Claude Code में LongCat-2.5: सेटअप, कीमतें और बेंचमार्क

LongCat-2.5 को Claude Code में जोड़ने के लिए LongCat का Anthropic एंडपॉइंट और सही मॉडल ID LongCat-2.5 इस्तेमाल करें। पहले रिपॉज़िटरी में एक छोटा काम देकर मॉडल को परखें, फिर लंबे कोडिंग सत्रों में इस्तेमाल करें। Codex के लिए नीचे दिया गया Responses API वाला तरीका अपनाएँ।

LongCat-2.5 में क्या बदला है?

LongCat-2.5, Meituan का मॉडल है जो टेक्स्ट और चित्रों को मूल रूप से समझता है। यह कई रीज़निंग चरणों और टूल कॉल वाले कामों के लिए बना है। उसके रिलीज़ विवरण के मुताबिक, LongCat-2.0 के मुकाबले चित्रों की समझ और कोडिंग क्षमताएँ बेहतर हैं।

कंपनी कुल 1.6 ट्रिलियन पैरामीटर बताती है, जिनमें से हर टोकन पर लगभग 48 बिलियन सक्रिय होते हैं। ब्लॉग की तारीख 2026-11-01 है। API के बदलावों की सूची में मॉडल की उपलब्धता की घोषणा 2026-11-02 को की गई है।

2026-11-06 को मॉडल के मौजूदा संदर्भ दस्तावेज़ में ये सीमाएँ दर्ज हैं:

सीमा	LongCat-2.5
कॉन्टेक्स्ट विंडो	1,048,576 टोकन, यानी 1M
API का अधिकतम आउटपुट	262,144 टोकन, यानी 256K

क्लाइंट आउटपुट की छोटी सीमा लगा सकता है या बातचीत का इतिहास पहले ही संक्षिप्त कर सकता है। Claude Code और Codex को सेवा की हर घोषित सीमा अपने आप नहीं मिलती।

कई फ़ाइलों में बदलाव या दृश्य सामग्री से जुड़े विकास कार्यों पर LongCat आज़माएँ, जहाँ आप परिणाम जाँच सकें। प्रकाशित अंक परीक्षण का आधार देते हैं, लेकिन यह साबित नहीं करते कि मॉडल आपके मौजूदा मॉडल से बेहतर काम करेगा।

Claude Code कैसे कॉन्फ़िगर करें?

LongCat का Anthropic-संगत एंडपॉइंट इस्तेमाल करें और कुंजी शेल से दें। आपको इंस्टॉल किया हुआ Claude Code CLI, LongCat खाता और प्लेटफ़ॉर्म के API Keys पेज पर बनाई गई कुंजी चाहिए। इस्तेमाल के हिसाब से भुगतान के लिए पर्याप्त प्रीपेड बैलेंस रखें और ज़रूरत पड़ने पर उसे बढ़ाएँ।

Bash में कुंजी इस तरह डालें कि वह स्क्रीन पर न दिखे:

read -rs LONGCAT_API_KEY && export LONGCAT_API_KEY
unset ANTHROPIC_API_KEY
export ANTHROPIC_AUTH_TOKEN="$LONGCAT_API_KEY"

यह कॉन्फ़िगरेशन ~/.claude/settings.json में जोड़ें। मौजूदा अनुमतियाँ और बाकी सेटिंग सुरक्षित रखें।

{
  "env": {
    "ANTHROPIC_BASE_URL": "https://api.longcat.chat/anthropic",
    "ANTHROPIC_MODEL": "LongCat-2.5",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "LongCat-2.5",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "LongCat-2.5",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "LongCat-2.5",
    "CLAUDE_CODE_MAX_OUTPUT_TOKENS": "32000",
    "CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC": "1"
  }
}

यहाँ LongCat के Claude Code कॉन्फ़िगरेशन को छोटे शुरुआती परीक्षण के लिए बदला गया है। कुंजी JSON के बाहर रहती है और Haiku की मौजूदा मैपिंग इस्तेमाल होती है।

