关闭思考
文本题通过检查:4 / 4
代码题全部检查通过:2 / 2
请求错误、不完整回答和失败断言均保留在下方原始证据中。
解读美团 LongCat 2.5:核查公开版本,实测 Preview 的文本、代码、前端页面、SVG、骑车动画与单图读数。附原始回答、思考开关及独立 Responses low 诊断、官方历史 benchmark 图、API 价格及限制。
更新日期:2026-10-27
TOKRACE 原创实测 · 2026 年 10 月 26–27 日(北京时间)
brief 把 LongCat 2.5 的重点放在原生多模态 Agent、视觉编码、创意设计和 3D。这个定位值得用作品和过程来检验。公开文档目前仍把可调用模型写作 LongCat-2.5-Preview,因此本页实测属于这个 Preview API,不能据此宣布另一个新正式版已经发布。
本批次包含 8 次文本请求(8 次通过预定检查)、4 次代码请求(4 次通过该题全部预定检查),另有 SVG、动画与响应式前端证据。具体判断要看下方逐档作品:图能显示、页面好看,不代表几何关系或交互都正确。
本轮最清楚的优点,是能把有明确约束的需求做成可运行的输出:文本和短函数通过检查,前端页面在桌面、手机合计通过 48/48 项浏览器检查。但两档页面都有业务内容矛盾:进阶路线标注三小时,日程从 09:15 出发到 11:30 收尾却只有两小时十五分;关闭思考的首张鹈鹕也缺少连接前轮的前叉。做原型的完成度较好,交付前仍需核对内容与结构。
这些小任务可以帮助判断指令遵循和代码输出,不能据此排出通用模型名次,也不能推出它胜过 brief 中提到的竞品。
这份 brief 最值得关注的,是从回答问题转向做出可用界面、完成多步工作。前端案例因此不能只放一张漂亮截图,还要看手机端内容是否完整、数据是否正确、按钮是否真正起作用。
| brief 提法 | 需要什么证据 | 本页边界 |
|---|---|---|
| 原生多模态 | 保留图片/视频输入与有依据的回答 | 独立做了一次 input_image 读图;SVG 输出本身不能代替看图 |
| 视觉编码与创意设计 | 原代码、桌面/手机成图、实际交互 | 单轮前端页面与固定绘图任务 |
| 长程 Agent 与 3D | 固定 harness、工具轨迹、任务成功率与重复运行 | 本轮短输出任务不足以验证 |
| 1.6T / ≈48B | 对应版本的架构报告 | 属于 brief 声明;相同公开数字可见于 2.0,尚未核实对应 2.5 的架构报告 |
编辑判断:参数量描述规模,不能替代网站交付质量。Agent 跑分也同时受到工具和执行框架影响。没有统一任务与运行条件,即使列出 Claude、GPT、Kimi 或 DeepSeek 的名字,也不构成可比较的横评。
| 实测 API 型号 | LongCat-2.5-Preview |
|---|---|
| 调用地址 | https://api.longcat.chat/openai/v1 |
| 公开版本边界 | Preview;核查的更新日志列出 2026-09-25 |
| 上下文 | 1,048,576 tokens |
| 输出上限 | 参数页写 256K;快速开始写 128K,公开页面存在差异。 |
| 本轮 Chat Completions 思考模式 | enabled / disabled |
| 另一个 Responses 接口 | reasoning.effort: none / minimal / low / medium / high / xhigh |
| 开关对照的文档规定温度 | 开启思考 1.0;关闭 0.7。请求 temperature=0 会被覆盖。 |
| 限时美元价 / 百万 token | 输入 0.30 · 缓存输入 0.006 · 输出 1.20 |
| 限时人民币价 / 百万 token | 输入 2 · 缓存输入 0.04 · 输出 8 |
这些是文档规格,不是百万 token 长测结果。API 名称可能对应持续更新的服务,响应返回相同别名也不能证明底层 checkpoint 固定。
官方 Responses 文档另列 input_image 图片输入和 none 至 xhigh 的 reasoning.effort(含 low);官方 Codex 配置走这个接口。下方独立两次 low 请求验证了可返回结果的路径,其中一次带图。但这仍不能证明档位的实际执行强度;thinking token 预算也不能替代 effort 档位。 Responses API 文档 · 官方 Codex 配置
参数页 · 快速开始 · 对话 API · 价格页 · 更新日志
10 月 26 日截取。以下是官方文档截图,不是 benchmark 图。

2026-10-26 longcat.chat 国内站截图:未缓存输入 ¥2、缓存输入 ¥0.04、输出 ¥8 / 百万 token,实际结算以平台为准。不是 benchmark。
Meituan LongCat / 美团 LongCat · LongCat-2.5-Preview · 官方原文 · 放大 / 下载网页截图

2026-10-26 参数参考表列出 1,048,576 上下文和 262,144 max_tokens;快速开始页仍写 128K 输出,存在文档冲突,本文未验证最大长度。不是 benchmark。
Meituan LongCat / 美团 LongCat · LongCat-2.5-Preview · 官方原文 · 放大 / 下载网页截图

