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.
", "aboutText": "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.\n\nPer 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.\n\nLa 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.\n\nI 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.\n\nAltri 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.\n\nUsa 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.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "73ed3de48b756fb4ebd1dc9d10ae040f6235c93ce077fd63e487574b54faaf1a", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "it", "methods": [ { "html": "meituan/longcat-2.0LongCat 2.0 è il modello testuale di Meituan per programmazione, modifiche a livello di repository, risoluzione prolungata di problemi e flussi con agenti controllati dall'applicazione. La finestra di contesto pubblicata è di 1 048 756 token. Usa l'ID esatto meituan/longcat-2.0 con Chat Completions, fornendo come testo il codice, i documenti e i risultati degli strumenti pertinenti.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
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.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti meituan/longcat-2.0 | Predefinito— |
Campomessages | Tipoarray | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 | Predefinito— |
Campon | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Camposeed | Tipointeger | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campostop | Tipo | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campofrequency_penalty | Tiponumber | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campopresence_penalty | Tiponumber | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campouser | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametrooptional | Contrattostream, max_tokens, max_completion_tokens, n, temperature, top_p, seed, stop, frequency_penalty, presence_penalty, user |
Parametromaterial_types | Contrattotext |
Parametroconditions | Contratto |
Ciclo di vita: synchronous_json_or_sse
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.0015 / 1K token Output · Token in output $0.006 / 1K token Input · Lettura dalla cache $0.00003 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "meituan/longcat-2.0", "messages": [{"role": "user", "content": "Summarize the supplied text in three concise points."}], "stream": false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON or supported SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Retain the complete response, all actual results, original identifiers, usage and response headers.
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Ailoot Ultra meituan/longcat-2.0
Usa i percorsi dei metodi indicati sopra.