फ़ील्ड या वेरिएबल	काम
`env`	Claude Code को एनवायरनमेंट वेरिएबल देता है।
`ANTHROPIC_AUTH_TOKEN`	Bearer प्रमाणीकरण के ज़रिए LongCat की कुंजी भेजता है। इसे ऊपर दिखाए अनुसार Bash में सेट करें।
`ANTHROPIC_BASE_URL`	LongCat का Anthropic एंडपॉइंट चुनता है। `/v1` न जोड़ें; क्लाइंट Messages का पथ खुद जोड़ता है।
`ANTHROPIC_MODEL`	मुख्य सत्र के लिए `LongCat-2.5` चुनता है।
`ANTHROPIC_DEFAULT_SONNET_MODEL`	`sonnet` स्लॉट को LongCat से जोड़ता है।
`ANTHROPIC_DEFAULT_OPUS_MODEL`	`opus` स्लॉट को LongCat से जोड़ता है।
`ANTHROPIC_DEFAULT_HAIKU_MODEL`	`haiku` और पृष्ठभूमि के कामों के लिए LongCat चुनता है।
`CLAUDE_CODE_MAX_OUTPUT_TOKENS`	इस उदाहरण में शुरुआती आउटपुट सीमा `32000` रखता है। कॉन्टेक्स्ट विंडो का आकार नहीं बदलता।
`CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC`	क्लाइंट का गैरज़रूरी ट्रैफ़िक बंद करता है। स्वचालित अपडेट भी बंद होते हैं, इसलिए अपडेट का दूसरा तरीका रखें।

LongCat के उदाहरण में अभी भी ANTHROPIC_SMALL_FAST_MODEL है। Anthropic के मॉडल कॉन्फ़िगरेशन संदर्भ में इसे पुराना माना गया है और इसकी जगह ANTHROPIC_DEFAULT_HAIKU_MODEL दिया गया है।

LongCat का मौजूदा उदाहरण CLAUDE_CODE_MAX_OUTPUT_TOKENS को 262144 भी सेट करता है। अगर Claude Code मॉडल ID नहीं पहचान पाता, तो Anthropic का एनवायरनमेंट संदर्भ 128000 की सीमा बताता है। ऐसी स्थिति में बड़े मान इसी सीमा तक घटा दिए जाते हैं। इसलिए ऊपर छोटा आउटपुट बजट रखा गया है; API की पूरी 256K सीमा क्लाइंट में भी उपलब्ध होने का अनुमान नहीं लगाया गया।

शेल की कुंजी पर निर्भर होने से पहले मौजूदा Claude सेटिंग में उससे टकराने वाली क्रेडेंशियल एंट्री हटाएँ। unset सिर्फ शेल का वेरिएबल हटाता है। सेटिंग फ़ाइल के मान शेल से एक्सपोर्ट किए मानों को बदल सकते हैं।

छोटी रिपॉज़िटरी की स्थानीय कॉपी खोलें जिसमें README.md मौजूद हो। उसी Bash सत्र से चलाएँ:

claude

/status चलाकर मॉडल, बेस URL और क्रेडेंशियल का स्रोत जाँचें। उसे README.md पढ़कर परियोजना का सार बताने को कहें, बिना फ़ाइलें बदले। फ़ाइल पढ़ने की वास्तविक कार्रवाई और उपयोगी उत्तर देखें; केवल अभिवादन से टूल इस्तेमाल की जाँच नहीं होती।

OpenAI-संगत API की जाँच कैसे करें?

एजेंट की सेटिंग से अलग कुंजी और एंडपॉइंट परखने के लिए SDK से सीधा अनुरोध भेजें। SDK का बेस URL https://api.longcat.chat/openai/v1 है।

इस उदाहरण के लिए Python 3.10 या नया संस्करण इस्तेमाल करें। उसी Bash सत्र में चलाएँ, जहाँ LONGCAT_API_KEY पहले से एक्सपोर्ट है:

python3 -m venv .venv-longcat
source .venv-longcat/bin/activate
python -m pip install --upgrade openai

python - <<'PY'
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["LONGCAT_API_KEY"],
    base_url="https://api.longcat.chat/openai/v1",
    max_retries=0,
)

response = client.chat.completions.create(
    model="LongCat-2.5",
    messages=[
        {"role": "user", "content": "Reply with exactly LONGCAT_OK."}
    ],
    max_tokens=1024,
    extra_body={"thinking": {"type": "disabled"}},
)

print(response.model)
print(response.choices[0].message.content)
print(response.choices[0].finish_reason)
print(response.usage)
PY