官方参数页写明传入其他 temperature 会被覆盖。thinking_budget 是 token 预算,不能直接标成厂商 low / max 档位。不是 benchmark。
Meituan LongCat / 美团 LongCat · LongCat-2.5-Preview · 官方原文 · 放大 / 下载网页截图
本批次于北京时间 10 月 26 日启动,跨午夜延续至 27 日,与旧评测分开。预先选取四道文本题、两道代码题对比思考开关,是小样本诊断,不是完整 15 题文本套件。四类固定 SVG 题分别为鹈鹕骑车、9:41 钟表、Q1–Q4 数据面板和中文海报,第五题为四秒骑车动画;另外单独测试响应式网页。
新请求显式传入 thinking enabled 或 disabled,没有另设省略开关的组。起始输出预算为 12,288 token、超时 600 秒,请求温度为 0;厂商规定开/关模式实际温度为 1.0/0.7,因此这是模式比较,不能单独归因于思考。生成或渲染失败保留,重试增大预算时逐次披露。两个独立队列可能重叠,本地客户端耗时不用于速度排名。
SVG 原码不做人工修补,网站嵌入栅格成图,不执行模型生成的 SVG。动画在隔离浏览器中按四秒 40 帧采样为 WebP,默认静止。几何、可执行检查与 AI 助手作出的定性视觉观察分别说明。
共 30 次独立模型调用:26 次完成、3 次达到 token 上限截断、1 次本地存储中断。中文海报的一次重试在保存时遇到 ENOSPC,返回正文、最终用量、上游状态和实测耗时未能保留,均为未知;这不是厂商错误,也不计作模型答错。最终八张静态图、两组动画均可渲染。
最多两个队列重叠运行,墙钟用时 26.83 分钟,累计已记录请求耗时至少 40.27 分钟。已报告 token 仅为下界:输入 4,353、输出 144,286,其中已包含思考 token 96,526。一次调用缺少最终 usage,因此完整计费 token 和实际成本未知。
文本题通过检查:4 / 4
代码题全部检查通过:2 / 2
请求错误、不完整回答和失败断言均保留在下方原始证据中。
文本题通过检查:4 / 4
代码题全部检查通过:2 / 2
请求错误、不完整回答和失败断言均保留在下方原始证据中。
信息抽取正确、短函数能通过检查,说明的是该题表现,不能扩展成大型仓库、工具选择或多步失败恢复的结论。10 月 10 日的代码截断仍留在历史评测中,不会被本轮覆盖。
这题用 18 个边界输入检查结果,不靠解释写得长短判断。两档都可能交出正确的小函数,但输出与思考消耗不同。下表只是本次并发本地测试的单次记录,不是平均延迟或通用成本排名。
API单轮生成同一响应式骑行活动网页任务,两档均使用12,288输出token、600秒。不是Claude Code/Codex多轮编程智能体基准,也没有人工修改输出。原始HTML以.html.txt发布,截图和交互在无真实会话、所有外网请求阻断的隔离Chromium中进行;报名仅为本地演示。
两档都做出了风格连贯的骑行俱乐部页面,路线筛选和本地报名反馈可用,各通过 24 项桌面/手机浏览器检查。这些功能检查没有覆盖两档都出现的内容矛盾:进阶路线写三小时,日程却从 09:15 排到 11:30。界面能用,还需要验收业务内容是否一致。
正文首响 / 总耗时:1.54s / 161.55s · 12182 token · done
暖白、橙红与衬线大标题形成一致视觉风格;桌面三列路线卡、手机单列及折叠菜单清楚,插画也由内联SVG组成。1440/390px均无横向溢出;两种尺寸下路线三档筛选、有效表单提交和页面内成功反馈均通过,本次24项浏览器检查通过且无脚本异常。样例是虚构骑行俱乐部,本地报名不发送数据;生成文案中的费用、领队与实地踩线说法不代表真实活动。与任意多轮编程agent能力仍有距离。 内容上,高阶路线写“约3小时”,却统一09:15出发、11:30结束,时间不自洽;自动功能通过不等于内容全部正确。
Build a polished responsive Chinese website for a weekend urban cycling club named「慢骑城市」. Return only one complete self-contained HTML document with all CSS and JavaScript inline, no Markdown. No external assets, fonts, libraries, URLs, network calls, storage or permissions. Use local SVG/CSS illustrations. This is a practical product page, not a wireframe. Requirements: (1) a top navigation with working anchor links to routes, schedule and signup; (2) a strong editorial hero; (3) a route grid containing exactly these three cards: 滨江轻骑—休闲—12公里, 老城漫游—休闲—8公里, 山脊挑战—进阶—35公里; (4) real filter buttons named 全部 / 休闲 / 进阶 that change visible route cards; (5) a schedule with 09:00集合、09:15出发、11:30结束; (6) a signup section with a labelled name input, an experience select, a button named 确认报名 and an on-page success message after a valid submit, no navigation; (7) readable, accessible layout at both 1440px desktop and 390px mobile, without horizontal overflow. Use excellent spacing, restrained typography, a warm light palette, one bold accent, clear focus styles and reduced-motion support. Do not fabricate testimonials, attendee counts or external sponsors. All key content and interactions must fit in this single file. The signup is explicitly a local demonstration; do not imply an actual booking.
正文首响 / 总耗时:59.89s / 163.71s · 11094 token · done
橙红强调色、暖纸色与衬线标题统一,桌面双栏首屏和三列路线卡明确;手机保留紧凑的顶部导航并改为单列,1440/390px均无横向溢出。两尺寸下三档路线筛选、带标签表单及报名成功反馈合计24项浏览器检查通过,未出现脚本异常。局限是大片留白让桌面后半段较松散;高阶路线“约3h”与统一09:15出发、11:30结束不一致。只是单轮API输出与虚构俱乐部本地演示,不证明多轮agent或真实活动服务已可用。
