--- title: "LongCat（ロングキャット）とは？美団のAIモデル2.0・2.5-PreviewとFlashの違い、チャット・APIの使い方" url: "https://www.issoh.co.jp/tech/details/8763/" published: 2025-09-10 updated: 2026-10-31 categories: ["LLM・RAG"] publisher: "株式会社一創" --- # LongCat（ロングキャット）とは？美団のAIモデル2.0・2.5-PreviewとFlashの違い、チャット・APIの使い方 **LongCat（ロングキャット）**は、中国のフードデリバリー大手・美団（Meituan）が開発し、重みを公開しているAIモデルのシリーズです。検索で上位に出る同名の猫のパズルゲームとは関係ありません。2026年10月31日時点の公式APIで使えるのは**LongCat-2.0**（総1.6兆パラメーター・1Mトークン文脈）と、画像理解を加えた**LongCat-2.5-Preview**の2つです。2025年8月に登場した**LongCat-Flash**系は2026年5月29日に公式APIでの提供を終えましたが、公開された重みは引き続き自前で動かせます。この記事では、モデル一覧と公開日、Flashの仕組みとベンチマーク、チャット・API・Claude Code・自前運用での使い方、選ぶ条件を公式情報で整理します。 ## まとめ：LongCatの現行モデルと使い方の要点 - **現行の主力はLongCat-2.0**：総1.6兆・1トークンあたり約480億パラメーターを動かすMoE。重みはMITライセンスで公開。 - **後継のLongCat-2.5-Preview**：2026年9月25日にAPIで公開。画像理解に対応。重みはHugging Faceに未公開（10月31日時点）。 - **Flash系は公式APIで提供終了**：LongCat-Flash-Chatなど6モデルが2026年5月29日に提供終了。重みは引き続きダウンロードできる。 - **APIはOpenAI互換とAnthropic互換**：料金は2.0・2.5-Previewとも入力100万トークン0.30ドル、出力1.20ドル（期間限定の割引価格）。 - **Claude Codeから呼べる**：`~/.claude/settings.json` の環境変数でLongCatのAnthropic互換エンドポイントへ向け替える。 - **自前運用のGPU構成はモデル次第**：公式のFP8構成例は、LongCat-Flash-Chatが8×H20-141G、LongCat-2.0が8×B300または16×H200・B200・H20。小型のFlash-Lite-SparseはH20-141G 1枚の例がある。 以下、モデルの全体像から順に、使い方と選ぶ条件まで説明します。 ## LongCatは美団のAIモデル群：猫のゲームとの見分け方 「longcat」で検索すると、胴の長い猫を伸ばして遊ぶパズルゲームや、ネットミームとしての「Longcat」が先に並びます。AIモデルとしてのLongCatは美団のLongCatチームが開発するもので、公開先はHugging Faceの [meituan-longcat](https://huggingface.co/meituan-longcat) と、GitHubの同名組織です。公式の窓口は、ブラウザで対話するLongCat Chat（`longcat.chat`）、開発者向けのLongCat API Platform、モデル紹介サイト（`longcat.ai`）の3つです。 表記は「LongCat」で、カタカナでは「ロングキャット」と書かれます。モデル名は「LongCat-世代-系統」の形で、Flash（2025年の560B系）、Lite（軽量版）、Omni（音声・画像・動画）、2.0（2026年の1.6T系）のように並びます。 ## LongCatのモデル一覧と公開日（2025年8月〜2026年9月） 2026年10月31日に Hugging Face API で取得した meituan-longcat のリポジトリは29件で、量子化版（FP8・INT8）や画像・音声・動画モデルを含みます。言語モデルとして押さえるべきものは次の表のとおりです。公開日は公式の [API Platform変更履歴](https://longcat.chat/platform/docs/change-log) にあるものはその日付、無いものはHugging Faceのリポジトリ作成日です。 | モデル | 公開日 | 総パラメーター／活性 | 文脈長 | 重み | 公式API | | --------------------------- | ---------- | ---------------- | ---- | --- | ----- | | LongCat-Flash-Chat | 2025-08-29 | 560B／18.6B〜31.3B | 128K | MIT | 終了 | | LongCat-Flash-Thinking | 2025-09-22 | 560B／18.6B〜31.3B | – | MIT | 終了 | | LongCat-Flash-Omni | 2025-10-23 | 560B／27B | 128K | MIT | 終了 | | LongCat-Flash-Thinking-2601 | 2026-01-14 | 560B | – | MIT | 終了 | | LongCat-Flash-Lite | 2026-02-05 | 68.5B／約3B | 256K | MIT | 終了 | | LongCat-2.0 | 2026-06-30 | 1.6T／約48B | 1M | MIT | 提供中 | | LongCat-Flash-Lite-Sparse | 2026-07-31 | 69B／約3B | 1M | MIT | – | | LongCat-2.5-Preview | 2026-09-25 | 非公表 | 1M | 未公開 | 提供中 | Flash-Liteの公開日は変更履歴の日付で、Hugging Faceのリポジトリは2026年1月27日に作られています。言語モデル以外では、動画生成のLongCat-Video（MIT）、画像生成のLongCat-Image（Apache-2.0）、テキスト・画像・音声を1つのモデルで扱うLongCat-Next（Flash-Liteが土台）、定理証明向けのLongCat-Flash-Proverも公開されています。用途がチャットやコーディングなら、見るべきは2.0と2.5-Previewの2つに絞れます。 ## LongCat-2.0と2.5-Previewの違い ### LongCat-2.0の仕様：1.6兆パラメーター・1Mコンテキスト・中国製AIチップでの学習 [LongCat-2.0のモデルカード](https://huggingface.co/meituan-longcat/LongCat-2.0)によると、総パラメーターは1.6兆、1トークンあたりの活性パラメーターは約480億です。事前学習は35兆トークン超で、学習から大規模デプロイまでを「AI ASIC superpods」上で行ったと説明しています。公式サイト（longcat.ai）の説明文は、これを「訓練の全工程を中国国産チップで完了」と表現しています。長い作業向けに独自のLongCat Sparse Attention（LSA）を入れ、1Mトークン文脈のデータで学習しました。LSAはDeepSeekのスパースアテンション（DSA）を土台にした改良で、仕組みの背景は[スパースアテンションの仕組みとNSA・DSAの解説](/tech/details/16057/)にまとめています。 もう1つの特徴が、Flash-Liteから引き継いだN-gram Embeddingです。モデルには1,350億パラメーター分のN-gram埋め込みが含まれ、エキスパートを増やす代わりに埋め込み側でパラメーターを増やしています。モデルカードはClaude Code・OpenClaw・Hermesといったエージェント実行環境との統合を強みに挙げており、コーディングとエージェント用途を主戦場にしたモデルです。重みはMITライセンスで、FP8版とINT8版も公開されています。 ### LongCat-2.5-Preview：画像理解を加えたAPI限定の後継 2026年9月25日の変更履歴で公開されたLongCat-2.5-Previewは、画像の内容を読み取る機能が加わった点が2.0との違いです。コード生成の改善と、Claude Code・Hermes・OpenClaw・OpenCode・Kilo Codeとの互換も挙げられています。文脈長は2.0と同じ1Mトークンです。最大出力は公式Quick Startでは128K、Model Parametersでは256Kと記載が分かれているため、利用前に適用される上限を確認してください。 ただし2.5-Previewはプレビュー版で、パラメーター数は公表されておらず、Hugging Faceのmeituan-longcatにも重みは置かれていません（10月31日時点）。重みを手元で動かしたい、仕様が固まったものを本番に組み込みたい場合は2.0を、画面のスクリーンショットや図を読ませたい場合は2.5-Previewを選ぶ、という使い分けになります。 ## LongCat-Flashの仕組み：ゼロ計算エキスパートとScMoE LongCat-Flashは2025年8月に公開された最初の主力モデルで、仕組みは[LongCat-Flash Technical Report（arXiv:2509.01322）](https://arxiv.org/abs/2509.01322)にまとまっています。