LongCat-2.5 в Claude Code: настройка, цены и бенчмарки
Подключение LongCat-2.5 к Claude Code, Codex и Python с проверкой чтения файла. Как различать окно контекста 1M, предел ответа API 256K и ограничения клиента, сопоставлять официальные результаты с GLM-5.3, Kimi K3 и DeepSeek-V4.1-Flash, считать стоимость сеанса и обрабатывать 429. Что проверить перед локальным запуском модели.
Содержание
Чтобы подключить LongCat-2.5 к Claude Code, укажите адрес Anthropic-совместимого API LongCat и идентификатор модели LongCat-2.5. Сначала проверьте небольшую задачу в репозитории, затем переходите к длительным сеансам работы с кодом. Для Codex используйте описанное ниже подключение через Responses API.
Что изменилось в LongCat-2.5?
LongCat-2.5 — модель Meituan со встроенной поддержкой текста и изображений. Она рассчитана на задачи с длинной последовательностью рассуждений и вызовов инструментов. Авторы анонса сообщают об улучшении понимания изображений и работы с кодом по сравнению с LongCat-2.0.
Всего у модели 1.6 трлн параметров, из которых при обработке каждого токена активируются примерно 48 млрд. Анонс датирован 2026-11-01, а журнал изменений API сообщает о доступности модели с 2026-11-02.
По состоянию на 2026-11-06 справочник параметров модели указывает следующие пределы:
| Параметр | LongCat-2.5 |
|---|---|
| Окно контекста | 1,048,576 токенов, или 1M |
| Максимальный объём ответа API | 262,144 токена, или 256K |
Клиент может ограничить длину ответа сильнее или раньше запустить сжатие истории диалога. Ни Claude Code, ни Codex не получают все заявленные пределы сервиса автоматически.
Попробуйте LongCat на изменениях нескольких файлов или задачах с визуальным результатом, который можете проверить. Опубликованные оценки дают повод испытать модель, но не доказывают её превосходство над вашей текущей моделью.
Как подключить LongCat-2.5 к Claude Code?
Используйте Anthropic-совместимый API LongCat и передайте ключ через оболочку. Понадобятся установленный Claude Code CLI, аккаунт LongCat и ключ, созданный на странице API Keys. Для оплаты по фактическому использованию нужен достаточный предоплаченный баланс; при необходимости пополните его.
В Bash введите ключ без отображения на экране:
read -rs LONGCAT_API_KEY && export LONGCAT_API_KEY
unset ANTHROPIC_API_KEY
export ANTHROPIC_AUTH_TOKEN="$LONGCAT_API_KEY"Добавьте настройки ниже в ~/.claude/settings.json. Сохраните существующие разрешения и остальные параметры.
{
"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"
}
}Это адаптация официального примера LongCat для Claude Code для небольшой начальной проверки. Ключ остаётся вне JSON, а для Haiku используется актуальная переменная.
| Поле или переменная | Назначение |
|---|---|
env | Задаёт переменные окружения для Claude Code. |
ANTHROPIC_AUTH_TOKEN | Передаёт ключ LongCat через Bearer-аутентификацию. В примере задаётся в Bash. |
ANTHROPIC_BASE_URL | Выбирает Anthropic-совместимый API LongCat. Не добавляйте /v1: клиент сам дописывает путь Messages. |
ANTHROPIC_MODEL | Выбирает LongCat-2.5 для основного сеанса. |
ANTHROPIC_DEFAULT_SONNET_MODEL | Направляет вызовы псевдонима sonnet в LongCat. |
ANTHROPIC_DEFAULT_OPUS_MODEL | Направляет вызовы псевдонима opus в LongCat. |
ANTHROPIC_DEFAULT_HAIKU_MODEL | Направляет вызовы псевдонима haiku и фоновые задачи в LongCat. |
CLAUDE_CODE_MAX_OUTPUT_TOKENS | Устанавливает начальный лимит ответа 32000 для этого примера. Не задаёт размер окна контекста. |
CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC | Отключает необязательный трафик клиента, включая автоматические обновления. Предусмотрите другой способ обновлять CLI. |
В примере LongCat ещё используется ANTHROPIC_SMALL_FAST_MODEL. В справочнике моделей Claude Code Anthropic помечает эту переменную как устаревшую и заменяет её на ANTHROPIC_DEFAULT_HAIKU_MODEL.