Build a polished responsive Chinese website for a weekend urban cycling club named「慢骑城市」. Return only one complete self-contained HTML document with all CSS and JavaScript inline, no Markdown. No external assets, fonts, libraries, URLs, network calls, storage or permissions. Use local SVG/CSS illustrations. This is a practical product page, not a wireframe. Requirements: (1) a top navigation with working anchor links to routes, schedule and signup; (2) a strong editorial hero; (3) a route grid containing exactly these three cards: 滨江轻骑—休闲—12公里, 老城漫游—休闲—8公里, 山脊挑战—进阶—35公里; (4) real filter buttons named 全部 / 休闲 / 进阶 that change visible route cards; (5) a schedule with 09:00集合、09:15出发、11:30结束; (6) a signup section with a labelled name input, an experience select, a button named 确认报名 and an on-page success message after a valid submit, no navigation; (7) readable, accessible layout at both 1440px desktop and 390px mobile, without horizontal overflow. Use excellent spacing, restrained typography, a warm light palette, one bold accent, clear focus styles and reduced-motion support. Do not fabricate testimonials, attendee counts or external sponsors. All key content and interactions must fit in this single file. The signup is explicitly a local demonstration; do not imply an actual booking.
Responses API 接受了 reasoning.effort=low 的一次文本抽取和一次 input_image 请求。读图回答正确识别绿色柱图例中的 LongCat-2.0,并给出六项绿色柱数值,7 项检查通过。这说明这两次请求的路径和输出可用,与 Chat Completions 的思考开关成绩分别记录。
输入是一张公开的历史 2.0 图,不是 2.5 跑分结果。本轮没有无图对照,也没有重复运行,不能排除记忆因素,不能据此证明原生架构或通用视觉可靠性。两次调用为非流式,不测流式正文首响;接受 low 也不等于验证实际思考强度。
Responses · low · HTTP 200 · 3.62s · 116 输出 token(含思考)
{"name": "林桐", "age": 28, "city": "杭州", "email": null}从以下资料提取联系信息。只输出一个 JSON 对象,恰好包含 name、age、city、email 四个字段;age 为数字,未提供的 email 为 null。不要 Markdown 或解释。 资料:林桐,28 岁,目前居住在杭州。未提供电子邮件。历史备注提到曾在北京出差,不是现居城市。
与预定 JSON 完全匹配。
Responses · low · HTTP 200 · 5.88s · 268 输出 token(含思考)
{"model":"LongCat-2.0","scores":{"Terminal-Bench 2.1":70.8,"SWE-bench Pro":59.5,"SWE-bench Multilingual":77.3,"FORTE":73.2,"RWSearch":78.8,"BrowseComp":79.9}}只根据这张图片回答。识别底部图例中绿色柱对应的模型名称,并读取六个小图里该绿色柱顶部的数值。只输出JSON对象,恰好包含 model 和 scores。scores 是对象,键分别使用图中的六个benchmark英文名称,值为数字;不能读取其他颜色柱代替。看不清的值用null。不要推断别的模型版本、不要解释、不要Markdown。
钟表题里,开启思考的源码准确写出 9:41 所需的时针 290.5°、分针 246°;关闭思考的版本把 3 和 9 放到了表盘外,还截掉了部分刻度。在这道具体任务上,思考模式的排布更准确,代价是下方记录的耗时与 token 消耗。
数据面板暴露的是另一类问题:关闭思考的柱高比例正确,却与纵轴刻度对不上;开启思考修正了几何和总计,又额外加上题目没给出的 2024 年和“美元千元”单位。数字图画对了,也可能自行补出业务背景,因此坐标和标签含义都要检查。
思考也有预算代价:鹈鹕和中文海报的开启思考首轮都耗尽 12,288 token,未完成 SVG;下方单独保留提高预算后的重试。关闭思考的动画里,轮子和曲柄会转,腿部却在移动时脱离髋部并出画布。画面动起来,并不代表骑乘动作连贯。
开启思考的动画将髋部固定,让脚端跟随曲柄,关节连接更连贯,鸟和车都留在画布内;腿的折线仍显机械。它的首轮也截断,重试把预算提到 32,768 token,用时 477.49 秒、返回 24,972 输出 token 后才得到结果。这份改进属于更高预算的重试,不能写成同预算首轮胜出。
视觉评测更新 · 2026-10-26
2026-10-26 独立复测,实际请求并返回 LongCat-2.5-Preview;不证明 brief 中无 Preview 后缀的 LongCat-2.5 已发布,也不证明二者是同一固定权重。两档均显式传 thinking:enabled / disabled。请求 temperature=0,但官方文档规定服务端覆盖为开启1.0 / 关闭0.7;因此不能称确定性温度0对比。当前Chat Completion文档未列命名effort档位;另一个Responses接口列出low等参数但没有max名称,本组未混用不同协议。每次首轮上限12,288输出token、600秒,两个独立队列最多并发2,时延仅为本次本地客户端观测,不作模型速度排名。保留全部首轮与失败,隐藏思维内容不公开。 本轮海报开启思考第2次在结果落盘时遭遇本地磁盘ENOSPC:已派发请求保留为interrupted,正文、最终usage、结束状态与实测耗时未知,不算厂商或模型答错;另起第3次重试。累计token仅为已报告部分下界,真实总量与费用无法对账。 本区并排展示四道静态题与动画每档首次成功成图,失败首轮与所有独立重试一并保留;静态首轮档案另列在下方,不重复计数。 官方参数文档
本证据集收录 14 条视觉请求记录。每张图展示首次可渲染的结果,失败历史、重试次数和耗时保留在卡片中;渲染成功不等于几何与指令全部正确。原始首轮结果仍在下方。各批次日期和预算可能不同,这些是案例对比,不是统计排名。
本轮首轮均为12,288输出token、600秒;若生成/渲染失败,独立重试使用新编号并保留失败记录。动画由被测模型生成 SVG SMIL,以 10 fps 采样 4 秒转为动图,未修改源码。点击播放,再次点击暂停。
失败记录:服务端错误 0 次、连接失败 0 次、超时 0 次、中断 1 次、截断 3 次、SVG / 动画无效 0 次。耗时为实录墙钟时间,包含中断;部分超时超过配置上限,不能直接当作模型推理耗时。


