LongCat 2.0은 긴 컨텍스트, 공개 가중치 또는 저비용 에이전트 경로가 필요한 경우 파일럿 후보입니다. 하지만 “저렴한 최첨단 모델”로만 판단하면 안 됩니다. 경로, 도구 형식, 데이터 조건과 사람의 검수가 토큰 단가만큼 중요합니다.
기준점은 2026년 6월 30일 공식 발표와 2026년 9월 20일 확인한 모델 카드입니다. 총 1.6T, 활성 약 48B, 컨텍스트 1M, MIT 라이선스가 기록되어 있습니다. 같은 날 OpenRouter는 입력/출력 100만 토큰당 0.30/1.20달러로 표시했습니다. 이는 Tabbit 세션이나 자체 서버 비용과 다릅니다. 먼저 LongCat 2.0 모델 페이지 (English)를 확인하세요.
핵심 요약
공개 가중치, 1M 컨텍스트, Transformers·vLLM·SGLang 예제가 있습니다.
공식 벤치마크는 자체 하니스의 측정 범위이지 독립 순위표가 아닙니다.
OpenRouter 가격은 날짜가 있는 경로 스냅샷이며 데이터 정책을 대신하지 않습니다.
에이전트 작업을 칭찬하는 보고와 코드 오류, 반복, 통합 문제 보고가 모두 있습니다.
사양과 접근 경로
| 항목 | 확인 내용 | 경계 |
|---|---|---|
| 모델 | 희소 MoE, 총 1.6T, 활성 약 48B | 지연과 총비용을 직접 예측하지 않습니다. |
| 컨텍스트 | 카드와 OpenRouter 모두 1M | 클라이언트와 메모리 방식으로 줄 수 있습니다. |
| 라이선스 | MIT, 가중치 공개 | 인프라와 보안은 사용자의 책임입니다. |
| 코딩 신호 | Terminal-Bench 70.8, SWE-Bench Pro 59.5 | 내 저장소의 보장이 아닙니다. |
| OpenRouter | 입력/출력 0.30/1.20달러, AtlasCloud | 가격과 가용성은 변합니다. |
에이전트 브라우저란에서 브라우저와 API의 차이를 확인하고, AI 브라우저 비교와 Tabbit Browser 실전을 함께 보세요.
변경점과 벤치마크 조건
공식 기술 글은 스트리밍 인식, 계층 간, 계층형 인덱싱을 포함한 LongCat Sparse Attention과 135B N-gram Embedding을 설명합니다. 1M 컨텍스트 데이터로 학습했다는 설명도 있습니다. Claude Code, OpenClaw, Hermes 연동 예시는 코드와 도구 지향성을 보여주지만, 모든 하니스가 같은 도구 호출 형식을 읽는다는 뜻은 아닙니다. 공개 작업은 LongCat prompts (English)에서 확인하고 시스템 지시문은 복사하지 마세요.
공식 값은 Terminal-Bench 2.1 70.8, SWE-Bench Pro 59.5, SWE-Bench Multilingual 77.3, FORTE 73.2, BrowseComp 79.9, RWSearch 78.8, IFEval 90.0입니다. 카드는 별표 없는 값이 내부 통합 하니스라고 설명합니다. 기술 글은 Terminal-Bench에 Claude Code·8c16g·6시간, SWE-Bench에 4c8g와 수정된 문제, FORTE에 15개 직업·45분·2 CPU/4GB·최대 10회 재시도를 적습니다. 유용한 조건이지만 독립 재현은 아닙니다. 개별 자료는 LongCat 리뷰 (English)에서 확인하세요.
네 경로를 분리하기
자체 호스팅은 코드와 문서를 통제 영역에 둘 수 있지만 하드웨어, 양자화, 관측성, 업데이트와 보안을 부담합니다. eesel의 2026년 8월 4일 글은 지역·결제 제약을 설명하지만 현재 공식 청구서가 아닙니다. OpenRouter는 9월 20일 입력/출력 0.30/1.20달러, 캐시 읽기 0.006달러, 1M과 AtlasCloud를 표시한 경로 스냅샷입니다.
