AI 코딩

LongCat-2.5 Claude Code 설정: 가격과 벤치마크

LongCat-2.5를 Anthropic 호환 엔드포인트나 Responses API로 연결하고 실제 파일 읽기를 확인합니다. API의 1M 컨텍스트와 256K 출력 한도를 클라이언트 한도와 구분합니다. GLM-5.3, Kimi K3, DeepSeek-V4.1-Flash의 공개 점수를 비교하고 세션 비용과 요청 제한을 확인합니다. 로컬 배포를 계획하기 전에 가중치 다운로드 상태를 살펴봅니다.

BT

BetterToken

편집팀
8 분 분량
목차
LongCat-2.5 Claude Code 설정: 가격과 벤치마크

LongCat-2.5를 Claude Code에서 사용하려면 LongCat의 Anthropic 호환 엔드포인트와 정확한 모델 ID LongCat-2.5를 설정합니다. 긴 코딩 세션을 옮기기 전에 작은 저장소 작업부터 확인합니다. Codex 사용자는 아래의 Responses API 설정을 사용할 수 있습니다.

LongCat-2.5에서 달라진 점

LongCat-2.5는 텍스트와 이미지 처리를 기본으로 지원하는 Meituan의 모델입니다. 여러 단계의 추론과 도구 사용이 필요한 작업을 대상으로 합니다. Meituan은 출시 글에서 LongCat-2.0보다 시각적 이해와 코딩 능력이 향상됐다고 설명합니다.

총 파라미터는 1.6 trillion(조 단위)이며, 토큰마다 약 48 billion(십억 단위)을 활성화한다고 밝힙니다. 블로그 게시일은 2026-11-01입니다. API 변경 이력은 2026-11-02자 항목에서 모델을 사용할 수 있다고 공지합니다.

2026-11-06 기준 현재 모델 문서에 나온 한도는 다음과 같습니다.

항목LongCat-2.5
컨텍스트 창1,048,576 토큰 또는 1M
API의 최대 출력262,144 토큰 또는 256K

클라이언트는 더 낮은 출력 한도를 적용하거나 대화 기록을 더 일찍 압축할 수 있습니다. Claude Code와 Codex에 서비스의 모든 한도가 자동으로 적용되지는 않습니다.

여러 파일을 수정하는 작업이나 시각적 결과물을 확인할 수 있는 개발 작업에서 LongCat을 시험합니다. 공개 점수는 시험할 근거가 됩니다. 다만 그 점수만으로 현재 사용하는 모델보다 나은 결과를 낸다고 결론 내릴 수는 없습니다.

Claude Code에 연결하는 방법

LongCat의 Anthropic 호환 엔드포인트를 사용하고, 인증 키는 셸에서 전달합니다. 설치된 Claude Code CLI, LongCat 계정, 플랫폼의 API Keys 페이지에서 만든 키가 필요합니다. 종량제 API를 사용하려면 선불 잔액을 충분히 유지하고 필요할 때 충전합니다.

Bash에서 키를 화면에 표시하지 않고 입력합니다.

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

아래 설정을 ~/.claude/settings.json의 기존 내용에 합칩니다. 기존 권한 설정과 이번 연결에 관계없는 설정은 유지합니다.

{
  "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"
  }
}

이 예시는 LongCat의 Claude Code 설정을 작은 초기 테스트에 맞게 조정한 것입니다. 키는 JSON 밖에 두고, Haiku에는 현재 권장되는 매핑을 사용합니다.

필드 또는 변수역할
envClaude Code에 환경 변수를 전달합니다.
ANTHROPIC_AUTH_TOKENBearer 인증으로 LongCat 키를 전달합니다. 위 예시처럼 Bash에서 설정합니다.
ANTHROPIC_BASE_URLLongCat의 Anthropic 호환 엔드포인트를 선택합니다. /v1은 붙이지 않습니다. Messages 경로는 클라이언트가 덧붙입니다.
ANTHROPIC_MODEL기본 세션의 모델로 LongCat-2.5를 선택합니다.
ANTHROPIC_DEFAULT_SONNET_MODELsonnet 별칭을 LongCat에 연결합니다.
ANTHROPIC_DEFAULT_OPUS_MODELopus 별칭을 LongCat에 연결합니다.
ANTHROPIC_DEFAULT_HAIKU_MODELhaiku와 백그라운드 기능에 LongCat을 사용합니다.
CLAUDE_CODE_MAX_OUTPUT_TOKENS이 예시의 초기 출력 한도를 32000으로 설정합니다. 컨텍스트 창 크기를 설정하는 값은 아닙니다.
CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC필수가 아닌 클라이언트 통신을 끕니다. 자동 업데이트도 꺼지므로 다른 업데이트 방법을 마련합니다.

