•

Open weights model

•

Released junio de 2026

Análisis de inteligencia, rendimiento y precio de LongCat 2.0

Name: Inteligencia
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

Probar Benchmarks de proveedores de API

InteligenciaUpdated

Índice de Inteligencia de Artificial Analysis

Velocidad

N/D

Tokens de salida por segundo

Costo

Entrada 0,30 US$Salida 1,20 US$Descuento de caché 98%

$0.06

Costo por tarea del Índice de Inteligencia

Verbosidad

140M

Tokens de salida del Índice de Inteligencia

LongCat 2.0 está por encima del promedio en inteligencia y tiene un precio razonable en comparación con otros modelos de pesos abiertos y tamaño similar. El modelo admite entrada de texto, genera texto y tiene una ventana de contexto de 1M tokens.

LongCat 2.0 obtiene 19 puntos en el Índice de Inteligencia de Artificial Analysis, lo que lo sitúa por encima del promedio entre modelos comparables (con una mediana de 18). Al evaluar el Índice de Inteligencia, generó 140M tokens, lo que es bastante conciso frente a la mediana de 140M.

El precio de LongCat 2.0 es de $0.30 por 1 M de tokens de entrada (moderado; mediana: $0.30) y $1.20 por 1 M de tokens de salida (algo elevado; mediana: $1.16). En promedio, evaluar LongCat 2.0 en el Índice de Inteligencia cuesta $0.06 por tarea.

Razonamiento	Sí Esta página muestra la versión con razonamiento de este modelo. También puede existir una variante sin razonamiento.
Modalidad de entrada	Admite: texto
Modalidad de salida	Admite: texto
Ventana de contexto	1M ~1500 páginas A4 con fuente Arial de 12 puntos
Parámetros totales	1.6T
Parámetros activos	48B Número de parámetros activos por token durante la inferencia
Licencia	MIT
Pesos del modelo	Hugging Face

Las métricas se comparan con modelos de la misma clase:

Modelos sin razonamiento → se comparan solo con otros modelos sin razonamiento
Modelos de razonamiento → se comparan tanto con modelos de razonamiento como sin razonamiento
Modelos de pesos abiertos → se comparan solo con otros modelos de pesos abiertos de la misma categoría de tamaño:

Muy pequeño: ≤4B parámetros
Pequeño: 4B–40B parámetros
Mediano: 40B–150B parámetros
Grande: >150B parámetros

Modelos propietarios → se comparan con modelos propietarios y de pesos abiertos del mismo rango de precio mediante una proporción combinada de precios de entrada/salida de 3:1:

<$0.15 por 1 M de tokens
$0.15–$1 por 1 M de tokens
>$1 por 1 M de tokens

Aspectos destacados

Updated

Inteligencia

Artificial Analysis Intelligence Index · Higher is better

Velocidad

Output tokens per second · Higher is better

Costo por tarea

Weighted average cost (USD) per Intelligence Index task · Lower is better

InteligenciaUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 incorporates 10 evaluations: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1

Artificial Analysis Intelligence Index v4.3.2 includes: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Artificial Analysis Intelligence Index by Open Weights / Proprietary

Indicates whether the model weights are available. Models are labelled as 'Commercial Use Restricted' if commercial use is limited by conditions, and as 'Non-commercial' if the license prohibits commercial use.

Índices de capacidades

Miden el rendimiento de modelos en capacidades e industrias específicas

Artificial Analysis Finance & Accounting Index

Incorporates 7 evaluations: AA-Omniscience, GDPval-AA v2.1, AA-Briefcase v1.1, Humanity's Last Exam, AutomationBench-AA, AA-LCR v1.1, GDP.pdf · Higher is better

Benchmarks

Intelligence Evaluations

Intelligence evaluations measured independently by Artificial Analysis · Higher is better

AA-Briefcase v1.1Updated

Agentic knowledge work, (Elo-500)/2000

GDPval-AA v2.1Updated

Agentic real-world work tasks, (Elo-500)/2000

AutomationBench-AAUpdated

Agentic SaaS workflows

Terminal-Bench 4.0New

Agentic coding & terminal use

SciCode

Coding

Humanity's Last Exam

Reasoning & knowledge

GDP.pdfNew

Professional document reasoning, All-pass

CritPtUnder review

Physics reasoning

AA-Omniscience Accuracy

Knowledge

AA-Omniscience Non-Hallucination Rate

1 - hallucination rate

AA-LCR v1.1

Long context reasoning

Harvey LAB-AA

Legal agentic work, criterion pass rate

EnterpriseOps-Gym-AA

Agentic business operations

Terminal-Bench-Science 0.1New

Agentic scientific research workflows in a terminal

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

𝜏³-Banking

Agentic tool use

ITBench-AA

Kubernetes incident root-cause analysis

MMMU-Pro

Visual reasoning

MLCR-AA

Medical long context reasoning

While model intelligence generally translates across use cases, specific evaluations may be more relevant for certain use cases.