SDK /chat/completions जोड़ता है, जिससे LongCat के Chat Completions संदर्भ वाला एंडपॉइंट बनता है। इसलिए SDK के इस बेस URL में /v1 रखें।

अनुरोध में LONGCAT_OK उत्तर माँगा गया है। देखें कि उत्तर खाली नहीं है। वापस मिला मॉडल नाम, सामान्य समापन और टोकन उपयोग के आँकड़े भी जाँचें। यह कनेक्शन की जाँच है, कोडिंग क्षमता का परीक्षण नहीं। जाँच छोटी रखने के लिए रीज़निंग बंद है।

OpenAI Python SDK अनुरोध में अतिरिक्त फ़ील्ड extra_body से लेता है। यहाँ max_retries=0 से विफलता सीधे दिखती है। उदाहरण नीचे दी गई पुनः प्रयास नीति अपने आप लागू नहीं करता।

क्या Codex में LongCat-2.5 इस्तेमाल कर सकते हैं?

हाँ। LongCat अब Codex जोड़ने की मार्गदर्शिका और Responses API का अलग संदर्भ दस्तावेज़ देता है। इस कनेक्शन के लिए wire_api = "responses" इस्तेमाल करें।

Codex इंस्टॉल होने के बाद यह कॉन्फ़िगरेशन ~/.codex/config.toml में जोड़ें। मुख्य स्तर की कुंजियाँ पहली टेबल के ऊपर रखें। पहले से मौजूद एंट्री दोबारा जोड़ने के बजाय उन्हें बदलें।

model = "LongCat-2.5"
model_provider = "longcat"
web_search = "disabled"

[model_providers.longcat]
name = "LongCat"
base_url = "https://api.longcat.chat/openai/v1"
wire_api = "responses"
env_key = "LONGCAT_API_KEY"
requires_openai_auth = false

longcat नाम model_provider को उसकी प्रोवाइडर टेबल से जोड़ता है। env_key एक्सपोर्ट की गई कुंजी पढ़ता है। requires_openai_auth = false इस उदाहरण में प्रदाता की कुंजी से प्रमाणीकरण चुनता है। OpenAI की प्रमाणीकरण मार्गदर्शिका बताती है कि इसे true रखने पर Codex, env_key को अनदेखा करता है।

यह LongCat के उदाहरण का बदला हुआ रूप है, ताकि क्रेडेंशियल auth.json में न रखने पड़ें। शुरुआती जाँच के लिए वेब खोज बंद रखी गई है।

उसी Bash सत्र और परीक्षण वाली स्थानीय रिपॉज़िटरी से चलाएँ:

codex --sandbox read-only

/status देखें, फिर वही README.md सार माँगें। फ़ाइल पढ़ने की कार्रवाई और उपयोगी उत्तर दोनों की पुष्टि करें। मॉडल अनुरोध https://api.longcat.chat/openai/v1/responses का इस्तेमाल करता है। सिर्फ Chat Completions अनुरोध सफल होने से इस अलग एंडपॉइंट की जाँच नहीं होती।

GLM-5.3, Kimi K3 और DeepSeek से तुलना कैसी है?

आधिकारिक अंकों से अपने प्रोजेक्ट के लिए जाँचने योग्य मॉडल चुनें। LongCat की रिलीज़ टेबल में टीम के अपने नतीजे और बाहर प्रकाशित प्रतिस्पर्धियों के नतीजे एक साथ हैं।

बेंचमार्क	LongCat-2.5	GLM-5.3	`kimi-k3`	DeepSeek-V4.1-Flash
Terminal Bench v2.1	88.4	88.2*	88.3*	90.6*
Terminal Bench v4.0	38.5	41.8*	12.6*	31.2*
Program Bench Almost Resolved	25.5	19.0*	17.5*	20.3*
DeepSWE v1.1	64.6	66.9*	67.5*	74.2*
NL2Repo	60.5	58.0*	58.0*	65.4*