2026-10-26 UTC · 第 2 次 · 304.22s · 20529 token
正文首响: 245.10s · 输出预算: 32768
首轮12,288token截断后,独立第2次提高至32,768上限,304.22秒、20,529输出token后取得完整SVG;两次请求累计515.40秒。长喙与喉囊、双轮、三角车架和前叉都能辨认,脚部接近两端脚踏、翼尖连到车把,整体配色和场景完整。保留了细长直腿等卡通简化;这是首次可渲染重试,不是同预算首轮胜出或择优作品。
本序列记录请求数: 2 · 已记录请求耗时: 515.40s
Generate an SVG of a pelican riding a bicycle

2026-10-26 UTC · 第 1 次 · 42.93s · 3335 token
正文首响: 0.99s · 输出预算: 12288
12个数字都在,但表盘排布明显变形:3和9被放到圆面外,分钟刻度形成偏移的大弧线,多条刻度坐标超过600高画布(例如y=775.2)而被截断。按端点计算,时针约289.85°、分针约245.89°,与要求290.5°/246°存在偏差,时针较短的关系正确。源文件背景透明,页面白底显示不影响这些几何错误。
本序列记录请求数: 1 · 已记录请求耗时: 42.93s
Return only a complete, self-contained static SVG with viewBox="0 0 800 600". Draw a clear analog clock showing exactly 9:41, with all twelve numbers 1 through 12. The hour hand must be correctly positioned between 9 and 10, not exactly on 9. The minute hand must indicate minute 41. Use a shorter hour hand and a longer minute hand, no second hand. Add a small label "09:41" below the dial. Do not use scripts, external assets or embedded images.

2026-10-26 UTC · 第 1 次 · 140.04s · 10253 token
正文首响: 97.79s · 输出预算: 12288
12个数字顺序完整,留白充足,09:41标签清楚。源码分别将分针旋转246°、时针旋转290.5°,针长118与78,符合9:41及长短关系。视觉上分针与8号数字较近但未覆盖;本题开启思考耗时140.04秒、10,253输出token。点评为AI助手观察,角度和长度另有源码核对。
本序列记录请求数: 1 · 已记录请求耗时: 140.04s
Return only a complete, self-contained static SVG with viewBox="0 0 800 600". Draw a clear analog clock showing exactly 9:41, with all twelve numbers 1 through 12. The hour hand must be correctly positioned between 9 and 10, not exactly on 9. The minute hand must indicate minute 41. Use a shorter hour hand and a longer minute hand, no second hand. Add a small label "09:41" below the dial. Do not use scripts, external assets or embedded images.

2026-10-26 UTC · 第 1 次 · 16.13s · 1275 token
正文首响: 1.08s · 输出预算: 12288
四根柱子共享y=420零基线,数值、顺序、Total 84与Best Q4正确,高度40/80/60/100也保持2:4:3:5比例。问题在于与纵轴不一致:轴上每10单位跨80像素,而24对应的柱高只有80像素,柱顶实际落在刻度10;30的柱顶仅约刻度12.5。版面清楚,但图表刻度会误导读数。
本序列记录请求数: 1 · 已记录请求耗时: 16.13s
Return only a complete, self-contained static SVG with viewBox="0 0 800 600". Design a polished dashboard card titled "Quarterly Revenue". Draw a vertical bar chart for Q1=12, Q2=24, Q3=18, Q4=30, in that left-to-right order. All four bars must share a zero baseline, and bar heights must be exactly proportional to the values. Show a y-axis labeled 0, 10, 20, 30 and show the value above each bar. Add summary labels "Total: 84" and "Best: Q4". Use a light background and readable typography. Do not use scripts, external assets or embedded images.

2026-10-26 UTC · 第 1 次 · 53.87s · 3924 token
正文首响: 34.96s · 输出预算: 12288
四柱共用y=460基线,高度120/240/180/300,与12/24/18/30及纵轴每10单位100像素一致;Q1–Q4、总计84和最佳Q4均正确,顶部摘要与柱顶数字清晰,没有遮挡。额外添加了提示词未给出的2024年和美元千元单位,真实业务图表需要核对这些自拟上下文。
本序列记录请求数: 1 · 已记录请求耗时: 53.87s
Return only a complete, self-contained static SVG with viewBox="0 0 800 600". Design a polished dashboard card titled "Quarterly Revenue". Draw a vertical bar chart for Q1=12, Q2=24, Q3=18, Q4=30, in that left-to-right order. All four bars must share a zero baseline, and bar heights must be exactly proportional to the values. Show a y-axis labeled 0, 10, 20, 30 and show the value above each bar. Add summary labels "Total: 84" and "Best: Q4". Use a light background and readable typography. Do not use scripts, external assets or embedded images.