В текущем примере LongCat для CLAUDE_CODE_MAX_OUTPUT_TOKENS указано 262144. Однако справочник переменных окружения Anthropic указывает предел 128000, если Claude Code не распознаёт идентификатор модели. В таком случае большее значение будет ограничено этим пределом. Поэтому начальная настройка выше не предполагает, что весь лимит API в 256K доступен через клиент.
Уберите конфликтующие записи с ключами из существующих настроек Claude Code, прежде чем полагаться на ключ из оболочки. Команда unset очищает только переменную оболочки. Значения из файлов настроек могут переопределять экспортированные переменные.
Перейдите в небольшую локальную копию репозитория с файлом README.md. В том же сеансе Bash запустите:
claudeВыполните /status и проверьте модель, базовый URL и источник ключа. Попросите прочитать README.md и кратко описать проект, не меняя файлы. Убедитесь, что агент вызвал инструмент чтения файла и дал содержательный ответ: одного приветствия недостаточно для проверки инструментов.
Как проверить OpenAI-совместимый API?
Прямой запрос через SDK позволяет проверить ключ и адрес API независимо от настроек агента. Базовый URL для SDK: https://api.longcat.chat/openai/v1.
Для примера нужен Python 3.10 или новее. Выполните команды в том же сеансе Bash, где уже экспортирована переменная LONGCAT_API_KEY:
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)
PYSDK добавляет /chat/completions, формируя адрес из справочника Chat Completions LongCat. Поэтому в базовом URL для SDK нужно сохранить /v1.
Запрос просит вернуть LONGCAT_OK. Проверьте непустой текст, возвращённое имя модели, нормальное завершение генерации и данные об использовании токенов. Это проверка подключения, а не качества программирования. Режим рассуждений отключён, чтобы запрос оставался небольшим.
OpenAI Python SDK принимает дополнительные поля запроса через extra_body. Настройка max_retries=0 сразу покажет ошибку при неудаче. Пример не применяет автоматически правила повторных запросов из раздела ниже.
Как подключить LongCat-2.5 к Codex?
Используйте Responses API: LongCat публикует инструкцию для Codex и отдельный справочник этого протокола. Для подключения задайте wire_api = "responses".
Если Codex уже установлен, добавьте следующие настройки в ~/.codex/config.toml. Корневые ключи должны стоять перед первой таблицей TOML. Обновляйте существующие записи, а не дублируйте их.
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 = falseИдентификатор longcat связывает model_provider с таблицей провайдера. Поле env_key читает экспортированный ключ. Значение requires_openai_auth = false выбирает для этого примера авторизацию ключом провайдера. Инструкция OpenAI по аутентификации предупреждает: при true Codex игнорирует env_key.
Эта адаптация примера LongCat позволяет не записывать ключ в auth.json. Для начальной проверки веб-поиск отключён.
В том же сеансе Bash и тестовом репозитории выполните:
codex --sandbox read-onlyПроверьте /status, затем попросите такое же краткое описание README.md. Убедитесь, что агент прочитал файл и дал полезный ответ. Запрос к модели идёт на https://api.longcat.chat/openai/v1/responses. Успешный вызов Chat Completions сам по себе не проверяет этот отдельный адрес.
Сравнение с GLM-5.3, Kimi K3 и DeepSeek
Используйте официальные оценки, чтобы выбрать модели для проверки на своём проекте. Таблица LongCat объединяет собственные результаты команды и опубликованные сторонние результаты конкурентов.
| Бенчмарк | 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* |
Звёздочка означает, что результат конкурента взят из открытого технического отчёта, публикации в блоге или официальной таблицы лидеров. Результаты других моделей без звёздочки в полной таблице получены самой командой LongCat и названы ориентировочными. Все приведённые выше оценки конкурентов отмечены звёздочкой.
При сравнении учитывайте опубликованную методику:
- Для LongCat-2.5 по умолчанию использованы
enable_thinking=on,temperature = 1.0иtop_p = 0.95. - Terminal Bench v2.1/v4.0, Program Bench и NL2Repo запускались через Claude Code
v2.1.280сmax_seq_length = 512K. - DeepSWE v1.1 запускался через
mini-swe-agentсmax_seq_length = 1M. - Результаты Terminal Bench v2.1 и DeepSWE усреднены по трём независимым запускам.
Эти настройки описывают испытания LongCat. Они не подтверждают, что сторонние результаты получены в тех же условиях.
