先算一笔很具体的账。一个十二万行的老仓库，让它跑全库级别的重构，输入侧随随便便就是三四百万 token——文件内容、终端日志、工具返回值，全都要重新喂一遍。这个量级下，每百万 token 差一美元，单次任务就差三到四美元；一天跑五轮，一个月就是五六百美元。所以每次有新模型打出「输入两块钱」的价，真正该问的不是它排第几，而是这价能不能撑住你的日常跑法。
11 月 2 日美团放出 LongCat-2.5，就是这么一个把价格摆在前面的模型。总参数 1.6 万亿，每个 token 激活约 480 亿，原生多模态，上下文 1M，单次最长输出 256K，训练全程跑在国产算力上。当天官网 longcat.ai 和 API 平台一起开，权重没跟着放出来。
它到底是个什么定位
看官方给的评测重点就明白了：Terminal Bench v2.1 拿 88.4，Terminal Bench v4.0 拿 38.5，BrowseComp 91.9，Program Bench 25.5。前两个是终端里跑多步任务，第三个是浏览器检索，都是长流程的活儿。对照组里它压过 Claude-Opus-4.8，跟 Claude-Opus-5 互有胜负——Opus-5 在 Terminal Bench v4.0 上是 53.9，比它高出一截。这些数字全部来自美团自己的评测配置，第三方还没复测，看的时候心里要有这根线。
架构上是 MoE，激活 48B，意味着推理成本按 480 亿算而不是 1.6 万亿。上下文训练阶段用过最长 1M token 的序列，针对国产卡单卡显存不到 80GB 的限制做了超节点优化，官方说长序列 SFT 的单卡吞吐比 DDP 基线高 86%。推理侧上的是 W4A4，权重和激活都压到 4 bit，压测里 Prefill 吞吐比 W8A8 INT8 基线高 43.3%，Decode 高 42.77%，首 token 延迟低 15.91%。
三条上手路径，按你的用法挑
第一条，只想看看它写字什么样。打开 longcat.ai 注册登录，网页对话框直接问。注册并完成认证送 1000 万 tokens，老用户额外加 500 万。这个额度对试水够用了——按输出 8 元/百万 token 折算，1000 万 tokens 相当于把几十份长文档从头到尾过一遍。
第二条，走 API。longcat.ai 的控制台里建 key，接口同时兼容 OpenAI 和 Anthropic 两套通行格式。这一步的价值在于迁移成本几乎为零：原来指向 OpenAI 的客户端，改 base_url、换 key、把模型名填成 LongCat-2.5，就能跑。
第三条，接进编程 Agent。官方明确列了 Claude Code、Codex、Hermes 这几个框架。以 Claude Code 为例，动的是三个环境变量：把 ANTHROPIC_BASE_URL 指向 LongCat 的接口地址，ANTHROPIC_AUTH_TOKEN 换成刚建的 key，模型名写 LongCat-2.5。Codex 那边则是改 config.toml 里的 provider 段，base_url 和模型名一起换。具体字段以各家接入文档为准，别照抄别人博客里的旧地址。这类「换个地址就换模型」的路子，前两天把 Ling 3.1 Flash 接进 Claude Code 和 Cursor 时也是同一套逻辑，那篇里改的两处配置可以对照着看。
价格和额度，怎么算才不吃亏
限时价三档：缓存未命中的输入 2 元/百万 token，缓存命中 0.04 元/百万 token，输出 8 元/百万 token。美元价对应 0.30 / 0.006 / 1.20。缓存价和输入价差了 50 倍，这个比例决定了用法——同一个仓库反复改，命中率能拉到七成以上，实际账单会比按原价粗算的低一大截；反过来，每次都是新文件、新日志，缓存基本白搭。
赠送额度这里有个细节值得记：缓存命中的部分不消耗赠送额度。也就是说试水阶段尽量在同一个项目里来回改，别一天换一个仓库，否则送的 1000 万 tokens 掉得比想象快。想更细地算这类成本账，这篇按任务量拆 token 的算法可以直接套。
五件容易踩的事
一、权重没开源。发布会只给了 API 和网页，GitHub 和 Hugging Face 上的权重官方口径是「稍后」。现在能自己部署的仍是上一代 LongCat-2.0，MIT 协议。冲着「开源模型本地跑」来的，这一代先别等，本地部署那条路眼下还是拿 2.0 练手更实际。
二、2 元是限时价。官方页面写的是 limited-time，没写截止日。做预算别按 2 元锁死一整年，留个 3 到 5 倍的涨价余量更稳。
三、1M 上下文不等于该塞满。上下文越长，首 token 越慢，单价再便宜也架不住每次都灌 80 万 token。真要做全库分析，先做一次检索把范围缩到十几个文件，比硬塞整仓便宜得多，结果也更准。
四、多模态是「看得懂」，不是「画得出」。它把视觉输入转成统一 token 处理，能读截图、读表格、生成带交互的网页和 3D 展示页，但不产出图片。要出图还是得回到图像模型。
五、官方跑分要打折看。Terminal Bench v4.0 上它 38.5，Opus-5 是 53.9，差距接近 15 个点；Program Bench 上它 25.5，GPT-5.5 是 16.5、Opus-5 是 37。用法不同，胜负不同。最靠谱的验证方式是把手上一个真实任务同题跑两遍，比看榜单实在。
常见问题
免费额度用完还能白嫖吗？没有了。1000 万 tokens 用完就按上面的单价扣，缓存命中不消耗赠送额度这条只在赠送期内有效。
能接 Cursor 吗？Cursor 支持 OpenAI 兼容的自定义接口，理论上填上 base_url 和 key 就能用。但 Cursor 的补全走的是它自己的模型链路，换掉的是对话和 Agent 部分，别指望 Tab 补全也跟着变。
和 DeepSeek 比谁便宜？按官方公布的人民币单价，LongCat-2.5 的输入 2 元、输出 8 元、缓存 0.04 元，和 DeepSeek Flash 的高峰价在同一档。谁更划算取决于任务完成率——一个要重跑三次的便宜模型，最终账单大概率更贵。
中文能力怎么样？美团自己的场景是商家经营分析、客服、内部研发，中文语料不缺。但它这次主打的卖点是长程 Agent 和代码工程，纯写作类任务未必要用它。
什么时候适合换过来？两条判断线：一是你现在每月 API 支出超过 50 美元且以输入为主；二是你跑的是多步骤、能接受中途失败的自动化任务。反过来，如果只是每天问几十个问题，换模型省下的钱不够你折腾配置的时间。