तारांकन बताता है कि प्रतिस्पर्धी का अंक सार्वजनिक तकनीकी रिपोर्ट, ब्लॉग या आधिकारिक लीडरबोर्ड से लिया गया है। पूरी टेबल में दूसरे मॉडलों के बिना तारांकन वाले अंक LongCat के अपने परीक्षणों से हैं और केवल संकेत के लिए बताए गए हैं। ऊपर दिखाए गए प्रतिस्पर्धियों के सभी अंकों पर तारांकन है।

प्रकाशित परीक्षण पद्धति पर ध्यान दें:

LongCat-2.5 के परीक्षणों में आम तौर पर enable_thinking=on, temperature = 1.0 और top_p = 0.95 हैं।
Terminal Bench v2.1/v4.0, Program Bench और NL2Repo में Claude Code v2.1.280 के साथ max_seq_length = 512K है।
DeepSWE v1.1 में mini-swe-agent के साथ max_seq_length = 1M है।
Terminal Bench v2.1 और DeepSWE के नतीजे तीन स्वतंत्र परीक्षणों के औसत हैं।

ये सेटिंग LongCat के मूल्यांकन की हैं। इनसे यह साबित नहीं होता कि बाहर से लिए अंक भी उन्हीं स्थितियों में मिले थे।

इन तीन विकल्पों की तुलना में LongCat, Program Bench Almost Resolved पर आगे है। GLM-5.3 का अंक Terminal Bench v4.0 पर अधिक है, जबकि DeepSWE पर तीनों विकल्प आगे हैं। Terminal Bench v2.1 में 0.1 या 0.2 का अंतर समान परिस्थितियों में परीक्षण किए बिना व्यावहारिक विजेता तय नहीं करता।

रिपॉज़िटरी की त्रुटियाँ सुधारने वाले परीक्षण में DeepSeek-V4.1-Flash को शामिल रखें। प्रोजेक्ट बनाने के कामों के लिए LongCat भी आज़माएँ। DeepSeek की कोडिंग और बेंचमार्क मार्गदर्शिका उसके अलग रिलीज़ संस्करणों को अलग रखने में मदद करती है।

एक ही रिपॉज़िटरी कमिट, प्रॉम्प्ट, टूल अनुमतियाँ, स्वीकृति परीक्षण और पुनः प्रयास बजट इस्तेमाल करें। स्वीकार किए गए नतीजे, लगा समय और कुल शुल्क दर्ज करें। मॉडल तभी बदलें जब इस परीक्षण में आपकी टीम के लिए ज़रूरी मापदंड बेहतर हों।

LongCat-2.5 की कीमत कितनी है?

बजट प्रकाशित सीमित अवधि की दरों पर बनाएँ और नियमित काम शुरू करने से पहले उन्हें फिर जाँचें। 2026-11-06 को LongCat के मूल्य पेज पर ये दरें हैं:

टोकन की श्रेणी	USD प्रति 1M टोकन
कैश के बिना इनपुट	$0.30
कैश से मिला इनपुट	$0.006
आउटपुट	$1.20

कीमतों और इस्तेमाल के हिसाब से भुगतान वाले पन्नों पर छूट खत्म होने की तारीख या सामान्य, बिना छूट वाली कीमत नहीं दी गई है। उनके अनुसार प्लेटफ़ॉर्म पर दिखने वाले दाम और बिलिंग रिकॉर्ड ही अंतिम आधार हैं। “limited-time” से अपने आप कोई समाप्ति तारीख या बचत का प्रतिशत न मानें।

कई अनुरोधों वाले एक पूरे सत्र के लिए 1,000,000 बिना कैश वाले इनपुट टोकन और 100,000 बिल किए गए आउटपुट टोकन मानें। बताई गई दरों पर, बिना कैश हिट और बिना किसी तयशुदा विशेष छूट के गणना यह होगी:

(1,000,000 / 1,000,000 × $0.30) + (100,000 / 1,000,000 × $1.20) = $0.42

यह टोकन शुल्क का अनुमान है, किसी काम की मापी गई लागत नहीं। ये पूरे सत्र के आँकड़े हैं, एक अनुरोध के नहीं।

