LongCat 2.0 er en sparsom språkmodell med en blanding av eksperter fra Meituan, med 48 milliarder aktive parametere av totalt 1,6 billioner. Det publiserte bruksområdet omfatter koding, endringer på tvers av et kodelager, langsiktig problemløsing og agentarbeidsflyter. Velg meituan/longcat-2.0 med POST /v1/chat/completions ved å bruke model og en messages-array. Denne profilen tar imot tekst og produserer tekst eller forespørsler om funksjonskall i samtalen.
For en endring i et kodelager oppgir du de relevante filene eller utdragene, oppførselen som skal endres, og begrensningene implementasjonen må bevare. Be om et konkret resultat, som en patch, en foreslått endringsrekkefølge eller en forklaring på hvordan en feil forplanter seg gjennom de oppgitte modulene. For dokumentanalyse oppgir du selve kildeteksten og identifiserer spørsmålene svaret må avklare. Merk ulike kildeavsnitt slik at svaret kan knytte konklusjonene til det oppgitte materialet.
Det publiserte kontekstvinduet er 1 048 756 tokener, og modellprofilen oppgir opptil 262 144 tokener for genererte svar. Planlegg kildematerialet, samtalehistorikken, verktøyresultatene og det ønskede svaret innenfor den samlede kontekstrammen. Angi max_tokens for ønsket ramme for utdataene. En stor kontekst kan romme mye tekst, men oppgaven har fortsatt nytte av eksplisitte filgrenser, det aktuelle målet og en beskrivelse av hva et nyttig svar bør inneholde.
De støttede innstillingene omfatter tools og tool_choice for funksjonskall. En applikasjon kan deklarere funksjoner for å lese en valgt fil, kjøre en godkjent kontroll eller hente en registrering, og deretter oppgi resultatdataene i senere meldinger i samtalen. Modellen kan be om et funksjonskall; applikasjonen validerer argumentene, utfører den tillatte handlingen og returnerer resultatet. Hold forespørselen, verktøyresultatet og det neste svaret samlet når en oppgave går over flere trinn.
Andre publiserte parametere omfatter temperature, top_p, top_k, min_p, stop, seed, frequency_penalty, presence_penalty og repetition_penalty. reasoning og include_reasoning står også i listen over støttede parametere. Modellprofilen støtter ikke response_format, så en instruksjon om å produsere JSON forblir en promptinstruksjon. Parse og valider all strukturert tekst før du sender den videre til kode, en database eller en annen arbeidsflyt.
Bruk et fullstendig Chat Completions-svar når neste trinn trenger det sammensatte svaret, eller strøm tekst når applikasjonen viser den etter hvert som den kommer. Les meldingsinnhold og eventuelle verktøykall fra de returnerte choices, og behold usage og svarinformasjonen. Sett sammen strømmede deltaer før du anser en foreslått patch eller et strukturert svar som fullstendig. For en kodeendring vurderer du det ferdige forslaget mot de oppgitte kravene og faktiske kontroller før du tar resultatet i bruk.
", "aboutText": "LongCat 2.0 er en sparsom språkmodell med en blanding av eksperter fra Meituan, med 48 milliarder aktive parametere av totalt 1,6 billioner. Det publiserte bruksområdet omfatter koding, endringer på tvers av et kodelager, langsiktig problemløsing og agentarbeidsflyter. Velg meituan/longcat-2.0 med POST /v1/chat/completions ved å bruke model og en messages-array. Denne profilen tar imot tekst og produserer tekst eller forespørsler om funksjonskall i samtalen.\n\nFor en endring i et kodelager oppgir du de relevante filene eller utdragene, oppførselen som skal endres, og begrensningene implementasjonen må bevare. Be om et konkret resultat, som en patch, en foreslått endringsrekkefølge eller en forklaring på hvordan en feil forplanter seg gjennom de oppgitte modulene. For dokumentanalyse oppgir du selve kildeteksten og identifiserer spørsmålene svaret må avklare. Merk ulike kildeavsnitt slik at svaret kan knytte konklusjonene til det oppgitte materialet.\n\nDet publiserte kontekstvinduet er 1 048 756 tokener, og modellprofilen oppgir opptil 262 144 tokener for genererte svar. Planlegg kildematerialet, samtalehistorikken, verktøyresultatene og det ønskede svaret innenfor den samlede kontekstrammen. Angi max_tokens for ønsket ramme for utdataene. En stor kontekst kan romme mye tekst, men oppgaven har fortsatt nytte av eksplisitte filgrenser, det aktuelle målet og en beskrivelse av hva et nyttig svar bør inneholde.\n\nDe støttede innstillingene omfatter tools og tool_choice for funksjonskall. En applikasjon kan deklarere funksjoner for å lese en valgt fil, kjøre en godkjent kontroll eller hente en registrering, og deretter oppgi resultatdataene i senere meldinger i samtalen. Modellen kan be om et funksjonskall; applikasjonen validerer argumentene, utfører den tillatte handlingen og returnerer resultatet. Hold forespørselen, verktøyresultatet og det neste svaret samlet når en oppgave går over flere trinn.\n\nAndre publiserte parametere omfatter temperature, top_p, top_k, min_p, stop, seed, frequency_penalty, presence_penalty og repetition_penalty. reasoning og include_reasoning står også i listen over støttede parametere. Modellprofilen støtter ikke response_format, så en instruksjon om å produsere JSON forblir en promptinstruksjon. Parse og valider all strukturert tekst før du sender den videre til kode, en database eller en annen arbeidsflyt.