Meituan: LongCat 2.0

LongCat 2.0 è un modello linguistico sparso a miscela di esperti di Meituan, con 48 miliardi di parametri attivi su 1,6 migliaia di miliardi totali. Il ruolo pubblicato include programmazione, modifiche a livello di repository, risoluzione di problemi che richiedono un lavoro prolungato e flussi con agenti. Seleziona meituan/longcat-2.0 con POST /v1/chat/completions usando model e un array messages. Questo profilo accetta testo e produce testo o richieste di chiamate di funzione all'interno della conversazione.

Per una modifica al repository, fornisci i file o gli estratti pertinenti, il comportamento da cambiare e i vincoli che l'implementazione deve preservare. Chiedi un risultato concreto, come una patch, una sequenza proposta di modifiche o una spiegazione di come un errore si propaga attraverso i moduli forniti. Per l'analisi di documenti, fornisci il testo originale effettivo e identifica le domande che la risposta deve risolvere. Etichetta i diversi brani di partenza, così che la risposta possa collegare le conclusioni al materiale fornito.

La finestra di contesto pubblicata è di 1 048 756 token e il profilo del modello indica fino a 262 144 token di completamento. Pianifica il materiale di partenza, la cronologia della conversazione, i risultati degli strumenti e la risposta richiesta entro il budget complessivo del contesto. Imposta max_tokens per la quantità di output richiesta. Un contesto ampio può contenere una quantità considerevole di testo, ma il compito beneficia comunque di confini espliciti tra i file, dell'obiettivo attuale e di una descrizione di ciò che deve contenere una risposta utile.

I controlli supportati includono tools e tool_choice per le chiamate di funzione. Un'applicazione può dichiarare funzioni per leggere un file selezionato, eseguire una verifica approvata o ottenere un record, quindi fornire i dati risultanti nei turni successivi della conversazione. Il modello può richiedere una chiamata di funzione; l'applicazione ne convalida gli argomenti, esegue l'azione consentita e restituisce il risultato. Conserva insieme la richiesta, il risultato dello strumento e la risposta successiva quando un compito si sviluppa in più passaggi.

Altri parametri pubblicati includono temperature, top_p, top_k, min_p, stop, seed, frequency_penalty, presence_penalty e repetition_penalty. Anche reasoning e include_reasoning compaiono nell'elenco dei parametri supportati. Il profilo del modello non supporta response_format, quindi un'istruzione a produrre JSON rimane un'istruzione del prompt. Analizza e convalida ogni testo strutturato prima di passarlo a codice, a un database o a un altro flusso di lavoro.

Usa una risposta Chat Completions completa quando il passaggio successivo richiede la risposta assemblata, oppure trasmetti il testo in streaming quando l'applicazione lo mostra man mano che arriva. Leggi il contenuto dei messaggi e le eventuali chiamate di strumento dai choices restituiti, conservando usage e le informazioni della risposta. Assembla i delta in streaming prima di considerare completa una patch proposta o una risposta strutturata. Per una modifica al codice, valuta la proposta completata rispetto ai requisiti forniti e alle verifiche effettive prima di applicarne il risultato.