LongCat-2.0とは?Meituan開発1.6兆パラメータの中国製オープンソースAI|料金・性能・使い方を解説【2026年最新】

この記事のポイント
LongCat-2.0は美団(Meituan)が2026年6月に公開した1.6兆パラメータのMoE型コーディングモデルで、重みはMITライセンスで公開済みです。公式の現行料金(期間限定$0.30/$1.20)、SWE-bench Pro・Terminal-Benchの位置づけ、9月に出たLongCat-2.5-Previewとの違い、APIとセルフホストの使い方、注意点を2026年10月時点の情報で整理します。
LongCat-2.0(ロングキャット2.0)は、中国の生活サービス大手・美団(Meituan/メイトゥアン)が2026年6月30日(日本時間)に発表した、総パラメータ1.6兆のMoE(混合エキスパート)型オープンウェイトAIモデルです。 コーディングとAIエージェント向けに作られ、重みはMITライセンスで公開済みです。NVIDIA製GPUではなく中国製のAIチップで学習した点でも注目されました。
2026年9月25日には後継のLongCat-2.5-PreviewがAPI限定で登場しています。ただし、重みを手元に持てる最新版は2026年10月時点でもLongCat-2.0です。
この記事でわかることは次のとおりです。
- LongCat-2.0の基本スペックと、「Owl Alpha」として匿名で動いていた経緯
- LongCat-2.5-Previewとの違い(画像理解・重み公開・ベンチマークの有無)
- 公式ベンチマークの読み方(GPT-5.5には僅差で勝ち、Claude Opus 4.8には約10ポイント負け)と第三者評価
- 公式料金ページの現行価格(期間限定割引と標準価格)と、1タスクあたりの試算
- 使い方(公式API・Claude Code・OpenClaw・OpenRouter・セルフホスト)と、GPU構成の目安
- 中国企業のAPIを使うときの注意点、おすすめできる人・できない人
コーディングエージェントのコストを下げたいエンジニア、オープンウェイトLLMの動向を追っている人、中国製モデルを社内で使ってよいか判断したい担当者に向けて書いています。数値は2026年10月27日時点の公式情報と主要報道に基づき、確認できなかった点は「未確認」と明記しています。
LongCat-2.0とは何か:Meituanのコーディング特化オープンソースAI

出典: Hugging Face meituan-longcat/LongCat-2.0
LongCat-2.0は、自分でコードを読み、書き、実行しながらリポジトリ単位の作業を進める「エージェント型コーディング」を主な用途にした推論(thinking)モデルです。開発元の美団は、中国でフードデリバリーや生活サービスを展開する大手IT企業で、社内のLongCatチームがモデルを開発しています。
LongCatはシリーズ名で、2025年に出た「LongCat-Flash(5,600億パラメータ)」系や、画像・動画系の「LongCat-Image / LongCat-Video」なども同じ名前で呼ばれます。LongCat-2.0はその中のテキスト専用・最上位のオープンウェイトモデルです。
項目 | 内容 |
|---|---|
開発元 | 美団(Meituan)LongCatチーム(中国) |
発表日 | 2026年6月30日(日本時間。米国の報道では6月29日) |
モデル種別 | MoE(混合エキスパート)型の推論モデル |
総パラメータ | 約1.6兆(1.6T) |
活性パラメータ | 1トークンあたり平均約48B(報道では33B〜56Bで変動) |
コンテキスト長 | 100万トークン(1M)。最大出力は約13万トークン(128K) |
入出力 | テキストのみ(画像入力は非対応) |
ライセンス | MIT(重みとコード)。商標・特許の権利は含まない |
事前学習データ | 35兆トークン超+1M長の文脈データ数千億トークン |
学習・推論基盤 | 中国製AIチップ(ASIC)のスーパーポッド。NVIDIA GPUは不使用 |
配布先 | Hugging Face(BF16/F32版・FP8版)、ModelScope、GitHub |
利用窓口 | チャット: longcat.ai/API: LongCat API Platform |
MoEは、モデルの中に多数の「専門家(エキスパート)」を持ち、入力ごとに一部だけを動かす仕組みです。総パラメータは1.6兆でも、1トークンの計算で実際に動くのは約480億。規模の割に推論コストを抑えられるのはこのためです。