\n\nBruk et fullstendig Chat Completions-svar når neste trinn trenger det sammensatte svaret, eller strøm tekst når applikasjonen viser den etter hvert som den kommer. Les meldingsinnhold og eventuelle verktøykall fra de returnerte choices, og behold usage og svarinformasjonen. Sett sammen strømmede deltaer før du anser en foreslått patch eller et strukturert svar som fullstendig. For en kodeendring vurderer du det ferdige forslaget mot de oppgitte kravene og faktiske kontroller før du tar resultatet i bruk.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "ce06da66d46ae412fcfd7c33979fe4da919e9c8781b05165da5596fdbaad875d", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nb", "methods": [ { "html": "meituan/longcat-2.0LongCat 2.0 er Meituans tekstmodell for koding, endringer på tvers av et kodelager, langvarig problemløsing og applikasjonsstyrte agentarbeidsflyter. Det publiserte kontekstvinduet er 1 048 756 tokener. Bruk den nøyaktige ID-en meituan/longcat-2.0 med Chat Completions og oppgi relevant kode, dokumenter og verktøyresultater som tekst.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
LongCat 2.0 er en sparsom språkmodell med en blanding av eksperter fra Meituan, med 48 milliarder aktive parametere av totalt 1,6 billioner. Det publiserte bruksområdet omfatter koding, endringer på tvers av et kodelager, langsiktig problemløsing og agentarbeidsflyter. Velg meituan/longcat-2.0 med POST /v1/chat/completions ved å bruke model og en messages-array. Denne profilen tar imot tekst og produserer tekst eller forespørsler om funksjonskall i samtalen.
For en endring i et kodelager oppgir du de relevante filene eller utdragene, oppførselen som skal endres, og begrensningene implementasjonen må bevare. Be om et konkret resultat, som en patch, en foreslått endringsrekkefølge eller en forklaring på hvordan en feil forplanter seg gjennom de oppgitte modulene. For dokumentanalyse oppgir du selve kildeteksten og identifiserer spørsmålene svaret må avklare. Merk ulike kildeavsnitt slik at svaret kan knytte konklusjonene til det oppgitte materialet.
Det publiserte kontekstvinduet er 1 048 756 tokener, og modellprofilen oppgir opptil 262 144 tokener for genererte svar. Planlegg kildematerialet, samtalehistorikken, verktøyresultatene og det ønskede svaret innenfor den samlede kontekstrammen. Angi max_tokens for ønsket ramme for utdataene. En stor kontekst kan romme mye tekst, men oppgaven har fortsatt nytte av eksplisitte filgrenser, det aktuelle målet og en beskrivelse av hva et nyttig svar bør inneholde.
De støttede innstillingene omfatter tools og tool_choice for funksjonskall. En applikasjon kan deklarere funksjoner for å lese en valgt fil, kjøre en godkjent kontroll eller hente en registrering, og deretter oppgi resultatdataene i senere meldinger i samtalen. Modellen kan be om et funksjonskall; applikasjonen validerer argumentene, utfører den tillatte handlingen og returnerer resultatet. Hold forespørselen, verktøyresultatet og det neste svaret samlet når en oppgave går over flere trinn.
Andre publiserte parametere omfatter temperature, top_p, top_k, min_p, stop, seed, frequency_penalty, presence_penalty og repetition_penalty. reasoning og include_reasoning står også i listen over støttede parametere. Modellprofilen støtter ikke response_format, så en instruksjon om å produsere JSON forblir en promptinstruksjon. Parse og valider all strukturert tekst før du sender den videre til kode, en database eller en annen arbeidsflyt.
Bruk et fullstendig Chat Completions-svar når neste trinn trenger det sammensatte svaret, eller strøm tekst når applikasjonen viser den etter hvert som den kommer. Les meldingsinnhold og eventuelle verktøykall fra de returnerte choices, og behold usage og svarinformasjonen. Sett sammen strømmede deltaer før du anser en foreslått patch eller et strukturert svar som fullstendig. For en kodeendring vurderer du det ferdige forslaget mot de oppgitte kravene og faktiske kontroller før du tar resultatet i bruk.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser meituan/longcat-2.0 | Standard— |
Feltmessages | Typearray | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 | Standard— |
Feltn | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser | Standard— |
Feltseed | Typeinteger | KravValgfritt | Verdier & grenser | Standard— |
Feltstop | Type | KravValgfritt | Verdier & grenser | Standard— |
Feltfrequency_penalty | Typenumber | KravValgfritt | Verdier & grenser | Standard— |
Feltpresence_penalty | Typenumber | KravValgfritt | Verdier & grenser | Standard— |
Feltuser | Typestring | KravValgfritt | Verdier & grenser | Standard— |
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parameteroptional | Avtalestream, max_tokens, max_completion_tokens, n, temperature, top_p, seed, stop, frequency_penalty, presence_penalty, user |
Parametermaterial_types | Avtaletext |
Parameterconditions | Avtale |
Livssyklus: synchronous_json_or_sse
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.0015 / 1K tokener Utdata · Utgående tokener $0.006 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00003 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${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
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
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
Bruk metodestiene som vises ovenfor.