eesel 独立核查：LongCat-2.0 的 Agent 可靠性与生产接入硬阻塞

一句话结论

这篇独立核查把 LongCat-2.0 拆成“模型能否完成 Agent 工作”和“产品能否进入企业生产”两件事：公开用户报告支持其作为便宜、稳定的编码执行器，但上下文规格、工具契约和数据治理文档不足以通过敏感数据生产审核。

适用场景

• 适合的任务：非敏感数据上的高频 Agent 编码、代码库导航、文档转换和长程重构；需要自带 harness 的个人开发者或小团队

• 不适合的任务：客户工单、受监管数据、需要明确保留/训练/驻留政策的企业；依赖公开 function calling/MCP 契约的服务

• 适用的模型版本：LongCat-2.0；文章核对的是 2026-08-04 前后官方 API、模型卡和部署资料

• 适用的客户端、Agent 或 API：Claude Code、Hermes 等由客户端承担 Agent 循环的 harness；OpenRouter 或官方 API 路径需分别核验

• 推荐的推理档位和参数：文章没有给出统一 temperature/effort 配置；复现时应记录渠道、是否 thinking、harness 版本和上下文长度

测试/工作流步骤

1. 分别检查官方许可、价格页、config.json、API 参考、模型卡、平台 FAQ 和部署配方，不把新闻稿当作完整产品文档。

2. 以 Agent harness 运行同一仓库任务，记录计划、工具调用、代码修改、测试结果和失败恢复；不要只做单轮谜题。

3. 单独测试工具契约：工具参数格式、tool_choice、并行调用、tool_result、内容块和温度范围；把不支持项列成阻断清单。

4. 单独做上下文验证：用 256K 以下、接近 1M 的输入分别测量截断、延迟和错误，而不是直接采用营销页的 1M 数字。

5. 做数据治理审查：要求供应商明确提示词是否留存/训练、数据驻留、SLA 和零数据保留；没有书面答案就不进入敏感生产。

原始数据与结果

可靠 Agent 的正向证据

• 文章引用一名通过 OpenRouter/Hermes 跑过 3.6B tokens 的用户：长上下文保持连贯，能按计划执行并完成多个应用；另一名 Hacker News 用户也称它是“dependable workhorse”。

• 作者将这类证据解释为“执行可靠、不是顶级推理器”：更适合由 harness 负责规划、模型负责执行的编码 Agent，而非单轮通用推理。

• 文章同时保留反例：低票数 Reddit 用户报告直接 prompting 时指令跟随和代码质量很差；作者认为成功与失败都提示 harness 对结果影响很大。

公开规格与基准的核对

• 文章复列 SWE-bench Pro 59.5，并指出 LongCat 的官方结果来自 Meituan 自建 harness、无 reasoning mode 且标注修正过 problematic tasks；与其他厂商分数不应视为同一实验。

• 文章指出官方配置文件把 max_position_embeddings 设为 262,144，并把 YaRN 预留到更高长度；据此建议把“可运行的上下文”按 256K 输入而非无条件 1M 处理。

• 文章核对到 API 参考没有公开 tools 数组、tool_choice、parallel_tool_calls、metadata、stop_sequences 或 tool_result 内容块等完整契约；文章认为 Agent 能力主要来自客户端 harness。

产品接入阻塞

• 文章对官方 FAQ 的核查结果：没有明确说明数据留存、是否用 prompt 训练、数据驻留或 SLA；作者把数据治理项评为 F。

• 官方直连支付方式、优惠价格和 OpenRouter 单提供方策略会随时间变化；文章把价格优势限定为促销期，不把 $0.30/M 当作永久价格。

• 结论分层：个人项目可试；客户数据、企业合规和支持队列先停在治理审查，不因 MIT 许可或低 token 价格跳过审核。

结论

在“由成熟 Agent harness 驱动、数据不敏感、成本敏感”的编码任务上，LongCat-2.0 值得试用；在生产接入上，真正的阻塞点是可核验的上下文/工具契约和数据处理政策缺失，而不是单一 benchmark 分数。

局限与复现步骤

• 文章不是公开盲测：正负面体验来自不同用户、不同渠道和不同 harness，不能给出统一胜率。

• 上下文 256K 的判断依赖文章对 config.json 的核对；API/部署渠道可能采用不同限制，应在目标端点实测并保存响应。

• 作者为 eesel AI 从业者，文中含其产品推广；有关数据治理的核查项可复查，但购买建议应与供应商原始政策、法律和安全团队意见分开。

• 复现时保存：官方 config.json、API 响应头与错误体、harness 配置、输入 token 数、工具 schema、供应商政策页面和采集日期。

来源摘录或观察（仅做合规短引）

• 文章的总评是“better model than its benchmark table suggests and a worse product than its price suggests”。

• 文章把推荐限定为“cheap, high-volume agentic coding”，并把敏感数据生产列为硬阻塞。