LongCat-2.0 API на SiliconFlow: решение по routing для agentic-кодирования с контекстом до 1M токенов

Несколько недель команды разработчиков, использующие Hermes Agent и Claude Code, доверяли анонимной модели, не зная её имени. «Owl Alpha» — загадочная модель, вышедшая в топ-3 по ежедневному объёму запросов глобально, занявшая первое место по месячному объёму в Hermes Agent и второе место в Claude Code — оказалась превью-версией LongCat-2.0 от Meituan. Теперь полная модель открыта, API доступен через SiliconFlow, и каждый operator должен принять осознанное решение о месте этой модели в своей цепочке routing.

Что произошло

Команда Meituan LongCat выпустила LongCat-2.0 30 июня 2026 года, после чего 5 июля она стала доступна на SiliconFlow через OpenAI- и Anthropic-совместимые API (блог обновлён 17 июля). Характеристики модели:

• 1,6T параметров всего, ~48B активных на токен — sparse MoE архитектура с динамическим диапазоном активации 33B–56B
• Нативное контекстное окно в 1M токенов (точнее — 1 049K токенов), максимальный output — 262K
• LongCat Sparse Attention (LSA): линейная (не квадратичная) сложность вычислений для длинного контекста — точность не деградирует даже при полном 1M окне
• MOPD routing: три независимо обученные группы экспертов (Agent / Reasoning / Interaction) с динамическим gate-планированием на инференсе
• Лидерство на SWE-bench Pro — высшие показатели в бенчмарках долгосрочной разработки ПО

Цены на SiliconFlow:

• Input: $0,75/M токенов
• Cache read: $0,015/M токенов (в 50 раз дешевле некэшированного input)
• Output: $2,95/M токенов

Почему это важно для AI-инженерных команд

LongCat-2.0 занимает специфическую нишу на рынке моделей: это не самый дешёвый вариант (GLM-5.2 с ~$0,20/M по input значительно дешевле) и не самый быстрый (MiMo-V2.5-Pro-UltraSpeed ориентирован на реальное время). Ключевое преимущество LongCat-2.0 — сочетание надёжного 1M-контекста и качества agentic-кодирования, подтверждённое реальной production-нагрузкой в период анонимного тестирования на лидербордах.

Результат SWE-bench Pro важен именно потому, что этот бенчмарк сложнее накрутить, чем SWE-bench Verified: он тестирует полные инженерные сессии, а не правки отдельных файлов. Если ваша нагрузка — coding agent, который должен навигировать большую кодовую базу, писать тесты и верифицировать результаты в ходе многих tool-вызовов, это прямой сигнал в пользу модели.

Цена кэширования — ключевая переменная для operator. При $0,015/M для cache hit сессия Claude Code, удерживающая кодовую базу в prefix cache, обходится значительно дешевле, чем подсказывает headline-цена. Для agent, многократно обращающегося к одному и тому же контексту в 300K токенов, эффективная стоимость резко снижается.

Угол router/operator

Место LongCat-2.0 в routing-политике:

1. Основной tier для coding-agent — для команд, чей основной сигнал — SWE-bench Pro, а сессии превышают 200K токенов. На этой длине контекста модели, не справляющиеся с ним, просто ломаются; архитектура LSA в LongCat-2.0 разработана именно для этого.

2. Fallback для сбоев GLM-5.2 на длинном контексте — GLM-5.2 быстрее и дешевле, но его поддержка 1M контекста появилась позже; LongCat-2.0 создан для длинного контекста с нуля на архитектурном уровне. Используйте LongCat-2.0 как fallback-маршрут, когда сессии достигают края контекстного окна GLM-5.2.

3. Drop-in замена через Anthropic-совместимый API — SiliconFlow предоставляет как OpenAI-совместимые, так и Anthropic-совместимые endpoint. Для пользователей Claude Code с кастомным base URL смена SDK не требуется.

Сравнение стоимости 1M-контекстной сессии (без cache hit):

• LongCat-2.0 на SiliconFlow: ~$0,75 input
• GLM-5.2 на DashScope: ~$0,14 input
• DeepSeek-V4-Pro: ~$0,27 input

LongCat-2.0 обходится примерно в 3–5 раз дороже самых бюджетных Tier-2 альтернатив по некэшированному input. Оправдана ли эта премия — зависит от того, действительно ли вашей нагрузке нужно качество SWE-bench Pro на долгосрочных coding-задачах. Для стандартного code completion — нет. Для автономных agent-сессий по всему monorepo — возможно.

На что смотреть дальше:

• Открытие весов 27 июля — Meituan обязалась выпустить полные веса модели до 27 июля 2026 года. Это откроет пути для self-hosted развёртывания, интеграции с VLLM/SGLang и потенциально более дешёвого инференса в масштабе.
• Стабильность context cache — тариф $0,015/M на кэш установлен SiliconFlow. Если открытые веса позволят operator запускать LongCat-2.0 на собственной инфраструктуре, экономика кардинально изменится.
• Надёжность tool-use на глубине — SWE-bench Pro измеряет структурированные coding-сессии. Operator должны протестировать свою схему tool-use на LongCat-2.0 перед отправкой production-трафика.

Что стоит попробовать пользователям TheRouter

Если вы управляете routing через несколько provider, OpenAI-совместимый endpoint LongCat-2.0 на SiliconFlow стоит добавить как кандидата для маршрутов с длинным контекстом и coding-agent задачами. Model ID на SiliconFlow: meituan-longcat/LongCat-2.0.

Рекомендуем добавить в routing-таблицу guard по длине контекста: направлять запросы с context_tokens > 200000 и типом задачи coding/agent на LongCat-2.0, с fallback на GLM-5.2 или DeepSeek-V4-Pro для более коротких сессий, где премия не оправдана.

Подробнее о настройке кастомного OpenAI-совместимого endpoint и guard по контекстному окну — в документации по providers.