LongCat опережает три выбранные альтернативы в Program Bench Almost Resolved. GLM-5.3 выше в Terminal Bench v4.0, а все три альтернативы выше в DeepSWE. Разница 0.1 или 0.2 в Terminal Bench v2.1 не доказывает практического преимущества без испытаний в одинаковых условиях.
Для исправления ошибок в репозитории оставьте DeepSeek-V4.1-Flash среди кандидатов. Для разработки проекта включите в сравнение LongCat. Разбор версий DeepSeek и их результатов в тестах программирования поможет не смешать разные выпуски.
Сравнивайте модели на одном коммите репозитория, с одинаковым запросом, разрешениями инструментов, приёмочными тестами и лимитом повторных попыток. Записывайте число принятых результатов, затраченное время и общую стоимость. Переходите на другую модель, если такая проверка улучшит показатели, важные вашей команде.
Сколько стоит LongCat-2.5?
Рассчитывайте бюджет по опубликованным акционным тарифам и перепроверяйте их перед запуском регулярной нагрузки. По состоянию на 2026-11-06 страница цен LongCat указывает:
| Категория токенов | USD за 1M токенов |
|---|---|
| Входные токены без кеша | $0.30 |
| Входные токены из кеша | $0.006 |
| Выходные токены | $1.20 |
На страницах цен и оплаты по фактическому использованию нет даты окончания акции и обычной цены без скидки. Приоритет имеют цены на платформе и записи о списаниях. Пометка «limited-time» не позволяет вывести дату окончания акции или процент экономии.
Возьмём суммарный расход сеанса из нескольких запросов: 1,000,000 входных токенов без кеша и 100,000 оплачиваемых выходных токенов. При указанных тарифах, без попаданий в кеш и индивидуальной скидки получим:
(1,000,000 / 1,000,000 × $0.30) + (100,000 / 1,000,000 × $1.20) = $0.42
Это оценка платы за токены, а не измеренная стоимость выполненной задачи. Объёмы относятся ко всему сеансу, а не к одному запросу.
Для запросов Responses поле usage.output_tokens уже включает токены рассуждений, как указано в справочнике Responses API. Не прибавляйте их второй раз. Токены из кеша тоже входят в общее число входных токенов. Применяйте сниженный тариф только к объёму, который ответ API действительно пометил как кешированный.
Цена токена сама по себе не определяет самую дешёвую модель для программирования. Считайте стоимость задачи с принятым результатом, если повторные попытки, длинные рассуждения или неудачные правки влияют на счёт.
Что делать при ошибке 429 rate_limit_exceeded?
Сократите число одновременных запросов и ограничьте количество повторов с задержкой. Согласно обзору API LongCat, ограничения частоты запросов применяются отдельно к каждому ключу API.
В руководстве по началу работы приведён такой пример:
{
"error": {
"code": "rate_limit_exceeded",
"message": "Request rate limit exceeded, please try again later",
"type": "rate_limit_error",
"retry_after": 60
}
}Значение 60 в примере не обещает сброс лимита к определённому сроку. Учитывайте указание о повторе из ответа сервера и увеличивайте задержку по экспоненте.
Для собственного клиента задайте, например, не более трёх повторных запросов. Увеличивайте задержку между ними и добавляйте случайный разброс, или jitter. Это рекомендация по реализации, а не квота LongCat. Ставьте запросы с одним ключом в очередь и учитывайте повторы, которые SDK уже выполняет самостоятельно.
После ожидания отправьте один небольшой запрос. Если он проходит, постепенно повышайте число одновременных запросов. Если ограничение сохраняется, уточните у LongCat лимиты своего аккаунта. Обзор API и руководство по началу работы не указывают числовых лимитов запросов или токенов в минуту.
Если вместо этого ответ содержит insufficient_quota, проверьте баланс и доступную квоту. Повторение неизменённого запроса не устраняет эту причину.
Доступны ли веса LongCat-2.5?
Планируйте это подключение с расчётом на выполнение запросов на стороне сервиса. По состоянию на 2026-11-06 на странице релиза ссылки GitHub и Hugging Face помечены «Coming soon». Скачать веса по этим ссылкам пока нельзя. Дата их выпуска на странице не указана.
При этом модель доступна не только через API: Meituan также сообщает о доступе через сайт. Для локального запуска дождитесь самих весов LongCat-2.5, лицензии и инструкции по запуску сервера модели.
Начните с привычного клиента, проверьте чтение файла, затем поручите модели одно небольшое изменение кода. Если переносите уже начатую задачу, сохраните требования и результаты тестов в описании задачи для передачи другой модели.