LongCat의 예시에는 아직 ANTHROPIC_SMALL_FAST_MODEL이 들어 있습니다. Anthropic의 모델 설정 문서는 이 변수를 더 이상 권장하지 않으며, 대신 ANTHROPIC_DEFAULT_HAIKU_MODEL을 안내합니다.

LongCat의 현재 예시는 CLAUDE_CODE_MAX_OUTPUT_TOKENS를 262144로 설정합니다. 그러나 Anthropic의 환경 변수 문서는 Claude Code가 모델 ID를 인식하지 못하는 경우 한도를 128000으로 명시합니다. 이 경우 더 큰 값은 해당 한도까지 줄어듭니다. 위 예시에서는 API의 256K 출력을 클라이언트에서도 사용할 수 있다고 가정하지 않도록 더 낮은 값을 사용합니다.

셸의 키를 사용하기 전에 기존 Claude 설정에서 충돌하는 인증 정보 항목을 제거합니다. unset은 셸 변수만 지웁니다. 설정 파일의 값은 셸에서 내보낸 환경 변수를 덮어쓸 수 있습니다.

README.md가 있는 작은 저장소의 로컬 복사본으로 이동합니다. 같은 Bash 세션에서 실행합니다.

claude

/status로 모델, 기본 URL, 인증 정보의 출처를 확인합니다. 파일을 수정하지 않고 README.md를 읽어 프로젝트를 요약하도록 요청합니다. 실제 파일 읽기와 내용에 맞는 답변을 모두 확인합니다. 인사에 응답하는 것만으로는 도구 사용을 확인할 수 없습니다.

OpenAI 호환 API를 확인하는 방법

SDK로 직접 요청하면 에이전트 설정과 별개로 키와 엔드포인트를 확인할 수 있습니다. SDK의 기본 URL은 **https://api.longcat.chat/openai/v1**입니다.

이 예시는 Python 3.10 이상을 사용합니다. LONGCAT_API_KEY를 이미 내보낸 같은 Bash 세션에서 실행합니다.

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

SDK는 /chat/completions를 덧붙여 LongCat의 Chat Completions 문서에 나온 엔드포인트를 만듭니다. 따라서 SDK의 기본 URL에는 /v1을 유지합니다.

요청한 답변은 LONGCAT_OK입니다. 내용이 비어 있지 않은지, 반환된 모델이 무엇인지, 생성이 정상적으로 끝났는지, 사용량 정보가 있는지 확인합니다. 이 과정은 연결 확인이며 코딩 성능 평가가 아닙니다. 작은 요청으로 확인하기 위해 추론은 끕니다.

OpenAI Python SDK는 extra_body로 추가 요청 필드를 받습니다. 여기서는 max_retries=0으로 실패를 바로 확인합니다. 이 예시가 아래의 재시도 정책까지 자동으로 적용하는 것은 아닙니다.

Codex에서 LongCat-2.5를 사용하는 방법

Codex도 LongCat-2.5에 연결할 수 있습니다. LongCat은 Codex 연동 가이드와 별도의 Responses API 문서를 제공합니다. 이 연결에는 wire_api = "responses"를 사용합니다.

Codex가 설치되어 있다면 다음 내용을 ~/.codex/config.toml에 합칩니다. 최상위 키는 첫 번째 테이블보다 앞에 놓습니다. 같은 항목을 중복으로 추가하지 말고 기존 값을 수정합니다.

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 식별자는 model_provider를 해당 제공업체 테이블과 연결합니다. env_key는 환경 변수로 내보낸 키를 읽습니다. requires_openai_auth = false는 이 예시에서 제공업체 키 인증을 선택합니다. OpenAI의 인증 가이드에 따르면 true로 설정할 때 Codex는 env_key를 무시합니다.