総5,600億パラメーターのMixture-of-Experts（MoE）で、2つの工夫が計算効率を支えています。MoEそのものの仕組みは[MoE（Mixture of Experts）の疎活性化とルーターの解説](/tech/details/15810/)を参照してください。 ### ゼロ計算エキスパートで活性パラメーターを18.6B〜31.3Bに可変化 通常のMoEはトークンごとに決まった数のエキスパートを動かします。LongCat-Flashはエキスパートの中に、入力をそのまま出力する「ゼロ計算エキスパート」を混ぜました。ルーターが重要でないトークンをこちらへ振ると、そのぶんFFNの計算が省けます。結果として活性パラメーターはトークンごとに186億〜313億の間で変わります。 放っておくと計算量がぶれるため、エキスパートのルーティングバイアスをPID制御で調整し、平均を約270億に保っています。同じ表に載るDeepSeek V3.1の活性370億、Kimi-K2の320億と比べると、総パラメーターが大きいわりに1トークンの計算は軽い設計です。 ### ScMoEによる通信と計算の並列化 MoEを多数のGPUに分散すると、トークンを各エキスパートへ配って集める通信が待ち時間になります。Shortcut-connected MoE（ScMoE）は層をまたぐショートカット接続で実行順を組み替え、前段のdense FFNの計算と、現在のMoE層の通信を同時に進めます。モデルカードはこの設計とインフラ最適化により、数万台規模のアクセラレーターでの学習と、毎秒100トークン超の推論を実現したと説明しています。 ### Flash系の派生：Thinking・Omni・Lite 同じ560Bの土台から、推論特化のLongCat-Flash-Thinking（2025年9月）とその改良版Thinking-2601（2026年1月）、音声・映像のリアルタイム対話に対応したLongCat-Flash-Omni（2025年10月、文脈長128K）が派生しました。LongCat-Flash-Liteは別系統の小型版で、総68.5B・活性約3Bに抑え、YaRNで256Kの文脈長に対応します。Flash-Liteで導入したN-gram Embeddingは、そのままLongCat-2.0に引き継がれています。 ## LongCat-Flash-Chatのベンチマーク：Kimi-K2・DeepSeek V3.1との比較 [LongCat-Flash-Chatのモデルカード](https://huggingface.co/meituan-longcat/LongCat-Flash-Chat)が公表した評価から、差が目立つ項目を抜き出しました。数値は美団のモデルカード掲載値で、美団側の計測値と他の公開レポートからの引用値が混在します。下表ではDeepSeek V3.1のSWE-Bench-Verified・TerminalBenchとClaude4 SonnetのSWE-Bench-Verifiedが引用値です。比較対象も2025年夏時点のモデルです。 | ベンチマーク | LongCat-Flash | DeepSeek V3.1 | Kimi-K2 | Claude4 Sonnet | | ------------------ | ------------- | ------------- | ------- | -------------- | | MMLU | 89.71 | 90.96 | 89.86 | 91.75 | | IFEval | 89.65 | 86.69 | 88.91 | 88.35 | | SWE-Bench-Verified | 60.40 | 66.00 | 64.60 | 68.00 | | TerminalBench | 39.51 | 31.30 | 25.93 | 40.74 | | τ²-Bench（telecom） | 73.68 | 38.50 | 67.50 | 46.20 | | GraphWalks-128k | 51.05 | 73.54 | 47.50 | 80.57 | 読み取れるのは、指示追従（IFEval）とツール操作（τ²-Bench・TerminalBench）が強く、知識量（MMLU）やリポジトリ修正（SWE-Bench-Verified）は同時期の上位モデルと同等かやや下、長文脈内の構造化データを扱う推論（GraphWalks-128k）は、比較対象の多くを下回る、という傾向です。エージェント用途に寄せた設計どおりの結果で、この方向性が2.0のコーディング・エージェント重視につながっています。 ## LongCatの使い方：チャット・API・Claude Code・自前運用 ### LongCat Chatのブラウザ利用と無料範囲 手軽なのはWebチャットのLongCat Chat（`https://longcat.chat/`）です。変更履歴では、Flash-Chat・Flash-Thinking・Flash-Omni-2603のいずれも公開時に「LongCat Chatで無料で対話できる」と案内されてきました。一方で、2026年10月時点の無料の範囲（回数や使えるモデル）を明記した公式文書は見つかっていません。業務で使う量を見積もるなら、チャットではなく料金が明示されているAPIを前提にしてください。 ### 公式APIで呼び出す：OpenAI互換とAnthropic互換 [LongCat API PlatformのQuick Start](https://longcat.chat/platform/docs/)によると、アカウント登録後にAPI Keysページでキーを作り、OpenAI形式（`https://api.longcat.chat/openai`）かAnthropic形式（`https://api.longcat.chat/anthropic`）のエンドポイントへ送ります。指定できるモデル名は `LongCat-2.0` と `LongCat-2.5-Preview` です。OpenAIのPython SDKをインストールし、LongCatのAPIキー・モデル名・`base_url`を指定する呼び出し例は次のとおりです。 ``` from openai import OpenAI client = OpenAI( api_key="YOUR_LONGCAT_API_KEY", base_url="https://api.longcat.chat/openai", ) response = client.chat.completions.create( model="LongCat-2.0", messages=[{"role": "user", "content": "MoEの利点を3行で説明してください"}], max_tokens=1000, ) print(response.choices[0].message.content) ``` 料金は[API Pay-As-You-Go](https://longcat.chat/platform/docs/api-pay-as-you-go)の表で、2.0と2.5-Previewが同額です。いずれも「期間限定の割引価格」と書かれているため、常設の価格ではありません。 | 区分（100万トークンあたり） | 米ドル | 人民元 | | --------------- | ----- | ---- | | 入力（キャッシュなし） | 0.30 | 2 | | 入力（キャッシュあり） | 0.006 | 0.04 | | 出力 | 1.20 | 8 | 支払いは前払いのチャージ式で、クレジットカード・Google Pay・Alipay・WeChat Payに対応します。失敗したリクエスト（401・403・429・500）は課金されません。FAQによると、中国本土の利用者はチャージ前に本人確認が必要で、中国本土以外の利用者は電話番号かメールアドレスで登録できます。レート制限に当たるとHTTP 429が返るため、クライアント側で指数バックオフの再試行を入れておくのが公式の推奨です。 ### Claude CodeからLongCatを使う設定 公式の[Claude Code Configuration](https://longcat.chat/platform/docs/claude-code)は、`~/.claude/settings.json` の `env` にLongCatのキーとエンドポイントを書く方法を案内しています。公式例は2.5-Previewを指定していますが、同じページの対応モデル表には `LongCat-2.0` も載っているので、モデル名を替えれば2.0でも使えます。 ``` { "env": { "ANTHROPIC_AUTH_TOKEN": "your_longcat_api_key", "ANTHROPIC_BASE_URL": "https://api.longcat.chat/anthropic", "ANTHROPIC_MODEL": "LongCat-2.5-Preview", "ANTHROPIC_SMALL_FAST_MODEL": "LongCat-2.5-Preview", "ANTHROPIC_DEFAULT_SONNET_MODEL": "LongCat-2.5-Preview", "ANTHROPIC_DEFAULT_OPUS_MODEL": "LongCat-2.5-Preview", "CLAUDE_CODE_MAX_OUTPUT_TOKENS": "131072", "CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC": 1 } } ``` この設定はユーザー全体に効くため、Anthropicのサブスクリプションと切り替えて使う場合は、プロジェクト単位の設定ファイルに書くか、起動前に環境変数で渡すほうが安全です。