2026-10-26 UTC · 第 1 次 · 18.14s · 1053 token
正文首响: 2.17s · 输出预算: 12288
六段指定文字均只出现一次,汉字、标点及数字完整,主标题56px、时间地点28px、说明18px,字号层级满足要求;浅绿背景、居中信息和按钮易读。自行车图标可辨认,但图标轮缘与主标题上沿距离很紧,视觉呼吸感较弱。日期10月24日来自固定测试题,不是当前活动预告。
本序列记录请求数: 1 · 已记录请求耗时: 18.14s
只输出一个完整、自包含的静态 SVG,viewBox="0 0 800 600"。设计一张清晰、精致的中文活动海报。必须且仅包含以下六段文字,每段出现一次,不能增删字或改写:主标题“周末骑行计划”;副标题“慢一点,看见城市”;时间“10月24日 09:00”;地点“滨江公园东门”;说明“自备头盔 · 全程12公里”;按钮文字“立即报名”。画一个简洁的自行车图标。主标题最大,时间地点次之,说明最小。背景浅色,留足边距,所有文字保持在画布内,不重叠,不使用脚本、外部素材或嵌入图片。

2026-10-26 UTC · 第 3 次 · 160.53s · 8921 token
正文首响: 136.19s · 输出预算: 32768
第3次保留下来的完整成图使用32,768上限,160.53秒、8,921输出token;第1次截断,第2次因本地ENOSPC未保存返回,不能推测其质量或usage。六段指定文字各一次,72px主标题、34px时间地点与22px说明层级明确,文字和按钮都在画布内;自行车、时间和地点图标可辨认,没有文字重叠。浅绿装饰、边框和阴影按钮完整,但按钮与底部边框较近。提示词中的10月24日为固定测试日期。
本序列记录请求数: 3 · 已记录请求耗时: ≥ 398.43s
只输出一个完整、自包含的静态 SVG,viewBox="0 0 800 600"。设计一张清晰、精致的中文活动海报。必须且仅包含以下六段文字,每段出现一次,不能增删字或改写:主标题“周末骑行计划”;副标题“慢一点,看见城市”;时间“10月24日 09:00”;地点“滨江公园东门”;说明“自备头盔 · 全程12公里”;按钮文字“立即报名”。画一个简洁的自行车图标。主标题最大,时间地点次之,说明最小。背景浅色,留足边距,所有文字保持在画布内,不重叠,不使用脚本、外部素材或嵌入图片。

2026-10-26 UTC · 第 1 次 · 52.21s · 2993 token
正文首响: 1.20s · 输出预算: 12288
长喙、喉囊、两轮车架清楚,轮辐和曲柄确实在动,40个采样帧都不同,编码WebP实播超过一轮也确认运动。主要失败是腿部连接:模型用animateMotion整体移动腿,髋部脱离鸟身,脚掌路径却留在接近原点的位置,画面左上出现漂浮脚掌,部分腿超出下边界。4秒接缝平均像素误差仅0.0245/255但非逐像素相同;循环小差异无法弥补关节和裁切错误。属于能播放的动画,未满足自然骑乘和主体不出画布。
本序列记录请求数: 1 · 已记录请求耗时: 52.21s
Return only a complete self-contained animated SVG with viewBox="0 0 800 600". Draw a recognizable pelican riding a bicycle: long bill and throat pouch, two wheels, connected frame, saddle and handlebar. Animate rotating wheel spokes and a rotating crank with pedaling legs that remain attached to the rider and pedals. Use SVG SMIL animateTransform/animate/animateMotion only (no CSS animation), with a seamless 4-second repeating loop. Keep the whole bicycle and bird on the canvas. Use a light background. No scripts, foreignObject, external assets, external fonts or embedded images. Use only local SVG shapes and text. The animation must visibly move, not just contain animation tags.

2026-10-26 UTC · 第 2 次 · 477.49s · 24972 token
正文首响: 430.91s · 输出预算: 32768
首轮12,288token截断后,第2次提高至32,768预算,477.49秒、24,972输出token后取得动画;两次实录累计714.89秒。40帧均有变化,WebP实播4.74秒、9个样本确认轮辐和脚踏在动。源码把髋点固定在(352,318),脚端随曲柄轨迹变化,腿部连接比关闭思考图连贯,整只鸟和车保持在画布内。腿仍是较机械的粗折线;4秒接缝视觉连贯但非逐像素相同,平均像素差0.0048/255。不是同预算首轮对比或真实物理仿真。
本序列记录请求数: 2 · 已记录请求耗时: 714.89s
Return only a complete self-contained animated SVG with viewBox="0 0 800 600". Draw a recognizable pelican riding a bicycle: long bill and throat pouch, two wheels, connected frame, saddle and handlebar. Animate rotating wheel spokes and a rotating crank with pedaling legs that remain attached to the rider and pedals. Use SVG SMIL animateTransform/animate/animateMotion only (no CSS animation), with a seamless 4-second repeating loop. Keep the whole bicycle and bird on the canvas. Use a light background. No scripts, foreignObject, external assets, external fonts or embedded images. Use only local SVG shapes and text. The animation must visibly move, not just contain animation tags.
当前成图与成功重试已在上方展示。这里保留原始首轮回答和当时的点评;下方失败说明仅指历史请求。 查看当前结果
TOKRACE 原创视觉测试
2026-10-26 新增 4 题 × 2 档,共 8 次 API 请求。每张图都是第一次回答中的 SVG 代码直接渲染,没有重画、修图、反馈迭代或挑选最佳结果。测试的是代码绘图能力;另有 12 次文本与代码测试单独保留。
2026-10-26 独立复测,实际请求并返回 LongCat-2.5-Preview;不证明 brief 中无 Preview 后缀的 LongCat-2.5 已发布,也不证明二者是同一固定权重。两档均显式传 thinking:enabled / disabled。请求 temperature=0,但官方文档规定服务端覆盖为开启1.0 / 关闭0.7;因此不能称确定性温度0对比。当前Chat Completion文档未列命名effort档位;另一个Responses接口列出low等参数但没有max名称,本组未混用不同协议。每次首轮上限12,288输出token、600秒,两个独立队列最多并发2,时延仅为本次本地客户端观测,不作模型速度排名。保留全部首轮与失败,隐藏思维内容不公开。
观察重点:能辨认出鹈鹕的长喙与喉囊;自行车有两轮和连贯的车架;身体、车座、脚踏、车把之间的位置合理。

