Meituan: LongCat 2.0

LongCat 2.0 é um modelo de linguagem de mistura esparsa de especialistas da Meituan, com 48 mil milhões de parâmetros ativos num total de 1,6 biliões. A sua função publicada inclui programação, alterações ao nível do repositório, resolução de problemas de longo prazo e fluxos de agentes. Selecione meituan/longcat-2.0 com POST /v1/chat/completions, utilizando model e um array messages. Este perfil aceita texto e produz texto ou pedidos de chamadas de funções no âmbito da conversa.

Para uma alteração num repositório, forneça os ficheiros ou excertos relevantes, o comportamento que deve mudar e as restrições que a implementação deve preservar. Peça um resultado concreto, como um patch, uma sequência de alterações proposta ou uma explicação de como uma falha se propaga pelos módulos fornecidos. Para análise de documentos, forneça o texto de origem real e identifique as questões que a resposta deve resolver. Identifique as diferentes passagens de origem, para que a resposta possa relacionar as suas conclusões com o material fornecido.

A janela de contexto publicada é de 1 048 756 tokens e o perfil do modelo indica até 262 144 tokens de conclusão. Planeie o material de origem, o histórico da conversa, os resultados das ferramentas e a resposta solicitada dentro do orçamento global de contexto. Defina max_tokens para a quantidade de saída solicitada. Um contexto grande pode conter uma quantidade substancial de texto, mas a tarefa continua a beneficiar de limites explícitos entre ficheiros, do objetivo atual e de uma descrição do que uma resposta útil deve conter.

Os controlos suportados incluem tools e tool_choice para chamadas de funções. Uma aplicação pode declarar funções para ler um ficheiro selecionado, executar uma verificação aprovada ou obter um registo e fornecer depois os dados resultantes em turnos subsequentes da conversa. O modelo pode solicitar uma chamada de função; a aplicação valida os respetivos argumentos, realiza a ação permitida e devolve o resultado. Mantenha o pedido, o resultado da ferramenta e a resposta seguinte em conjunto quando uma tarefa abranger vários passos.

Outros parâmetros publicados incluem temperature, top_p, top_k, min_p, stop, seed, frequency_penalty, presence_penalty e repetition_penalty. reasoning e include_reasoning também constam da lista de parâmetros suportados. O perfil do modelo não suporta response_format, pelo que uma instrução para produzir JSON continua a ser uma instrução do prompt. Analise e valide qualquer texto estruturado antes de o transmitir a código, a uma base de dados ou a outro fluxo de trabalho.

Utilize uma resposta completa de Chat Completions quando a etapa seguinte precisar da resposta reunida ou texto em streaming quando a aplicação o apresentar à medida que chega. Leia o conteúdo da mensagem e quaisquer chamadas de ferramentas nas choices devolvidas, preservando usage e as informações da resposta. Reúna os deltas em streaming antes de considerar um patch proposto ou uma resposta estruturada como concluídos. Para uma alteração de código, avalie a proposta concluída face aos requisitos fornecidos e às verificações reais antes de aplicar o resultado.