이 설정은 인증 정보를 auth.json에 저장하지 않도록 LongCat의 예시를 조정한 것입니다. 초기 확인에서는 웹 검색을 끈 상태로 둡니다.

같은 Bash 세션과 테스트용 저장소에서 실행합니다.

codex --sandbox read-only

/status를 확인한 뒤 같은 README.md 요약을 요청합니다. 파일을 실제로 읽었는지와 답변이 유용한지를 모두 확인합니다. 모델 요청은 https://api.longcat.chat/openai/v1/responses로 전송됩니다. Chat Completions 요청이 성공했다고 해서 이 별도 엔드포인트까지 확인된 것은 아닙니다.

GLM-5.3, Kimi K3, DeepSeek와 코딩 성능 비교

공식 점수는 프로젝트에서 시험할 모델을 고르는 데 사용합니다. LongCat의 출시 표에는 자체 평가와 외부에 발표된 비교 모델의 점수가 함께 들어 있습니다.

벤치마크LongCat-2.5GLM-5.3kimi-k3DeepSeek-V4.1-Flash
Terminal Bench v2.188.488.2*88.3*90.6*
Terminal Bench v4.038.541.8*12.6*31.2*
Program Bench Almost Resolved25.519.0*17.5*20.3*
DeepSWE v1.164.666.9*67.5*74.2*
NL2Repo60.558.0*58.0*65.4*

별표는 비교 모델의 점수가 공개 기술 보고서, 블로그, 공식 순위표에서 왔다는 뜻입니다. 원본 전체 표에서 별표가 없는 다른 모델의 점수는 LongCat 팀이 직접 측정했으며 참고용으로 설명합니다. 위 표에 실린 비교 모델의 점수에는 모두 별표가 있습니다.

공개된 평가 방법도 함께 확인합니다.

  • LongCat-2.5는 별도 설명이 없으면 enable_thinking=on, temperature = 1.0, top_p = 0.95를 사용합니다.
  • Terminal Bench v2.1/v4.0, Program Bench, NL2Repo는 Claude Code v2.1.280과 max_seq_length = 512K를 사용합니다.
  • DeepSWE v1.1은 mini-swe-agent와 max_seq_length = 1M을 사용합니다.
  • Terminal Bench v2.1과 DeepSWE 점수는 독립적으로 세 번 실행한 결과의 평균입니다.

이 설정은 LongCat 평가에 적용됩니다. 외부 출처의 점수까지 같은 조건에서 측정됐다는 뜻은 아닙니다.

Program Bench Almost Resolved에서는 LongCat이 위의 세 대안보다 높은 점수를 냅니다. Terminal Bench v4.0에서는 GLM-5.3이 더 높고, DeepSWE에서는 세 대안 모두 LongCat보다 높습니다. 동일 조건의 테스트가 없으면 Terminal Bench v2.1의 0.1 또는 0.2 차이만으로 실무상 우위를 정할 수 없습니다.

저장소 오류를 수정하는 작업을 시험한다면 DeepSeek-V4.1-Flash를 비교 대상에 포함합니다. 프로젝트를 만드는 작업에는 LongCat도 포함합니다. DeepSeek 코딩 및 벤치마크 가이드는 서로 다른 출시 버전을 구분하는 데 도움이 됩니다.

저장소 커밋, 프롬프트, 도구 권한, 인수 테스트, 재시도 예산을 동일하게 맞춥니다. 검증을 통과한 결과와 걸린 시간, 총 청구액을 기록합니다. 팀이 중요하게 보는 지표가 이 테스트에서 개선될 때만 모델을 바꿉니다.

LongCat-2.5의 API 가격

공개된 한시적 요율로 예산을 계산하고, 지속적으로 사용할 작업에 적용하기 전에 다시 확인합니다. 2026-11-06 기준 LongCat 가격 페이지는 다음 요율을 안내합니다.

토큰 구분1M 토큰당 USD
캐시되지 않은 입력$0.30
캐시된 입력$0.006
출력$1.20

가격 페이지와 종량제 안내에는 프로모션 종료일이나 할인 전 정상 가격이 없습니다. 플랫폼에 표시된 가격과 청구 기록이 우선한다고 설명합니다. “limited-time”이라는 문구에서 임의의 종료일이나 절감률을 추정하지 않습니다.

