Meituan: LongCat 2.0

LongCat 2.0 är en gles språkmodell med expertblandning från Meituan, med 48 miljarder aktiva parametrar av totalt 1,6 biljoner. Dess publicerade användningsområden omfattar kodning, ändringar på kodbasnivå, långsiktig problemlösning och agentarbetsflöden. Välj meituan/longcat-2.0 med POST /v1/chat/completions och använd model och en messages-array. Denna profil tar emot text och producerar text eller begäranden om funktionsanrop inom samtalet.

För en ändring i kodbasen tillhandahåller du relevanta filer eller utdrag, beteendet som ska ändras och de begränsningar implementationen måste bevara. Begär ett konkret resultat, till exempel en patch, en föreslagen ändringsföljd eller en förklaring av hur ett fel fortplantas genom de tillhandahållna modulerna. För dokumentanalys anger du den faktiska källtexten och de frågor som svaret måste lösa. Märk upp olika källavsnitt så att svaret kan knyta sina slutsatser till det tillhandahållna materialet.

Det publicerade kontextfönstret är 1 048 756 tokens, och modellprofilen anger upp till 262 144 tokens för genererade svar. Planera källmaterial, samtalshistorik, verktygsresultat och begärt svar inom den totala kontextbudgeten. Ställ in max_tokens för det begärda utrymmet för utdata. En stor kontext rymmer mycket text, men uppgiften gynnas fortfarande av tydliga filgränser, det aktuella målet och en beskrivning av vad ett användbart svar ska innehålla.

Inställningarna som stöds omfattar tools och tool_choice för funktionsanrop. En applikation kan deklarera funktioner för att läsa en vald fil, köra en godkänd kontroll eller hämta en post och sedan tillhandahålla resulterande data i efterföljande samtalsturer. Modellen kan begära ett funktionsanrop; din applikation validerar argumenten, utför den tillåtna åtgärden och returnerar resultatet. Behåll förfrågan, verktygsresultatet och nästa svar tillsammans när en uppgift omfattar flera steg.

Andra publicerade parametrar omfattar temperature, top_p, top_k, min_p, stop, seed, frequency_penalty, presence_penalty och repetition_penalty. reasoning och include_reasoning finns också i listan över parametrar som stöds. Modellprofilen stöder inte response_format, så en instruktion att producera JSON förblir en promptinstruktion. Tolka och validera all strukturerad text innan den skickas vidare till kod, en databas eller ett annat arbetsflöde.

Använd ett fullständigt Chat Completions-svar när nästa steg behöver det sammanställda svaret, eller strömma text när applikationen visar den efter hand. Läs meddelandeinnehåll och eventuella verktygsanrop från returnerade choices och bevara usage och svarsinformation. Sammanställ strömmade deltan innan en föreslagen patch eller ett strukturerat svar betraktas som komplett. För en kodändring utvärderar du det färdiga förslaget mot de tillhandahållna kraven och faktiska kontroller innan du tillämpar resultatet.