「Owl Alpha」として2か月間ステルス運用されていた
LongCat-2.0は正式発表の前、AIモデルをまとめて使えるOpenRouter上で「Owl Alpha」という匿名モデルとして動いていました。2026年4月ごろにプレビュー版が出て、発表時に正体が明かされています。
美団は、Owl Alphaが日次の利用量で世界トップ3に入り、月間ではHermes Agent経由で1位、Claude Code経由で2位、OpenClaw経由で3位だったと説明しています(VentureBeat報道)。月間の処理量は約10.1兆トークンとされますが、いずれも美団側が示した特定時点の数字です。無料で提供されていた期間の利用量なので、性能の評価とは分けて見るほうが安全です。
LongCat-2.5-Previewとの違い(2026年9月公開の後継)

出典: Hugging Face meituan-longcat
2026年9月25日に、後継のLongCat-2.5-PreviewがLongCat API Platformで公開されました。 規模とコンテキスト長はLongCat-2.0と同じですが、画像理解が加わり、端末・ブラウザ・デスクトップアプリをまたぐ長い作業に向けて調整されています。一方、2026年10月時点で重みは公開されておらず、ベンチマークも出ていません。
項目 | LongCat-2.0 | LongCat-2.5-Preview |
|---|---|---|
公開日 | 2026年6月30日 | 2026年9月25日 |
パラメータ | 1.6T(活性約48B) | 1.6T(活性約48B)で据え置き |
コンテキスト/最大出力 | 1M/128K | 1M/128K |
入力 | テキストのみ | テキスト+画像 |
重み | MITで公開済み | 未公開(公開予定も未発表) |
公式ベンチマーク | あり | 未公表 |
API料金(期間限定) | 入力$0.30/出力$1.20 | 入力$0.30/出力$1.20(同額) |
主な使い道 | コーディング、ツール利用、長文処理 | GUI操作を含む長いワークフロー、画像を伴う作業 |
自社環境で動かしたい、性能の公式データを見て判断したいならLongCat-2.0。APIで最新を試したい、画面の画像を読ませたいなら2.5-Previewを候補にします。プレビュー版は仕様や料金が予告なく変わる可能性があるので、本番の業務に組み込むなら2.0を基準にしておくのが無難です。
2.5-PreviewはOpenCodeで期間限定の無料提供(終了日は未発表)が報じられています。無料枠の条件はゲートウェイごとに違うため、使う前に各サービスの表示を確認してください。
LongCat-2.0でできること・主な特徴

出典: GitHub meituan-longcat/LongCat-2.0
LongCat-2.0の中心は、大きなコードベースを読み込んだうえでのバグ修正や機能追加を、ツールを呼び出しながら自律的に進める作業です。公式と主要報道が挙げる用途は次のとおりです。
- エージェント型コーディング: バグ修正、機能追加、リファクタリング、テスト作成
- ツール呼び出し: 外部ツールやAPIを使いながら複数ステップの作業を進める
- 長文脈の処理: 100万トークンまでの仕様書・ログ・リポジトリをまとめて読む
- 検索・ブラウジング: Web上の情報を集めて回答を組み立てる
- 複雑な指示の実行と自動化ワークフロー
公式は「Claude Code・OpenClaw・Hermesなど主要なエージェントの実行環境と深く統合している」としています。報道ではOpenCodeやKilo Codeでの利用例も出ています。APIはOpenAI互換とAnthropic互換の両方を用意しているため、既存のツールから接続先を差し替えるだけで試せます。
1Mのコンテキストがあると、関連ファイルを探して少しずつ渡す手間が減り、プロジェクト全体を踏まえた修正がしやすくなります。ただし長い入力はそのまま料金と待ち時間の増加につながるので、毎回1Mを使い切る設計は勧めません。
仕組み:効率化のためのアーキテクチャ技術
公式モデルカードに書かれている主な技術は3つです。
- LongCat Sparse Attention(LSA): DeepSeekのSparse Attention(DSA)をもとに、ストリーミング向けのインデックス、2層ごとのインデックス共有、階層的なインデックスの3点を改良した仕組み。1Mの文脈を現実的な速度で処理するための中核です。