首轮未能成图,后续已重试成功。查看成功成图
正文首响 — · 总耗时 211.18s · 12288 输出 token(含思考)
首轮在12,288输出token上限处截断(211.18秒),没有完整SVG,不能当成已完成图像。原始正文、usage与结束原因均保留;随后提高预算独立重试,不人工补画。
Generate an SVG of a pelican riding a bicycle
观察重点:12 个数字完整、顺序正确;分针指向第 41 分钟(从 12 点顺时针 246°);时针指向 9 点后 41 分钟(290.5°),且短于分针。
Return only a complete, self-contained static SVG with viewBox="0 0 800 600". Draw a clear analog clock showing exactly 9:41, with all twelve numbers 1 through 12. The hour hand must be correctly positioned between 9 and 10, not exactly on 9. The minute hand must indicate minute 41. Use a shorter hour hand and a longer minute hand, no second hand. Add a small label "09:41" below the dial. Do not use scripts, external assets or embedded images.
观察重点:Q1 到 Q4 的顺序、数值与总计 84 正确;四柱共享零基线,高度比例为 2:4:3:5;刻度、柱顶数字与摘要清楚,无遮挡。
Return only a complete, self-contained static SVG with viewBox="0 0 800 600". Design a polished dashboard card titled "Quarterly Revenue". Draw a vertical bar chart for Q1=12, Q2=24, Q3=18, Q4=30, in that left-to-right order. All four bars must share a zero baseline, and bar heights must be exactly proportional to the values. Show a y-axis labeled 0, 10, 20, 30 and show the value above each bar. Add summary labels "Total: 84" and "Best: Q4". Use a light background and readable typography. Do not use scripts, external assets or embedded images.
观察重点:六段指定文字各一次,字词与数字不改写;标题、信息和按钮层次清晰;边距充足,文字在画布内且不重叠,自行车可辨识。

首轮未能成图,后续已重试成功。查看成功成图
正文首响 230.17s · 总耗时 237.90s · 12288 输出 token(含思考)
首轮在12,288输出token上限截断(237.90秒),没有完整SVG;不是可发布的中文海报。保留原始正文和usage,并独立提高预算重试,不手工补全。
只输出一个完整、自包含的静态 SVG,viewBox="0 0 800 600"。设计一张清晰、精致的中文活动海报。必须且仅包含以下六段文字,每段出现一次,不能增删字或改写:主标题“周末骑行计划”;副标题“慢一点,看见城市”;时间“10月24日 09:00”;地点“滨江公园东门”;说明“自备头盔 · 全程12公里”;按钮文字“立即报名”。画一个简洁的自行车图标。主标题最大,时间地点次之,说明最小。背景浅色,留足边距,所有文字保持在画布内,不重叠,不使用脚本、外部素材或嵌入图片。
厂商公布 · 与本站实测分开
正式版2.5的benchmark身份与图片来源核查单列在本页官方资料区;此处不以其他LongCat版本图替代。
以下是后续可扩展的测试方向,本轮尚未执行。它们分别检验不同问题,适合逐项展示过程与结果。
| 测试 | 重点检查 | 建议保留的证据 |
|---|---|---|
| 旋转六边形内弹球 | 碰撞边界、重力、能量漂移 | 短视频和物理检查 |
| 根据截图复刻响应式页面 | 布局、字体、手机端溢出 | 原图与 390/1440 像素页面截图 |
| 太阳系 SVG 动画 | 关节、轨迹、节奏一致性 | 固定时长录像与源码 |
| 六枚风格一致的图标 | 线宽、对齐、整组风格 | 总览图和逐个原图 |
| 多模态读图表 | 数值、单位、有依据的结论 | 输入图、原回答与校验 |
官方历史材料 · 不是 2.5 新成绩
本次核查的公开来源中,未找到对应 LongCat 2.5 的 benchmark 图。下方官方历史图用于理解产品演进,图注注明原版本。它们是厂商公布的结果,本站未复现,也不能转记为当前 Preview API 的成绩。
阅读 Agent 和代码图时,需要一起看执行框架、工具、测试集划分、采样次数和成本预算。不同版本、不同 harness 的柱状图,不能直接等同于真实前端任务的效果。

