Tim LongCat milik Meituan meluncurkan LongCat-2.5-Preview di platform API resmi mereka pada 25 September. Model ini adalah generasi penerus LongCat-2.0 yang dirilis sebagai open source akhir Juni lalu, dan secara resmi diposisikan dengan dua kata kunci: tugas jangka panjang dan multimodal.
Sehari kemudian, alat coding open source dari luar negeri, OpenCode, mengumumkan akan menjadikan model ini gratis selama dua minggu, dengan catatan tanpa penyimpanan data (zero data retention).
Jumlah parameter tetap, kini punya "mata"
LongCat-2.5-Preview tetap menggunakan arsitektur mixture-of-experts (MoE), dengan total parameter sekitar 1,6 triliun dan sekitar 48 miliar parameter aktif per inferensi, sama seperti skala versi 2.0. Model ini secara native mendukung konteks 1 juta token, dengan output maksimal 128K token per panggilan.
Perubahan utamanya ada di dua area. Pertama, kemampuan memahami gambar yang baru, sehingga model bisa menganalisis konten gambar untuk tanya-jawab lintas modalitas, meringkas konten, dan penalaran visual. Kedua, model ini ditujukan untuk tugas "alur kerja panjang" — Meituan menyebut skenario seperti terminal, browser, perangkat lunak desktop, spreadsheet, dan alat desain, yang berarti model bisa mengoperasikan beberapa antarmuka secara berurutan dalam satu tugas.
Kemampuan coding menjadi sorotan utama peluncuran ini. Meituan mengklaim model ini unggul dalam pembuatan kode, pemahaman kode, dan tugas pemrograman otomatis, serta kompatibel dengan alat coding populer seperti Claude Code, OpenCode, OpenClaw, Hermes, dan Kilo Code. API-nya mendukung format OpenAI maupun Anthropic.
Sejauh ini Meituan belum merilis skor benchmark apa pun, sehingga belum ada data pembanding soal seberapa besar peningkatan dibanding versi 2.0 dalam operasi GUI dan tugas alur kerja panjang. Rilis ini masih berstatus "Preview", dan perusahaan belum menyatakan apakah bobot modelnya akan dibuka sebagai open source seperti versi 2.0.
Artinya bagi pengembang di Tiongkok
Manfaat paling langsung adalah biaya integrasi yang rendah. Karena API-nya kompatibel dengan format Anthropic, pengembang yang terbiasa dengan Claude Code cukup mengganti alamat API dan kunci akses untuk memindahkan backend ke LongCat, tanpa perlu menulis ulang alur kerja. Bagi tim yang kesulitan mengakses model dari luar negeri, ini menjadi backend alternatif yang siap pakai.
Soal harga, Meituan memberikan kuota gratis 5 juta token kepada pengguna lama. Standar harga resmi belum diumumkan, dan apakah harga pada tahap Preview akan sama dengan harga setelah rilis resmi juga masih menunggu penjelasan perusahaan.
Kombinasi konteks panjang dan alur kerja panjang ini menyasar pekerjaan skala codebase. Sekitar 1 juta token cukup untuk menampung sebagian besar kode sumber proyek berskala menengah, sehingga model bisa membaca semuanya sekaligus sebelum melakukan perubahan, mengurangi banyak kerepotan menyambung konteks dibanding memasukkan kode secara bertahap. Berapa banyak langkah yang bisa dijalankan operasi multi-langkah sebelum melenceng masih harus dibuktikan lewat penggunaan nyata oleh pengembang.
Dari Owl Alpha ke 2.5
Perjalanan LongCat punya pola yang bisa ditelusuri. Sebelum versi 2.0 dirilis sebagai open source, model ini pernah ditawarkan secara anonim dan gratis di OpenRouter dengan nama kode Owl Alpha, dengan volume pemanggilan yang sempat menduduki peringkat pertama di platform tersebut, sebelum akhirnya identitasnya terungkap dan dirilis sebagai open source dengan lisensi MIT. Meituan menyebut proses pelatihan dan inferensinya berjalan di klaster chip buatan Tiongkok.
Dengan 2.5-Preview, Meituan kembali memilih strategi gratis dulu, harga belakangan: kuota uji coba di platform sendiri, dan periode gratis dua minggu lewat alat dari luar negeri. Volume pemakaian nyata dan masukan dari pengembang selama dua minggu di OpenCode itu kemungkinan besar akan memengaruhi penetapan harga resmi.
Sumber: platform API terbuka LongCat milik Meituan, ITHome, akun resmi OpenCode, CocoLoop; telah diverifikasi: total parameter sekitar 1,6 triliun, parameter aktif sekitar 48 miliar, jendela konteks 1 juta token, output maksimal 128K, dan kuota uji coba 5 juta token.