여러 요청을 합친 한 세션에서 캐시되지 않은 입력 1,000,000 토큰과 청구 대상 출력 100,000 토큰을 사용한다고 가정합니다. 표시된 요율을 적용하고, 캐시 적중과 별도 협의한 할인이 없다면 다음과 같습니다.

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

이는 토큰 요금 추정치이며 실제 작업 비용을 측정한 값은 아닙니다. 수량은 요청 하나가 아니라 전체 세션의 합계입니다.

Responses 요청에서는 usage.output_tokens에 추론 토큰이 이미 포함됩니다. Responses API 문서의 설명에 따라 해당 토큰을 다시 더하지 않습니다. 캐시된 입력도 전체 입력의 일부입니다. 실제 사용량에서 캐시로 보고된 부분에만 낮은 요율을 적용합니다.

토큰 가격만으로 가장 저렴한 코딩 모델을 정할 수는 없습니다. 재시도, 긴 추론, 실패한 코드 변경이 청구액에 영향을 준다면 검증을 통과한 작업당 비용을 비교합니다.

429 rate_limit_exceeded 오류에 대응하는 방법

동시에 보내는 요청을 줄이고, 대기 시간을 두면서 재시도 횟수를 제한합니다. LongCat의 API 개요에 따르면 요청 제한은 API 키별로 적용됩니다.

빠른 시작 문서에는 다음 예시가 나옵니다.

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

예시의 60은 한도가 초기화될 시점을 보장하지 않습니다. 서버가 반환한 재시도 안내를 따르고, 대기 시간을 지수적으로 늘리는 백오프를 적용합니다.

자체 클라이언트에서는 최대 세 번의 재시도를 허용하는 정책으로 시작할 수 있습니다. 대기 시간을 늘리면서 무작위 편차인 지터를 더합니다. 이는 구현 권장안이며 LongCat의 할당량이 아닙니다. 같은 키를 쓰는 요청은 큐에 넣고, SDK가 이미 수행하는 재시도도 함께 계산합니다.

기다린 뒤 작은 요청 하나를 보냅니다. 성공하면 동시 요청 수를 점진적으로 늘립니다. 제한이 계속되면 LongCat에 계정에 적용되는 한도를 확인합니다. 인용한 공개 문서에는 분당 요청 수나 토큰 수의 구체적인 허용량이 없습니다.

오류가 insufficient_quota라면 잔액과 적용되는 할당량을 확인합니다. 요청을 바꾸지 않고 계속 재시도해도 이 원인은 해결되지 않습니다.

LongCat-2.5 가중치 공개 상태

이번 연결은 제공업체 서버에서 모델을 실행하는 방식으로 계획합니다. 2026-11-06 기준 출시 페이지는 GitHub와 Hugging Face 링크에 “Coming soon”을 표시합니다. 이 링크에서는 사용할 수 있는 체크포인트를 다운로드할 수 없습니다. 정해진 공개일도 약속하지 않습니다.

그렇다고 모델이 API로만 제공된다는 뜻은 아닙니다. Meituan은 웹사이트를 통한 이용도 안내합니다. 로컬 배포는 실제 LongCat-2.5 체크포인트, 라이선스, 모델 실행 지침을 확인한 뒤 계획합니다.

익숙한 클라이언트에서 시작해 파일 읽기를 확인한 뒤, 범위를 정한 코드 변경 하나를 시험합니다. 진행 중인 작업을 옮긴다면 모델 전환을 위한 작업 기록에 요구사항과 테스트 결과를 보존합니다.

BetterTokenAI MODEL APIs모든 모델을 하나의 API로GPTClaudeDeepSeekQwenGLMKimiMiniMaxAI API · 사용량 기반 요금BetterToken으로 개발 시작하기API 키를 만들고 첫 요청을 보내세요.시작하기bettertoken.ai
AI 코딩Claude Code Advisor: Sonnet + Opus 설정과 호출 확인AI 코딩JavaScript 프레임워크의 AI 비용: 비교와 직접 측정AI 코딩Cursor Design Mode Annotate 사용법: 화면을 지정해 에이전트에게 UI 코드 수정 요청하기

LLM 워크플로를 최적화할 준비가 되셨나요?

하나의 API로 모델을 연결하고 키와 AI 비용을 관리하세요.

무료로 시작하기