仅属于 2026-06-30 发布的 LongCat-2.0,不代表 2.5 或 Preview。图中包含 Terminal-Bench 2.1 70.8 与 SWE-bench Pro 59.5;不同模型分数口径见官方 README,带 * 分数引用各模型报告。TOKRACE 未复现。
Meituan LongCat / 美团 LongCat · LongCat-2.0 only · 官方原文 · 来源图片地址 · 放大 / 下载原图

官方 2.0 文章的架构示意,只用于解释家族技术路线;不能当作 2.5 技术报告,也不是 2.5 能力证据。
Meituan LongCat / 美团 LongCat · LongCat-2.0 only · 官方原文 · 来源图片地址 · 放大 / 下载原图
下载本轮文本/代码数据 · 前端证据 · Responses 诊断 · 完整请求核算 · 视觉首轮 · 动画与重试
公开数据只保留正文及思考耗时/token 计数,不公开隐藏思维链。重试成功也不删除失败记录;下载文件保留准确请求与返回型号。
2026-10-26T15:48:00.112Z · 正文首响 / 总耗时:1.52s / 1.93s · 结束原因:stop
输入 / 输出 / 思考 token:85 / 20 / — · max_tokens=12288
从以下资料提取联系信息。只输出一个 JSON 对象,恰好包含 name、age、city、email 四个字段;age 为数字,未提供的 email 为 null。不要 Markdown 或解释。 资料:林桐,28 岁,目前居住在杭州。未提供电子邮件。历史备注提到曾在北京出差,不是现居城市。
{"name":"林桐","age":28,"city":"杭州","email":null}2026-10-26T15:48:02.041Z · 正文首响 / 总耗时:3.00s / 3.23s · 结束原因:stop
输入 / 输出 / 思考 token:82 / 136 / 114 · max_tokens=12288
从以下资料提取联系信息。只输出一个 JSON 对象,恰好包含 name、age、city、email 四个字段;age 为数字,未提供的 email 为 null。不要 Markdown 或解释。 资料:林桐,28 岁,目前居住在杭州。未提供电子邮件。历史备注提到曾在北京出差,不是现居城市。
{"name":"林桐","age":28,"city":"杭州","email":null}2026-10-26T15:48:05.278Z · 正文首响 / 总耗时:2.83s / 2.90s · 结束原因:stop
输入 / 输出 / 思考 token:46 / 110 / 99 · max_tokens=12288
把以下编号去重并保持首次出现的顺序:B2,A1,B2,C3,A1,D4。只输出用英文逗号连接的编号,不要空格、标题或解释。
B2,A1,C3,D4
2026-10-26T15:48:08.178Z · 正文首响 / 总耗时:1.16s / 1.50s · 结束原因:stop
输入 / 输出 / 思考 token:49 / 9 / — · max_tokens=12288
把以下编号去重并保持首次出现的顺序:B2,A1,B2,C3,A1,D4。只输出用英文逗号连接的编号,不要空格、标题或解释。
B2,A1,C3,D4
2026-10-26T15:48:09.677Z · 正文首响 / 总耗时:2.29s / 2.64s · 结束原因:stop
输入 / 输出 / 思考 token:43 / 15 / — · max_tokens=12288
将数值 12、3、25、8 按从小到大排序。只输出 JSON 数组,元素为数字。不要解释或代码围栏。
[3, 8, 12, 25]
2026-10-26T15:48:12.324Z · 正文首响 / 总耗时:2.10s / 2.29s · 结束原因:stop
输入 / 输出 / 思考 token:40 / 80 / 63 · max_tokens=12288
将数值 12、3、25、8 按从小到大排序。只输出 JSON 数组,元素为数字。不要解释或代码围栏。
[3, 8, 12, 25]
2026-10-26T15:48:14.614Z · 正文首响 / 总耗时:3.28s / 3.47s · 结束原因:stop
输入 / 输出 / 思考 token:107 / 123 / 106 · max_tokens=12288
只根据以下材料回答。输出恰好包含 usable、nextDelivery、manager 三个字段的 JSON 对象,不要额外文字。usable 是可用件数(数字),nextDelivery 是下一次送货时间(字符串),材料未说明的信息用 null,不能猜测。 材料:北区仓库今天收到 12 件货物,其中 3 件损坏,不可使用。下一次送货安排在周二。仓库负责人姓名没有记载。旧计划曾写周日,已作废。
{"usable":9,"nextDelivery":"周二","manager":null}2026-10-26T15:48:18.092Z · 正文首响 / 总耗时:1.04s / 1.54s · 结束原因:stop
输入 / 输出 / 思考 token:110 / 19 / — · max_tokens=12288
只根据以下材料回答。输出恰好包含 usable、nextDelivery、manager 三个字段的 JSON 对象,不要额外文字。usable 是可用件数(数字),nextDelivery 是下一次送货时间(字符串),材料未说明的信息用 null,不能猜测。 材料:北区仓库今天收到 12 件货物,其中 3 件损坏,不可使用。下一次送货安排在周二。仓库负责人姓名没有记载。旧计划曾写周日,已作废。
{"usable": 9, "nextDelivery": "周二", "manager": null}2026-10-26T15:48:19.636Z · 正文首响 / 总耗时:3.46s / 5.59s · 结束原因:stop
输入 / 输出 / 思考 token:110 / 127 / — · max_tokens=12288
写 JavaScript 函数 parseCents(value)。value 必须是字符串:允许两端空白;只接受非负十进制金额,整数部分至少一位,小数最多两位;拒绝指数写法、符号、千分位、Infinity、空串、超过两位小数。返回整数分数,超过 Number.MAX_SAFE_INTEGER 则返回 null。非法类型或格式返回 null。不能把非法值四舍五入成合法值。只输出函数代码,不要 Markdown 或解释。
```javascript
function parseCents(value) {
if (typeof value !== 'string') return null;
const trimmed = value.trim();
if (!/^\d+(\.\d{1,2})?$/.test(trimmed)) return null;
const [intPart, decPart = ''] = trimmed.split('.');
const cents = Number(intPart) * 100 + Number((decPart + '00').slice(0, 2));
if (!Number.isSafeInteger(cents) || cents > Number.MAX_SAFE_INTEGER) return null;
return cents;
}
