
LongCat 的主要功能
LongCat 是美團推出的一個大型 AI 模型家族和 API 平台，專為高吞吐量聊天、代理工作流程和長上下文編碼而設計。它包括多個變體，例如 LongCat-Flash-Chat（快速、非思考型對話模型）、LongCat-Flash-Thinking（深度思考推理模型）、LongCat-Flash-Omni（全模態感知）和 LongCat-2.0（針對代理編碼優化的萬億參數 MoE，具有原生超長上下文）。LongCat 在整個產品線中，透過專家混合 (Mixture-of-Experts) 動態激活、強大的工具/代理行為以及透過 OpenAI 相容 API 和對常見服務框架的支援實現靈活部署，從而強調效率。
專家混合效率: 使用 MoE 路由僅激活每個 token 的一部分參數（例如，LongCat-Flash 在 560B 中激活約 18.6B–31.3B；LongCat-2.0 在 1.6T 中激活約 33B–56B），從而提高生產工作負載的成本/性能。
適用於不同互動模式的模型系列: 提供多種變體：Flash-Chat 用於快速直接回應，Flash-Thinking 用於深度推理，Flash-Omni 用於端到端多模態互動，以及 LongCat-2.0 用於代理編碼和大型上下文任務。
超長上下文（LongCat-2.0 中高達 1M token）: 原生長上下文支援旨在處理大型程式碼庫和多文件工作流程，透過稀疏注意力技術（例如 LongCat Sparse Attention）減少擴展瓶頸。
與 OpenAI 和 Anthropic 相容的 API: LongCat API 平台支援 OpenAI 風格的聊天完成（/v1/chat/completions）和 Anthropic 風格的消息（/v1/messages），簡化了與現有應用程式和工具的整合。
常見服務堆疊中的部署支援: 包括使用 SGLang 和 vLLM 部署模型的適應和指導，支援實際的自我託管和可擴展的推理設置。
代理任務強度: 定位於指令遵循和工具增強型工作流程（長時間多輪會話、編碼代理），其中 LongCat-2.0 專門針對代理編碼性能進行推廣。
LongCat 的使用案例
大型儲存庫的代理編碼: 利用 LongCat-2.0 的長上下文，在大型程式碼庫中進行重構、實施功能和執行多步驟調試，同時在廣泛的專案歷史中保持一致性。
高流量客戶支援聊天: 部署 LongCat-Flash-Chat 以實現低延遲、成本敏感的對話支援，在這種情況下，快速回應和強大的指令遵循至關重要。
工具增強型企業助理: 建立內部協作工具，透過長時間的多輪會話協調工具（搜尋、票務、文件 QA），受益於大型上下文視窗和代理行為。
深度推理和類似證明的工作流程: 使用 Flash-Thinking（以及生態系統中提及的相關證明導向方向）處理需要更多深思熟慮的任務，例如複雜分析、步驟規劃或形式化推理。
多模態應用（圖像/音訊/視訊理解）: 使用 LongCat-Flash-Omni 和相關模態專案來支援能夠跨模態感知和回應的助理，用於審查、分類或內容理解管道。
優點
高效的 MoE 設計使性能具有競爭力，每個 token 的活躍計算量低於相同規模的密集模型。
多個專業變體（聊天、思考、全能、編碼）使選擇與延遲與推理需求相符的模型變得更容易。
與 OpenAI/Anthropic 格式的 API 相容性降低了整合摩擦和遷移成本。
強大的長上下文定位（LongCat-2.0 中高達 1M token）支援大型文件和大型儲存庫工作流程。
缺點
儘管 MoE 效率高，但大規模部署仍然可能需要大量的基礎設施（服務和路由複雜性、記憶體/並行性要求）。
功能聲明和基準比較可能因評估工具/模式而異（例如，“非思考型”與“思考型”），需要針對特定工作負載進行仔細驗證。
生態系統複雜性（多個模型、模板、部署旋鈕）可能會增加不熟悉 MoE 服務的團隊的設定和營運開銷。
如何使用 LongCat
1) 建立 LongCat 帳戶: 前往官方網站 (https://longcat.ai 或 https://longcat.chat) 並註冊/登入。這是訪問 API 平台所必需的。
2) 生成 API 金鑰: 在 API 平台中，打開「API 金鑰」頁面並點擊「建立 API 金鑰」。安全地複製並儲存金鑰（它只顯示一次）。如果您遺失了它，您必須建立一個新的。
3) 選擇 API 樣式（OpenAI 相容或 Anthropic 相容）: LongCat 提供統一的端點 (https://api.longcat.chat) 並支援兩種請求格式：OpenAI 相容 (POST /openai/v1/chat/completions) 和 Anthropic 相容 (POST /anthropic/v1/messages)。選擇與您現有 SDK/工具相符的那個。
4) 使用 OpenAI 相容 REST API 呼叫 LongCat（快速測試）: 向 https://api.longcat.chat/openai/v1/chat/completions 發送 POST 請求，帶有標頭 Authorization: Bearer YOUR_API_KEY 和包含模型（例如，「LongCat-2.0」）、訊息（系統/用戶/助手角色）和 max_tokens 的 JSON 主體。可選地設定 temperature 和 stream。