- N-gram Embedding: 軽量版のLongCat-Flash-Liteから引き継いだ埋め込み(約1,350億パラメータ)。
- Multi-Token Prediction(MTP): 3トークン先まで予測して生成を速める投機的デコード。
使い方に関わる機能としては、enable_thinking で思考モードを切り替えられ、save_reasoning_content で推論の中身を次のターンに残せます。
一部の解説記事にある「Zero-computation experts(計算をしないエキスパート)」や「MOPD(複数の教師モデルからの蒸留)」は、LongCat-Flash系で発表された技術です。LongCat-2.0の公式モデルカードには記載がないため、2.0にも使われているかは未確認です。
学習の安定性について美団は「巻き戻しや回復できない損失の急上昇は一度もなかった」と説明しています。
ベンチマーク性能:GPT-5.5に迫るがClaude Opus 4.8とは差がある

出典: Terminal-Bench
公式の比較表では、LongCat-2.0はSWE-bench ProでGPT-5.5とGemini 3.1 Proを上回る一方、Claude Opus 4.8とOpus 4.7には明確に届いていません。 数値はすべて美団の社内計測で、他社モデルの値の多くは各社の公表値を引用したものです。
ベンチマーク | 測る内容 | LongCat-2.0 | Gemini 3.1 Pro | GPT-5.5 | Claude Opus 4.7 | Claude Opus 4.8 |
|---|---|---|---|---|---|---|
SWE-bench Pro | 実務的なバグ修正・機能追加 | 59.5 | 54.2 | 58.6 | 64.3 | 69.2 |
SWE-bench Multilingual | 多言語でのコード修正 | 77.3 | 76.9 | - | 80.5 | 84.8 |
Terminal-Bench 2.1 | ターミナル操作エージェント | 70.8 | 70.7 | 73.8 | 71.7 | 78.9 |
BrowseComp | ブラウジングでの情報探索 | 79.9 | 85.9 | 84.4 | 79.3 | 84.3 |
RWSearch | 検索エージェント | 78.8 | 76.3 | 85.3 | 79.3 | 77.3 |
FORTE | 生産性タスク | 73.2 | 70.3 | 77.8 | 77.6 | 77.2 |
IFEval | 指示への従いやすさ | 90.0 | 96.1 | 95.0 | 88.7 | 86.0 |
GPQA-Diamond | 大学院レベルの科学知識 | 88.9 | 94.3 | 93.6 | 94.2 | 92.4 |
出典: LongCat-2.0 公式モデルカード(太字は各行の最高値)
- GPT-5.5との差はSWE-bench Proで0.9ポイント。事実上の同点で、「GPT-5.5を超えた」と言い切れる差ではありません。Terminal-Bench 2.1では逆にGPT-5.5が3ポイント上です
- Claude Opus 4.8とはSWE-bench Proで約10ポイント、Terminal-Bench 2.1で約8ポイントの差。コーディング性能のトップ層には届いていません。Opus 4.8の詳細はClaude Opus 4.8の解説記事にまとめています
- 指示追従(IFEval)と科学知識(GPQA)は比較相手より低め。強みはあくまでコーディングと検索系です
報道によると、美団自身もGPT-5.5やClaude Opus 4.8などの最先端モデルにはまだ及ばないと認めています。また、この表の比較相手は発表時点(2026年6月)のモデルです。その後に出たAlibabaのQwen3.8-Maxは、自社計測でSWE-bench Pro 67.7と公表しており、中国製モデルの中でも上位は入れ替わっています。
第三者評価:オープンウェイトの中で「平均的」
独立評価サイトのArtificial Analysisでは、2026年10月時点でLongCat-2.0のIntelligence Indexは19で、同クラス121モデル中60位(中央値と同じ)です。出力速度は毎秒71.7トークンと中央値(82.5)より遅く、最初のトークンが出るまで2.56秒かかります。