```const cases=[['0',0],[' 12.30 ',1230],['0.29',29],['1.2',120],['0001.02',102],['1.234',null],['-1',null],['+1',null],['1e3',null],['',null],['.5',null],['1.',null],['Infinity',null],['1,000',null],[null,null],[1,null],['90071992547409.91',9007199254740991],['90071992547409.92',null]]; for (const [input,want] of cases) if(parseCents(input)!==want) throw Error('Failed '+JSON.stringify(input));2026-10-26T15:48:25.234Z · 正文首响 / 总耗时:58.43s / 60.67s · 结束原因:stop
输入 / 输出 / 思考 token:107 / 3101 / 2948 · max_tokens=12288
写 JavaScript 函数 parseCents(value)。value 必须是字符串:允许两端空白;只接受非负十进制金额,整数部分至少一位,小数最多两位;拒绝指数写法、符号、千分位、Infinity、空串、超过两位小数。返回整数分数,超过 Number.MAX_SAFE_INTEGER 则返回 null。非法类型或格式返回 null。不能把非法值四舍五入成合法值。只输出函数代码,不要 Markdown 或解释。
function parseCents(value) {
if (typeof value !== 'string') return null;
var m = value.trim().match(/^(\d+)(?:\.(\d{1,2}))?$/);
if (!m) return null;
var frac = m[2] ? (m[2] + '0').slice(0, 2) : '00';
var centsStr = (m[1] + frac).replace(/^0+(?=\d)/, '');
var max = String(Number.MAX_SAFE_INTEGER);
if (centsStr.length > max.length || (centsStr.length === max.length && centsStr > max)) return null;
return Number(centsStr);
}const cases=[['0',0],[' 12.30 ',1230],['0.29',29],['1.2',120],['0001.02',102],['1.234',null],['-1',null],['+1',null],['1e3',null],['',null],['.5',null],['1.',null],['Infinity',null],['1,000',null],[null,null],[1,null],['90071992547409.91',9007199254740991],['90071992547409.92',null]]; for (const [input,want] of cases) if(parseCents(input)!==want) throw Error('Failed '+JSON.stringify(input));2026-10-26T15:49:25.910Z · 正文首响 / 总耗时:9.41s / 10.27s · 结束原因:stop
输入 / 输出 / 思考 token:78 / 410 / 351 · max_tokens=12288
写 JavaScript 函数 uniqueById(items)。items 是对象数组,每个对象有字符串 id 字段。保留每个 id 首次出现的原对象和原顺序,不修改输入或任何对象;空数组返回空数组。id 可为 __proto__、constructor 或空字符串。只输出函数代码,不要 Markdown 或解释。
function uniqueById(items) {
const seen = new Set();
const result = [];
for (const item of items) {
if (!seen.has(item.id)) {
seen.add(item.id);
result.push(item);
}
}
return result;
}const a={id:'__proto__',value:1},b={id:'constructor'},c={id:''},d={id:'x'};const input=Object.freeze([a,b,{id:'__proto__'},c,{id:''},d,{id:'constructor'}]);const got=uniqueById(input);if(got.length!==4||got[0]!==a||got[1]!==b||got[2]!==c||got[3]!==d)throw Error('Wrong identity or order');if(uniqueById([]).length!==0)throw Error('Empty');if(input.length!==7||a.value!==1)throw Error('Mutation');2026-10-26T15:49:36.188Z · 正文首响 / 总耗时:1.57s / 2.74s · 结束原因:stop
输入 / 输出 / 思考 token:81 / 68 / — · max_tokens=12288
写 JavaScript 函数 uniqueById(items)。items 是对象数组,每个对象有字符串 id 字段。保留每个 id 首次出现的原对象和原顺序,不修改输入或任何对象;空数组返回空数组。id 可为 __proto__、constructor 或空字符串。只输出函数代码,不要 Markdown 或解释。
```javascript
function uniqueById(items) {
const seen = new Set();
const result = [];
for (const item of items) {
const id = item.id;
if (!seen.has(id)) {
seen.add(id);
result.push(item);
}
}
return result;
}
```const a={id:'__proto__',value:1},b={id:'constructor'},c={id:''},d={id:'x'};const input=Object.freeze([a,b,{id:'__proto__'},c,{id:''},d,{id:'constructor'}]);const got=uniqueById(input);if(got.length!==4||got[0]!==a||got[1]!==b||got[2]!==c||got[3]!==d)throw Error('Wrong identity or order');if(uniqueById([]).length!==0)throw Error('Empty');if(input.length!==7||a.value!==1)throw Error('Mutation');10 月 23 日提供的 brief 作为声明与测试重点的来源;公开结论以注明来源的官方材料和已保存的实测证据为界。推广偏好不决定任务成绩,也不构成竞品排名。