認証方式の切り替えで起きるエラーは[Claude Codeのログイン方法とAPIキーの切り替え](/tech/details/18748/)で扱っています。OpenCodeなど他のコーディングエージェントでも、公式ドキュメントのTools欄に個別の設定手順があります。OpenCode側の設定は[OpenCodeのインストールと設定の解説](/tech/details/10369/)も参考になります。 ### 重みをダウンロードして自前で動かす：SGLang・vLLM LongCat-Flash-ChatやLongCat-2.0など、公開済みモデルの重みはHugging Faceから取得できます。必要なGPU構成はモデルと精度によって異なります。公式の[LongCat-Flashデプロイガイド](https://github.com/meituan-longcat/LongCat-Flash-Chat/blob/main/docs/deployment%5Fguide.md)は、FP8で最低1ノード（例：8×H20-141G）、BF16で最低2ノード（例：16×H800-80G）を挙げています。SGLangでFP8版を1ノードで起動する例は次のとおりです。 ``` python3 -m sglang.launch_server \ --model meituan-longcat/LongCat-Flash-Chat-FP8 \ --trust-remote-code \ --attention-backend flashinfer \ --enable-ep-moe \ --tp 8 ``` vLLMでも `vllm serve meituan-longcat/LongCat-Flash-Chat-FP8 --trust-remote-code --enable-expert-parallel --tensor-parallel-size 8` で同じ構成を起動できます。vLLM自体の仕組みは[vLLMの使い方とOllama・TensorRT-LLMとの違い](/tech/details/15786/)を参照してください。 LongCat-2.0はさらに重く、[SGLang cookbook](https://docs.sglang.io/cookbook/autoregressive/Meituan/LongCat-2.0)の検証済みレシピは、FP8版で8×B300の1ノード（TP=8・EP=8）、H200・B200・H20では2ノード16枚（TP=16・EP=16）です。必要な機材はモデルによって大きく異なります。小さく試すなら総69B・活性約3BのFlash-Lite-Sparseで、[公式モデルカード](https://huggingface.co/meituan-longcat/LongCat-Flash-Lite-Sparse)にはH20-141Gを1枚使う構成例があります。Flash-Liteをtransformersで動かす場合は、80GBのGPUが2枚以上（H100・A100 80GBなど）必要です。 ## Flash系の公式API提供終了（2026年5月29日）と移行先 LongCat API Platformの変更履歴（2026年5月29日付「LongCat Model Service Sunset」）は、LongCat-2.0-Previewへの需要増に資源を集めるため、次の6モデルを同日で提供終了すると告知しました。 - LongCat-Flash-Chat - LongCat-Flash-Thinking - LongCat-Flash-Thinking-2601 - LongCat-Flash-Lite - LongCat-Flash-Omni-2603 - LongCat-Flash-Chat-2602-Exp 現在のQuick Startに載るモデルは2.0と2.5-Previewだけで、`model="LongCat-Flash-Chat"` で書いた古いコードは公式APIでは動きません。OpenRouterのモデル一覧APIでも、2026年10月31日時点で残っているLongCatは [meituan/longcat-2.0](https://openrouter.ai/meituan/longcat-2.0) だけでした。 移行先は用途で決まります。API経由でチャットやエージェントに使っていたなら、モデル名を `LongCat-2.0` に替えるのが最短です。