Meituan: LongCat 2.0

LongCat 2.0 is een mixture-of-experts-taalmodel met spaarzame activering van Meituan, met 48 miljard actieve parameters uit een totaal van 1.6 biljoen. De gepubliceerde rol omvat programmeren, wijzigingen op repositoryniveau, probleemoplossing over een lange horizon en agentwerkprocessen. Selecteer meituan/longcat-2.0 met POST /v1/chat/completions met model en een messages-array. Dit profiel accepteert tekst en produceert tekst of verzoeken om functieaanroepen binnen het gesprek.

Lever voor een repositorywijziging de relevante bestanden of fragmenten aan, het gedrag dat moet veranderen en de beperkingen die de implementatie moet behouden. Vraag om een concreet resultaat, zoals een patch, een voorgestelde reeks wijzigingen of een uitleg van hoe een fout zich door de aangeleverde modules voortzet. Geef voor documentanalyse de daadwerkelijke brontekst en benoem de vragen die het antwoord moet oplossen. Label verschillende bronpassages, zodat het antwoord zijn conclusies aan het aangeleverde materiaal kan verbinden.

Het gepubliceerde contextvenster is 1 048 756 tokens en het modelprofiel vermeldt maximaal 262 144 voltooiingstokens. Plan het bronmateriaal, de gespreksgeschiedenis, de toolresultaten en het gevraagde antwoord binnen het totale contextbudget. Stel max_tokens in voor de gevraagde uitvoerruimte. Een grote context kan veel tekst bevatten, maar de taak profiteert nog steeds van expliciete bestandsgrenzen, het huidige doel en een beschrijving van wat een bruikbaar antwoord moet bevatten.

De ondersteunde instellingen omvatten tools en tool_choice voor functieaanroepen. Een toepassing kan functies declareren om een geselecteerd bestand te lezen, een goedgekeurde controle uit te voeren of een record op te halen en vervolgens de resulterende gegevens in volgende gespreksbeurten aanleveren. Het model kan om een functieaanroep vragen; je toepassing valideert de argumenten, voert de toegestane handeling uit en retourneert het resultaat. Houd het verzoek, het toolresultaat en het volgende antwoord bij elkaar wanneer een taak meerdere stappen omvat.

Andere gepubliceerde parameters zijn temperature, top_p, top_k, min_p, stop, seed, frequency_penalty, presence_penalty en repetition_penalty. reasoning en include_reasoning staan ook in de lijst met ondersteunde parameters. Het modelprofiel ondersteunt response_format niet, dus een instructie om JSON te produceren blijft een promptinstructie. Parseer en valideer gestructureerde tekst voordat je die doorgeeft aan code, een database of een ander werkproces.

Gebruik een volledig Chat Completions-antwoord wanneer de volgende stap het samengevoegde antwoord nodig heeft, of stream tekst wanneer de toepassing die tijdens het binnenkomen weergeeft. Lees de berichtinhoud en eventuele toolaanroepen uit de geretourneerde choices en bewaar usage en antwoordinformatie. Voeg gestreamde delta's samen voordat je een voorgestelde patch of een gestructureerd antwoord als volledig beschouwt. Beoordeel voor een codewijziging het voltooide voorstel aan de hand van de aangeleverde eisen en daadwerkelijke controles voordat je het resultaat toepast.