Responses अनुरोधों में usage.output_tokens में रीज़निंग वाले टोकन पहले से शामिल हैं, जैसा Responses API संदर्भ बताता है। उन्हें फिर से न जोड़ें। कैश से मिला इनपुट भी कुल इनपुट का हिस्सा है। सस्ती दर केवल उतने टोकनों पर लगाएँ जितने वास्तव में कैश से मिले बताए गए हों।

सिर्फ टोकन की कीमतों से सबसे सस्ता कोडिंग मॉडल तय नहीं होता। जब पुनः प्रयास, लंबे रीज़निंग चरण या असफल कोड बदलाव बिल बढ़ाएँ, तब हर स्वीकार किए गए काम की लागत देखें।

429 rate_limit_exceeded आने पर क्या करें?

एक साथ भेजे जाने वाले अनुरोध कम करें और देरी के साथ सीमित बार दोबारा प्रयास करें। LongCat के API विवरण के अनुसार अनुरोध सीमा हर API कुंजी पर अलग लागू होती है।

शुरुआती मार्गदर्शिका में यह उदाहरण है:

{
  "error": {
    "code": "rate_limit_exceeded",
    "message": "Request rate limit exceeded, please try again later",
    "type": "rate_limit_error",
    "retry_after": 60
  }
}

उदाहरण का 60 यह वादा नहीं है कि सीमा किसी तय समय पर रीसेट होगी। उत्तर में मिले पुनः प्रयास के निर्देश मानें और एक्सपोनेंशियल बैकऑफ़ अपनाएँ, यानी प्रतीक्षा अवधि को हर बार गुणा करके बढ़ाएँ।

अपने क्लाइंट में शुरुआत के लिए अधिकतम तीन पुनः प्रयास रख सकते हैं। हर बार इंतज़ार बढ़ाएँ और उसमें थोड़ा रैंडम अंतर, यानी जिटर, रखें। यह लागू करने का सुझाव है, LongCat की क्वोटा सीमा नहीं। एक ही कुंजी वाले अनुरोध कतार में लगाएँ और SDK के अपने पुनः प्रयास भी गिनें।

इंतज़ार के बाद एक छोटा अनुरोध भेजें। सफल होने पर एक साथ भेजे जाने वाले अनुरोध धीरे-धीरे बढ़ाएँ। सीमा की समस्या बनी रहे तो LongCat से अपने खाते पर लागू सीमाएँ जाँचें। इन सार्वजनिक दस्तावेज़ों में प्रति मिनट अनुरोधों या टोकनों की संख्यात्मक सीमा नहीं दी गई है।

अगर त्रुटि इसके बजाय insufficient_quota कहती है, तो बैलेंस और लागू क्वोटा जाँचें। उसी अनुरोध को बिना बदलाव बार-बार भेजने से यह कारण दूर नहीं होगा।

क्या LongCat-2.5 के वेट्स उपलब्ध हैं?

इस एकीकरण की योजना होस्टेड इन्फ़रेंस के आधार पर बनाएँ, जहाँ मॉडल प्रदाता के सर्वर पर चलता है। 2026-11-06 को रिलीज़ पेज पर GitHub और Hugging Face लिंक “Coming soon” दिखाते हैं। इन लिंक से मॉडल चेकपॉइंट डाउनलोड नहीं किया जा सकता। पेज पर किसी तय तारीख तक रिलीज़ का वादा भी नहीं है।

इसका मतलब यह नहीं कि मॉडल सिर्फ API तक सीमित है। Meituan अपनी वेबसाइट से भी इस्तेमाल की घोषणा करता है। स्थानीय रूप से चलाने के लिए LongCat-2.5 का डाउनलोड योग्य चेकपॉइंट, लाइसेंस और सर्विंग निर्देश मिलने का इंतज़ार करें।

जिस क्लाइंट को आप पहले से इस्तेमाल करते हैं, उसी से शुरू करें। फ़ाइल पढ़ने की जाँच पूरी करें, फिर सीमित दायरे का एक कोड बदलाव आज़माएँ। चालू काम दूसरे मॉडल को सौंपते समय मॉडल बदलने से पहले काम की स्थिति सहेजें, ताकि आवश्यकताएँ और परीक्षण के नतीजे साथ रहें।