指標(Artificial Analysis) | LongCat-2.0 | 同クラスの中央値 |
|---|---|---|
Intelligence Index | 19(121モデル中60位) | 19 |
出力速度 | 71.7トークン/秒 | 82.5トークン/秒 |
最初のトークンまでの時間 | 2.56秒 | 1.71秒 |
公式表の「フロンティアに迫る」という印象と比べると、第三者の総合評価はかなり控えめです。指標の算出方法は改定されることがあるため、数値は参考値として扱い、採用前には自社のリポジトリで試すのが確実です。
中国製チップだけで学習した意義(地政学的な注目点)

LongCat-2.0がベンチマーク以上に話題になったのは、兆パラメータ級のモデルを、学習から推論まで中国製のAIチップだけで行ったと美団が主張している点です。公式モデルカードには「AI ASICのスーパーポッド」とだけ書かれ、チップのメーカー名は明かされていません。報道では約5万枚規模のクラスターとされ、美団は「業界初」と説明しています。
背景には、米国による先端GPUの対中輸出規制があります。South China Morning Postは「中国の国産チップで学習した最大のモデル」と報じ、VentureBeatも米国製GPUなしで最先端に近い水準まで来た例として取り上げました。一方で美団自身は、ソフトウェア周りの環境がNVIDIAほど成熟していないことも認めています。
読者にとっての実務上の意味は大きくありません。LongCat-2.0をセルフホストする場合、推論にはNVIDIA GPU(B300・H200など)が普通に使えます。チップの話は「誰がどの計算基盤でフロンティアモデルを作れるか」という業界の動きとして押さえておけば十分です。日本の自前開発モデルの動きは国産LLM 7選の比較やPLaMo 3.0 Primeで整理しています。
LongCat-2.0の料金・プラン【2026年10月時点】
公式料金ページの現行表示は、期間限定割引で入力$0.30・出力$1.20(100万トークンあたり)、キャッシュ入力$0.006です。 割引前の標準価格は入力$0.75・出力$2.95。重みをダウンロードして自分で動かす場合、モデルの利用料はかかりません(GPUなどのインフラ費は自己負担)。
区分 | 入力(キャッシュなし) | 入力(キャッシュヒット) | 出力 | 根拠 |
|---|---|---|---|---|
現行(期間限定割引) | $0.30(2元) | $0.006(0.04元) | $1.20(8元) | |
標準価格(割引前) | $0.75 | $0.015 | $2.95 | 発表時の報道・OpenClaw公式カタログ |
セルフホスト(MIT) | 無料 | — | 無料 | インフラ費は別途 |
※単位は100万トークンあたり。括弧内は公式ページの人民元表記です。
料金で押さえておきたい点は次のとおりです。
- 割引の終了日は発表されていません。公式ページにも「価格は変更されうる。プラットフォーム上の表示と請求記録が正」とあります。長期の予算は標準価格で組んでおくと安全です
- キャッシュ入力は無料ではありません。発表当初は「キャッシュヒットは無料」と報じられましたが、現行の公式表示は$0.006です
- トークンパック(30日有効、キャッシュヒット分はパックを消費しない)も販売されていますが、パックの価格は公式で確認できませんでした。一部で出回った「約10億トークンで約$60」という数字は未確認です
- LongCat-2.0単体のAPI無料枠は確認できていません
- OpenRouter経由(モデルID
meituan/longcat-2.0)でも利用でき、割引価格での提供が表示されています。ただしEU域内だけで処理するルーティングには対応していません
1タスクあたりの試算
エージェント型のコーディングでは、同じファイルを何度も読み直すためキャッシュの比率が高くなります。入力200万トークン(うち9割がキャッシュヒット)、出力20万トークンの作業を1回実行した場合の試算は次のとおりです。
料金区分 | キャッシュなし入力 20万 | キャッシュ入力 180万 | 出力 20万 | 合計 |
|---|---|---|---|---|
期間限定割引 | $0.06 | 約$0.011 | $0.24 | 約$0.31 |
標準価格 | $0.15 | 約$0.027 | $0.59 | 約$0.77 |