料金体系が変わるので、Flash時代の試算はそのまま使えません。Flash-Chatの公開重みに基づく検証が必要なら、MITライセンスの重みを使った自前運用が選択肢になります。前述のGPU構成は公式ガイドの例です。2025年の記事やチュートリアルのコードを流用するときは、モデル名とエンドポイントが現行のものか先に確認してください。 ## LongCatを選ぶ条件・避ける条件 LongCatを選ぶ理由がはっきりするのは2つの場面です。1つは、Claude CodeやOpenCodeで使うコーディング用モデルを安く回したい場合で、出力100万トークン1.20ドルという割引価格はこの用途で効きます。もう1つは、重みを社内に置いて商用利用したい場合で、2.0までの主要モデルはMITライセンスのため、利用条件で悩む場面が少なくなります。 避けたほうがよいのは次の条件です。まず、扱うデータを国外の事業者へ送れない業務では、美団が運営する公式APIは候補から外れます。この場合の選択肢は重みの自前運用ですが、2.0の公式FP8構成例はB300を8枚、またはH200・B200・H20を16枚使うもので、この規模のGPUを自前で確保できる組織は限られます。次に、仕様や料金の固定が必要な本番系に2.5-Previewを入れるのは早すぎます。プレビュー版で、APIの料金表も期間限定価格です。さらに、日本語での品質は公式ベンチマークに日本語の項目が無く、モデルカード自身が言語による性能差に注意するよう書いています。日本語の業務文書を扱うなら、自社の実データで小さく検証してから広げてください。 既存の業務システムからLongCatのようなLLMをAPIで呼び出す設計、キーの管理、複数モデルの切り替えまで含めて検討する場合は、一創の[API開発・システム連携](/service/system/api/)で構成から支援しています。 ## よくある質問 ### LongCatの読み方は？ 「ロングキャット」と読みます。美団のAIモデルのシリーズ名で、同名の猫のパズルゲームやネットミームとは別物です。 ### LongCatは無料で使えますか？ Webチャットの LongCat Chat（longcat.chat）は、各モデルの公開時に無料で対話できると案内されてきました。APIは前払いの従量課金で、2.0・2.5-Previewとも入力100万トークン0.30ドル、出力1.20ドルの期間限定価格です。重みはMITライセンスで無償公開されていますが、自前で動かすGPU構成はモデルごとに大きく異なります。 ### LongCatの最新モデルはどれですか？ 2026年10月31日時点でAPIから使える最新はLongCat-2.5-Preview（2026年9月25日公開）です。重みが公開されている中で最新の大型モデルはLongCat-2.0（2026年6月30日公開・総1.6兆パラメーター）です。 ### LongCat-Flash-ChatはまだAPIで使えますか？ 公式APIでは使えません。2026年5月29日にFlash系の6モデルが提供終了し、現在の公式APIのモデルは2.0と2.5-Previewだけです。公開済みの重みはHugging Faceから取得でき、SGLangかvLLMで自前運用できます。 ### LongCatは商用利用できますか？ LongCat-Flash-Chat、LongCat-2.0、Flash-Liteなどの言語モデルの重みはMITライセンスで、商用利用できます。モデルカードには、美団の商標や特許の権利は付与されないと明記されています。画像生成のLongCat-ImageはApache-2.0なので、モデルごとにライセンスを確認してください。 ## 関連記事 - [DeepSeek V4とは？最新V4.1-FlashとV4-Pro-0813の違い、CSA・CSA2の仕組みと料金](/tech/details/12053/) - [Kimi K2.6とは？ローカル実行の必要メモリ・API料金とK3との使い分け【2026年10月】](/tech/details/11866/) - [MiMo-V2.6とは：Pro・Flashの必要VRAMとvLLM起動手順・API単価を比較【2026年10月時点】](/tech/details/18253/) - [Ring-2.6-1Tとは？inclusionAIの1兆パラメータ推論モデルの性能・使い方と動かすのに必要なGPU](/tech/details/12145/) - [MoE（Mixture of Experts）とは？疎活性化とルーターの仕組み・VRAM要件と採用判断を実装者向けに解説](/tech/details/15810/) --- 出典: [LongCat（ロングキャット）とは？美団のAIモデル2.0・2.5-PreviewとFlashの違い、チャット・APIの使い方]()（株式会社一創）