5) 使用 OpenAI Python SDK 呼叫 LongCat（OpenAI 相容 base_url）: 使用 OpenAI SDK，其中 base_url="https://api.longcat.chat/openai" 和 api_key="YOUR_APP_KEY"。然後呼叫 client.chat.completions.create(model="LongCat-2.0", messages=[...], max_tokens=...)。
6) 使用 Anthropic SDK 呼叫 LongCat（Anthropic 相容 base_url）: 使用 Anthropic SDK，其中 base_url="https://api.longcat.chat/anthropic/" 並設定 Authorization: Bearer YOUR_API_KEY。然後呼叫 client.messages.create(model="LongCat-2.0", max_tokens=..., messages=[...])。
7) 啟用或禁用「思考」（如果模型/端點支援）: 一些 LongCat API 範例指示了一個思考開關：{"type":"enabled"} 用於開啟思考，{"type":"disabled"} 用於關閉思考。在支援的地方將其包含在您的請求參數中。
8) 開啟串流（SSE）以獲取即時輸出: 在請求主體中設定 "stream": true 以接收伺服器發送事件（SSE）串流響應。
9) 處理速率限制和可靠性: 如果您收到 429 錯誤（請求過快），請實施指數退避重試和/或降低請求速率。還要確保您的輸入（訊息 + max_tokens）不超過模型的最大上下文窗口。
10) 列出可用模型（可選發現）: 使用 GET https://api.longcat.chat/v1/models 列出模型，並使用 GET https://api.longcat.chat/v1/models/{model} 檢索模型詳細資訊。
11) 在 OpenCode 中使用 LongCat（可選整合）: 使用指向 baseURL "https://api.longcat.chat/openai" 和您的 apiKey 的 OpenAI 相容提供者配置 OpenCode。在模型部分添加 LongCat 模型名稱（例如，「LongCat-2.0-Preview」），然後啟動 opencode 並透過 /models 切換模型。
12) 在本地部署 LongCat-Flash-Chat（可選自託管）: 安裝依賴項（CUDA/NVIDIA 設定、構建工具），安裝 SGLang（例如，「sglang[all]>=0.5.2.rc0」），然後啟動伺服器，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。對於多節點，請按照部署指南中的建議使用 BF16 和張量/專家並行。
13) 如果登入驗證失敗，請尋求幫助: 如果您沒有收到驗證碼，請聯繫 [email protected]。中國大陸用戶也可以根據平台常見問題解答撥打 1010-7888。
LongCat 常見問題
LongCat API 開放平台提供專為 LongCat 系列模型設計的 AI 模型代理服務。
与 LongCat 类似的最新 AI 工具
Athena AI
Athena AI 是一個多功能的 AI 驅動平台，通過文檔分析、測驗生成、閃卡和互動聊天功能，提供個性化的學習協助、商業解決方案和生活輔導。
Aguru AI
Aguru AI 是一個本地部署的軟件解決方案，為基於 LLM 的應用提供全面的監控、安全和優化工具，包括行為跟蹤、異常檢測和性能優化等功能。
GOAT AI
GOAT AI 是一個 AI 驅動的平台，提供一鍵摘要功能，適用於新聞文章、研究論文和視頻等多種內容類型，同時還提供先進的 AI 代理編排，用於特定領域的任務。
GiGOS
GiGOS 是一個 AI 平台，提供多個先進的語言模型，如 Gemini、GPT-4、Claude 和 Grok，並通過直觀的界面讓用戶與不同的 AI 模型互動和比較。
类似 LongCat 的热门 AI 工具
GPT‑5.5 | ChatGPT Official
ChatGPT 中的 GPT‑5.5 是 OpenAI 最新的以工作為重點的模型，旨在理解複雜目標、有效使用工具、檢查其工作，並透過更強大的保護措施完成多步驟任務（編碼、研究、文件、試算表）。
SearchGPT
SearchGPT 是 OpenAI 開發的 AI 驅動搜索原型，利用 GPT 模型提供快速、對話式答案並附有清晰來源。
ContextGem
ContextGem 是一個免費的開源 LLM 框架，它通過強大的內置抽象和自動化功能，以最少的代碼簡化了從文檔中提取結構化數據和見解的過程。
AI CLI
AI CLI 是一個開源命令行介面工具，可將 AI 功能直接帶到您的終端，使您可以通過簡單的命令與各種 AI 模型（如 OpenAI 的 GPT 和 Anthropic 的 Claude）進行互動。