出力の単価が入力の4倍あるため、費用の大半は出力が占めます。思考モードの推論部分も出力として数えられるので、難しくない作業では思考モードを切るとコストを抑えられます。
Artificial Analysisは、LongCat-2.0の価格を「オープンウェイト系モデルの中央値(入力$0.43・出力$1.45)より高い」と評価しています(標準価格ベース)。西側の最上位モデルよりはずっと安いものの、中国製オープンモデルの中で最安というわけではない、という位置づけです。
このツールを自社のシステムや業務にどう組み込むか、ご提案します
初回相談は無料・30分(オンライン)。要件が決まっていなくても大丈夫です。改修100万円〜・PoC300万円〜(税別)
LongCat-2.0の使い方:API利用とセルフホストの2ルート

出典: OpenRouter
個人や小規模チームはAPI、機密コードを外に出せない組織はセルフホストが基本の分け方です。まずブラウザのチャット(longcat.ai)で応答の質を確かめ、手応えがあればAPIに進む順番が効率的です。
使い方 | 費用 | 難しさ | データの扱い | 向く人 |
|---|---|---|---|---|
チャット(longcat.ai) | ブラウザで試せる(利用条件は公式サイトで確認) | 低 | 美団のサービスに送信 | まず触ってみたい人 |
公式API(LongCat API Platform) | 従量課金($0.30/$1.20〜) | 中 | 美団のAPIに送信 | 個人・小規模チーム |
OpenRouterなどのゲートウェイ | ゲートウェイの表示価格 | 中 | ゲートウェイと提供元の両方を経由 | 複数モデルを切り替えたい人 |
セルフホスト | GPU 8〜16枚級のインフラ費 | 高 | 自社環境で完結 | 機密コードを扱う企業 |
ルート1:API経由で使う(個人・小規模におすすめ)
- LongCat API Platformでアカウントを作り、APIキーを発行する
- OpenAI互換のエンドポイント(
https://api.longcat.chat/openai)か、Anthropic互換のエンドポイントに接続する - モデル名に
LongCat-2.0を指定し、必要に応じてenable_thinkingで思考モードを切り替える
Claude Codeで使う場合は、Anthropic互換エンドポイントのURLとLongCatのAPIキーを環境変数(ANTHROPIC_BASE_URL など)で差し替えます。正確なURLは公式ドキュメントで確認してください。
OpenClawで使う場合は、公式のLongCatプロバイダを入れるだけで接続できます(OpenClaw公式ドキュメント、日本語版あり)。
openclaw plugins install @openclaw/longcat-provider
openclaw gateway restart
openclaw onboard --auth-choice longcat-api-key # 環境変数 LONGCAT_API_KEY
openclaw models list --provider longcat # longcat/LongCat-2.0 が表示されればOK自前のコードに組み込むときは、ツール呼び出しの形式に気をつけてください。公式のチャットテンプレートでは、ツール呼び出しの引数(arguments)がOpenAI標準の文字列ではなくオブジェクト(dict)形式です。OpenAI向けに書いたツール処理をそのまま流用すると、引数の解析でエラーになる場合があります。
OpenRouter経由なら、1つのAPIキーでLongCat-2.0と他のモデルを切り替えられます。ゲートウェイを挟むとAPIキーの保管場所が増えるので、キーの権限と利用上限は必ず設定しておきましょう。
ルート2:セルフホスト(大規模GPUが必要・企業向け)
重みはHugging Faceで公開済みです。発表直後は「近日公開」とされていましたが、2026年10月時点ではBF16/F32版の meituan-longcat/LongCat-2.0 と、FP8版の meituan-longcat/LongCat-2.0-FP8 がダウンロードできます。
SGLangの公式クックブックが示す構成は次のとおりです。
項目 | 内容 |
|---|---|
最小構成(1ノード) | NVIDIA B300 ×8(TP=8/EP=8、CUDA 13) |
2ノード構成 | H200・B200・H20のいずれか ×16(TP=16/EP=16) |
