美团LongCat 2.5上线AI Gateway：百万上下文+视觉编程

美团的大模型LongCat 2.5正式登陆AI Gateway，这款模型把原生视觉理解、编码能力和多步工具调用整合到一起，面向在复杂代码库与全项目构建中工作的智能体。

一款为智能体工程流程打造的模型

LongCat 2.5的定位不是单纯的代码补全工具。按照美团给出的说明，模型在视觉编程、创意设计和3D任务上有明显改进，同时支持更长的智能体工作流——把工程工作从规划一路推进到执行。这意味着它更适合承担"从需求拆解到落地实现"这类连续任务，而不只是回答单点问题。

模型支持文本与图像两种输入，上下文窗口达到100万token，可覆盖代码、文档以及较长的任务历史。对于需要反复引用项目文件、跨文件追踪依赖的智能体场景，长上下文是刚需，这一规格直接决定了它能否在完整代码库中保持连贯推理。

接入方式：一行模型名即可调用

在AI Gateway中，调用该模型只需使用模型名meituan/longcat-2.5。官方给出的AI SDK示例展示了流式调用的基本写法：引入streamText，指定模型名与提示词，然后逐块读取文本流输出。这种接入方式对已有AI SDK工作流的团队来说迁移成本很低。

想在Claude Code、Codex、Cursor等编码智能体中使用，需要先安装最新版Vercel CLI并运行npx vercel ai-gateway setup，随后在智能体中选择meituan/longcat-2.5。官方还提供了模型playground供直接试用。

AI SDK 与 streamText

AI SDK 是 Vercel 推出的开源 TypeScript 工具库，用于在应用中统一接入大模型，屏蔽不同供应商 API 的差异。streamText 是其核心函数之一，以流式方式发起文本生成请求：模型返回内容时逐块（chunk）推送到客户端，而非等待全部生成完毕后一次性返回。流式输出对编码智能体尤其重要，因为生成代码可能持续数十秒，逐块渲染能让用户在生成过程中就看到进度并随时中断。streamText 返回的对象包含可迭代的文本流，也支持在流结束后汇总完整结果、统计 token 用量，便于接入用量与成本追踪。

BYOK（自带密钥）

BYOK 即 Bring Your Own Key，指用户使用自己在模型供应商处申请的 API 密钥，通过网关转发请求，而不是使用网关平台统一提供的密钥。对团队而言，BYOK 的好处是计费直接发生在用户与供应商之间，便于沿用既有合同价格与配额；网关只承担路由、重试和用量观测的职责。AI Gateway 对 BYOK 请求同样不加价、不收平台费，这意味着团队可以把网关当作纯粹的接入层使用，而不必担心额外成本叠加。

AI Gateway的角色：统一入口与成本可控

AI Gateway本身提供统一API，用于调用模型、追踪用量与成本，并配置重试、故障转移和性能优化，以获得高于单一供应商的可用性。它还内置自定义报表、零数据保留支持、API密钥预算和路由规则等能力。

计费方面，AI Gateway按供应商定价原样反映，不加价，也不对推理收取平台费用，自带密钥（BYOK）请求同样适用。对于需要同时接入多家模型、又希望统一管理成本和路由的团队，这类网关层的价值在于把"选模型"和"管模型"解耦。

故障转移与路由规则

故障转移（failover）指主模型请求失败或超时时，网关自动将请求改发到预先配置的备用模型，避免单点故障导致业务中断。路由规则则允许按请求特征（如任务类型、成本上限、用户分组）决定走哪个模型。二者结合，使团队可以在代码中固定调用一个逻辑模型名，由网关层决定背后实际使用哪个供应商的模型。这在多模型对比、灰度切换以及供应商限流时尤为实用，也让“选模型”从代码改动变成配置改动。

值得关注的几个方向

视觉编程与3D任务被美团单独点名，说明模型在多模态输入与代码生成之间存在针对性的优化，这对涉及界面还原、设计稿转代码的工作流有实际意义。多步工具调用配合长上下文，则指向更自主的智能体形态——模型需要自己决定调用哪些工具、如何串联步骤、在长任务中保持目标不漂移。

不过，官方目前披露的信息集中在能力方向与接入方式，缺少具体的基准测试数据。视觉编程和3D任务的实际表现、百万上下文下的有效召回质量，还需要在实际项目中验证。对打算在编码智能体中替换或新增模型的团队来说，先用playground做小规模对比测试是更稳妥的路径。

百万上下文下的有效召回

上下文窗口指模型单次请求可处理的最大 token 数，100 万 token 大致相当于数千页文本或一个中等规模代码库。但窗口容量与有效利用是两回事：随着输入变长，模型对中间位置信息的注意力容易衰减，业界称之为“迷失在中间”现象。因此评估长上下文模型时，除了看窗口规格，还需关注其在长文档问答、跨文件依赖追踪等任务上的实际召回准确率，以及在长输入下的推理延迟与成本。这些指标目前官方尚未披露。