Tabbit은 별도 제품 세션입니다. 이 글에서는 로그인된 LongCat 작업이나 적격 스크린샷을 만들지 않았으므로 Tabbit 내 품질, 지연, 가용성, 가격을 주장하지 않습니다. 먼저 공개 문서에서 수행하는 되돌릴 수 있는 작업을 선택하고 브라우저 자동화 안내와 API 비용을 섞지 마세요.
Reddit에는 50M 토큰을 약 2달러에 사용했다는 개인 기록, 비추론 역할극에서 지시 준수를 좋게 본 기록이 있습니다. 다른 보고는 긴 글의 반복을 지적했습니다. X에는 같은 물리·코딩 과제에서 좋은 시각 물리 결과였다는 기록이 있지만 프롬프트와 채점표는 없습니다. eesel도 코딩에 대한 찬반 경험을 인용합니다. 에이전트 심층 연구처럼 직접 평가표를 만들어야 합니다.
도입 전 보존, 학습, 데이터 위치, SLA, <longcat_tool_call> 호환성, 검색 답변 언어, 자체 호스팅 전력과 재시도 비용을 확인하세요. 1M은 최대치이지 저렴하거나 안정적인 입력의 약속이 아닙니다.
첫 테스트와 결론
작은 저장소에 고정 diff와 테스트를 주고 도구 호출을 모두 검토하세요. 연구라면 날짜가 있는 문서와 인용 표를 쓰고, 민감한 기업이면 약관을 서면으로 받습니다. Tabbit에 모델이 표시되어도 공개 문서에서 다섯 가지를 추출하고 링크를 수동 검증하는 데서 시작하세요. 첫 실행에서 쓰기 권한과 기밀 자료를 주지 마세요.
Tabbit BrowserLongCat 2.0은 긴 컨텍스트 코드, 연구와 에이전트 업무의 파일럿 후보입니다. 공개 가중치와 가격 스냅샷은 진입 장벽을 낮추지만 도구 호환성, 수용 가능한 품질과 데이터 조건은 실제 경로에서 확인해야 합니다. 입력 단가만으로 운영 계약을 판단하지 마세요. 조건별 근거는 LongCat 리뷰 모음 (English)에서 확인할 수 있습니다.
출처
자주 묻는 질문
LongCat 2.0은 무엇인가요?
Meituan이 공개한 MIT 라이선스 희소 혼합 전문가 모델입니다. 공식 카드는 총 1.6조 파라미터, 토큰당 약 480억 활성 파라미터와 100만 토큰 컨텍스트를 표시합니다.
LongCat 2.0은 오픈소스인가요?
Hugging Face 공식 카드가 MIT 라이선스로 가중치를 공개하고 Transformers, vLLM, SGLang 예제를 제공합니다. 공개 가중치가 하드웨어와 운영 비용을 없애지는 않습니다.
LongCat 2.0의 가격은 얼마인가요?
2026년 9월 20일 OpenRouter에는 입력 100만 토큰당 0.30달러, 출력 1.20달러로 표시되었습니다. 이는 공급자 스냅샷이며 Tabbit 가격이나 모든 공식 경로의 가격은 아닙니다.
코딩 에이전트에 좋은가요?
공식 표는 명시된 조건에서 Terminal-Bench 2.1 70.8과 SWE-Bench Pro 59.5를 제시합니다. 먼저 되돌릴 수 있는 저장소와 테스트로 작은 파일럿을 실행하세요.
API 데이터가 보호되나요?
확인한 공개 자료만으로는 보존, 학습 사용, 데이터 위치와 SLA 전체 정책을 확정할 수 없습니다. 기밀 자료를 보내기 전에 실제 공급자의 약관을 확인하세요.
Tabbit에서 사용할 수 있나요?
이 글에서는 로그인된 LongCat 2.0 Tabbit 작업을 실행하지 않았습니다. 실시간 선택기와 계정 조건을 직접 확인하세요.