使う重み |
|
起動時の注意 |
|
その他の推論環境 | Transformers、vLLM、Docker Model Runner。NPUはSGLang-FluentLLM(npuブランチ) |
1.6兆パラメータのモデルを個人のPCで実用的に動かすのは現実的ではありません。Hugging Face上にはコミュニティ製の量子化版もありますが、それでも巨大です。セルフホストは、最新世代のGPUを8〜16枚用意できる企業・研究機関向けの選択肢と考えてください。
新しいモデルを自社の業務システムに組み込むときは、API連携で済ませるか、GPUを持ってセルフホストするかで開発費と運用費の桁が変わります。進め方と費用の目安はAI開発の費用相場にまとめています。
LongCat-2.0と他モデルの違い(比較)
LongCat-2.0の強みは「MITライセンスで重みを持てる」「期間限定とはいえAPIが安い」「1Mの文脈」の3つです。 性能だけならClaude Opus 4.8が上で、中国製オープンモデルの中でも後発のモデルに追い抜かれつつあります。
項目 | LongCat-2.0 | Claude Opus 4.8 | GPT-5.5 | Qwen3.8-Max |
|---|---|---|---|---|
提供元 | 美団(中国) | Anthropic(米国) | OpenAI(米国) | Alibaba(中国) |
重み | MITで公開 | 非公開 | 非公開 | 公開(独自ライセンス) |
規模 | 1.6T(活性約48B) | 非公開 | 非公開 | 2.4T(活性約95B) |
コンテキスト | 1M | 公式で確認 | 公式で確認 | API版1M(公開版はネイティブ262K) |
SWE-bench Pro(各社公表) | 59.5 | 69.2 | 58.6 | 67.7 |
API料金の目安(入力/出力) | $0.30/$1.20(割引中)、標準$0.75/$2.95 | LongCatより大幅に高い | LongCatより大幅に高い | 東京リージョン$1.65/$4.95 |
画像入力 | 不可 | 可 | 可 | API版のみ可 |
向く用途 | 低コストのコーディングエージェント、自社環境での運用 | 品質最優先のコード改修 | 汎用・ターミナル系作業 | PC操作・ターミナル系エージェント |
※SWE-bench Proは各社の自社計測値で、測定条件は同じではありません。Qwen3.8-Maxの数値はAlibabaの公表値です。Claude Opus 4.8とGPT-5.5の料金・コンテキストは各社公式で最新を確認してください。
選び分けの目安は次のとおりです。
- コード改修の品質を最優先したい → Claude Opus 4.8などの西側の最上位モデル
- 重みを持てるモデルで、緩いライセンスがほしい → LongCat-2.0(MIT)。同じくMITのGLM-5.3とも比較する価値があります。前の世代の比較ならGLM-5.2
- 同じ1.6T級のMoEを比べたい → DeepSeek V4 Pro(前の世代はDeepSeek V4.1)
- 機能を削らずに公開されたオープンモデルがほしい → Kimi K3
- PC操作・ターミナル操作のエージェントを強くしたい → Qwen3.8-Max
中国製オープンモデルは数か月単位で入れ替わります。LongCat-2.0を選ぶ理由は「最高性能」よりも、「MITで重みを持てる1.6T級モデル」であることに置くのが現実的です。
LongCat-2.0の強みと弱み
強み
- コーディングとエージェント用途に合わせた設計で、Claude Code・OpenClawなど主要ツールから使える
- 1Mのコンテキストで大きなリポジトリや長いログをまとめて扱える
- MITライセンスで、商用利用・改変・再配布の自由度が高い
- APIが西側の最上位モデルより大幅に安い(2026年10月時点は期間限定でさらに安い)
- OpenAI互換とAnthropic互換の両方のAPIがある
弱み・制約
- 公式表でもClaude Opus 4.8には約10ポイント差。第三者の総合評価は「平均的」
- 出力速度が遅めで、最初の応答までの待ち時間も長い
- テキストのみで、画像を読ませる用途には使えない(画像は2.5-Previewから)
- セルフホストにはB300×8、またはH200/B200/H20×16が必要
- ツール呼び出しの引数形式がOpenAI標準と違い、自前の組み込みでは変換が必要な場合がある
- 日本語性能の独立した評価は見当たらず、未確認
- 割引価格の終了時期が未発表で、長期のコスト見積もりが立てにくい
セキュリティ・利用上の注意点(中国製モデルとして)
APIで使う場合、入力したコードやデータは中国企業である美団のサーバーに送られます。 LongCat APIのデータ保持期間や学習への利用有無について、今回の調査では公式の規定を確認できませんでした。機密コードや個人情報を扱う前に、次の点を確認してください。
- MITライセンスとAPIの利用規約は別の取り決め。MITは重みとコードの利用条件で、APIに送ったデータの扱いは利用規約とプライバシーポリシーで決まります。契約前に両方を読みましょう
- 機密コードはセルフホストか西側モデルで。重みを自社環境で動かせば外部送信は避けられますが、GPU 8〜16枚級の投資が必要です
- ゲートウェイ経由は経路が増える。OpenRouterやOpenCodeなどを挟むと、データはゲートウェイと提供元の両方を通ります。ゲートウェイ側の保持ポリシー(たとえばOpenCode Zenは「保持0日・学習に使わない」と表示)は、LongCat API本体のポリシーとは別です
- APIキーの管理。キーには利用上限を設定し、リポジトリや共有設定ファイルに書き込まないでください
- 社内での無断利用に注意。安いAPIは個人の判断で使われやすく、社内コードが許可なく外部に出る原因になります。対策はシャドーAIの企業リスクで整理しています
- 生成されたコードは必ずレビューする。ベンチマークのスコアは成功率で、残りは失敗している前提で扱います
中国製だから一律に避ける必要はありません。扱う情報の機密度に応じて、チャット・API・セルフホストを使い分けるのが現実的です。
こんな人におすすめ / おすすめしない人
LongCat-2.0をおすすめできる人・組織
対象 | 理由 |
|---|---|
コーディングエージェントのAPI代を下げたい開発者 | 割引中は入力$0.30・出力$1.20。Claude CodeやOpenClawから接続先を替えるだけで試せる |
大きなリポジトリや長いログをまとめて扱いたいチーム | 1Mのコンテキストと最大128Kの出力 |
MITライセンスの重みを手元に持ちたい企業・研究機関 | 改変・再配布・商用利用の自由度が高い |
GPUを8〜16枚用意でき、機密コードを社外に出せない企業 | セルフホストで外部送信を避けられる |
中国製オープンモデルの選択肢を比べたい技術者 | DeepSeek・GLM・Kimi・Qwenと並ぶ比較対象 |
おすすめしない人・組織
対象 | 理由 |
|---|---|
コード改修の品質を最優先したい人 | Claude Opus 4.8などとはSWE-bench Proで約10ポイントの差 |
画像やスクリーンショットを読ませたい人 | LongCat-2.0はテキストのみ。2.5-Previewか他のモデルを検討 |
中国企業へのデータ送信が社内規程で認められない組織 | API利用は不可。セルフホストか西側モデルを選ぶ |
個人PCでローカル実行したい人 | 1.6T級は現実的に動かない |
応答の速さを重視する対話用途 | 出力速度・初回応答とも中央値より遅い |
日本語の文章品質を重視する人 | 日本語の独立評価が見当たらない |
まとめ:注目度は高いが「冷静な検証」を前提に
LongCat-2.0は、1.6兆パラメータ・1Mコンテキスト・MITライセンスの重み公開・中国製チップでの学習という特徴を持つ、美団のコーディング向けオープンウェイトモデルです。
- 重みはHugging Faceで公開済み(BF16/F32版・FP8版)。セルフホストはB300×8か16GPU構成から
- APIは公式の現行表示で入力$0.30・出力$1.20・キャッシュ入力$0.006(期間限定、終了日は未発表)。標準価格は$0.75/$2.95
- SWE-bench ProではGPT-5.5と事実上の同点、Claude Opus 4.8とは約10ポイント差。第三者評価は「平均的」
- 後継のLongCat-2.5-Previewは画像理解を追加したAPI専用版で、重みとベンチマークは未公開
- APIのデータ取り扱いは未確認の部分があり、機密コードはセルフホストか西側モデルで扱うのが無難
まずはチャットや少額のAPIで自分のリポジトリを相手に試し、GLM-5.3やDeepSeek V4 Proと比べてから採用を決めるのが失敗しにくい進め方です。
よくある質問(FAQ)
Q. LongCat-2.0は無料で使えますか?
A. 重みはMITライセンスで公開されているので、自社のGPUで動かす場合はモデルの利用料がかかりません。APIは従量課金で、無料枠は確認できませんでした。ブラウザのチャット(longcat.ai)からも試せますが、利用条件は変わる可能性があるため公式サイトの表示を確認してください。
Q. LongCat-2.0とLongCat-2.5-Previewはどちらを使えばよいですか?
A. 重みを持ちたい、公式ベンチマークを見て判断したいなら2.0です。画像を読ませたい、APIで最新版を試したいなら2.5-Previewが候補になります。2026年10月時点ではAPI料金は同額で、2.5-Previewの重みは公開されていません。
Q. キャッシュされた入力は無料ですか?
A. 現行の公式料金ページでは有料で、割引中の価格は100万トークンあたり$0.006です。発表当初に「キャッシュヒットは無料」と報じた記事がありますが、現在の表示とは異なります。
Q. Claude CodeでLongCat-2.0を使えますか?
A. 使えます。LongCat APIはAnthropic互換のエンドポイントを持っているため、接続先のURLとAPIキーを差し替えれば動きます。公式もClaude Codeとの統合をうたっています。
Q. 日本語は使えますか?
A. 日本語で質問して日本語で回答させることはできますが、日本語性能を独立に評価したデータは見つかりませんでした。日本語の文章品質が重要な用途では、実際の業務文書で試してから判断してください。
Q. 商用利用や改変はできますか?
A. 重みとコードはMITライセンスなので、商用利用・改変・再配布ができます。ただし商標や特許の権利は含まれません。また、APIを使う場合はMITではなくLongCat APIの利用規約が適用されます。
Q. 学習に使われた中国製チップはどこのメーカーですか?
A. 公式には「AI ASICのスーパーポッド」とだけ書かれ、メーカー名は公表されていません。約5万枚規模という数字も美団の説明に基づく報道です。
このツールを自社のシステムや業務にどう組み込むか、ご提案します
この記事の著者

AI革命
編集部
AI革命株式会社の編集部です。最新のAI技術動向から実践的な導入事例まで、企業のデジタル変革に役立つ情報をお届けしています。豊富な経験と専門知識を活かし、読者の皆様にとって価値のあるコンテンツを制作しています。
最新記事

Microsoft Ignite 2026のMAI新モデル7つとは?MAI Code 2の性能・料金・使える場所を整理
2026/11/19

メディア・出版業のAI活用事例20選|記事生成AI・新聞社・テレビ局の導入例と著作権対策【2026年11月】
2026/06/19

生成AIの企業活用事例50選|業種別・業務別の成果と導入ステップ・料金を解説【2026年11月最新】
2026/04/19
Google Vidsのパーソナルアバターは無料で使える?作り方・日本語対応・注意点を整理
2026/11/18

コンビニのAI活用|AI発注・無人レジ・廃棄ロス削減の導入事例とコスト・人手不足対策の進め方【2026年最新】
2026/10/08

保育園システムを比較しても決まらないとき|保育ICTで足りない業務・追加開発を頼む範囲と費用・補助金【2026年】
2026/10/21