AA-Briefcase v1.1Updated

AA-Briefcase Elo

AA-Briefcase v1.1 is an agentic knowledge work benchmark developed by Artificial Analysis. AA-Briefcase Elo is a combined metric that aggregates rubric pass rate, analytical quality Elo and presentation Elo · Higher is better

AA-Briefcase Elo is a combined metric that aggregates analytical quality Elo, presentation Elo, and rubric pass rate, with rubric performance converted into Elo via synthetic head-to-head matches. Elo and 95% confidence interval bounds are clamped at 0.

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index (higher is better) measures knowledge reliability and hallucination. It rewards correct answers, penalizes hallucinations, and has no penalty for refusing to answer. Scores range from -100 to 100, where 0 means as many correct as incorrect answers, and negative scores mean more incorrect than correct.

Índice de apertura

Artificial Analysis Openness Index: Score

Openness Index assesses model openness on a 0 to 100 normalized scale (higher is more open)

Comparaciones del Índice de Inteligencia

Intelligence Index vs. Cost per Intelligence Index Task

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Pareto line

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

Uso de tokens

Output Tokens per Intelligence Index Task

Weighted average number of output tokens used to run one task in the Artificial Analysis Intelligence Index

The number of tokens required per Intelligence Index task. This is calculated by multiplying the output tokens per eval by the relative weights of each benchmark in the Intelligence Index, then dividing by task count (excluding repeats).

Costo

Cost per Intelligence Index Task

Weighted average cost (USD) per Artificial Analysis Intelligence Index task, segmented by token type. Lower is better

Cost to Run Artificial Analysis Intelligence Index

Cost (USD) to run all evaluations in the Artificial Analysis Intelligence Index

The cost to run the evaluations in the Artificial Analysis Intelligence Index, calculated using the model's input, cache hit, cache write, reasoning, and answer token prices and the number of tokens used across evaluations (excluding repeats).

Pricing: Cache Hit, Input, and Output

Price (USD per M Tokens)

Price per token for cached prompts (previously processed), typically offering a significant discount compared to regular input price, represented as USD per million tokens. The values shown here are the cache hit price; cache write and cache storage are billed separately and vary by provider — see "Cache pricing by provider" for detail.

Ventana de contexto

Context Window

Context window: tokens limit · Higher is better

Larger context windows are relevant to RAG (Retrieval Augmented Generation) LLM workflows which typically involve reasoning and information retrieval of large amounts of data.

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

Tamaño del modelo (solo modelos de pesos abiertos)

Model Size: Total and Active Parameters

Comparison between total model parameters and parameters active during inference (billions)

The total number of trainable weights and biases in the model, expressed in billions. These parameters are learned during training and determine the model's ability to process and generate responses.

The number of parameters actually executed during each inference forward pass, expressed in billions. For Mixture of Experts (MoE) models, a routing mechanism selects a subset of experts per token, resulting in fewer active than total parameters. Dense models use all parameters, so active equals total.

Preguntas frecuentes

Preguntas comunes sobre LongCat 2.0

LongCat 2.0 se lanzó el 29 de junio de 2026.

LongCat 2.0 fue creado por LongCat.

LongCat 2.0 obtiene 19 puntos en el Índice de Inteligencia de Artificial Analysis, lo que lo sitúa por encima del promedio entre otros modelos de pesos abiertos y tamaño similar (mediana: 18).

LongCat 2.0 cuesta $0.30 por 1 M de tokens de entrada (mejor que el promedio; mediana: $0.44) y $1.20 por 1 M de tokens de salida (mejor que el promedio; mediana: $1.68), según la API de LongCat.

LongCat 2.0 cuesta $0.30 por 1 M de tokens de entrada y $1.20 por 1 M de tokens de salida (según la API de LongCat). Con una tarifa combinada (proporción 7:2:1 entre aciertos de caché, entrada y salida), equivale a $0.18 por 1 M de tokens. El precio puede variar según el proveedor. Comparar precios de proveedores

Al evaluarlo en el Índice de Inteligencia, LongCat 2.0 generó 140M tokens de salida, un valor menor que el promedio frente a otros modelos de pesos abiertos y tamaño similar (mediana: 140M).

Sí, LongCat 2.0 es un modelo de razonamiento. Usa pensamiento extendido o razonamiento en cadena para resolver problemas complejos antes de dar una respuesta.

LongCat 2.0 admite entrada de texto.

LongCat 2.0 admite salida de texto.

No, LongCat 2.0 no admite imágenes como entrada. Solo puede procesar texto.

No, LongCat 2.0 no es multimodal. Solo admite entradas de texto.

LongCat 2.0 tiene una ventana de contexto de 1.0M tokens. Esto determina cuánto texto e historial de conversación puede procesar el modelo en una sola solicitud.

Sí, LongCat 2.0 es un modelo de pesos abiertos. Los pesos del modelo están disponibles públicamente y pueden descargarse para alojarlo por cuenta propia.

LongCat 2.0 tiene 1,6 billones de parámetros (48 mil millones activos).

LongCat 2.0 es un modelo de mezcla de expertos (MoE) con 1,6 billones de parámetros totales, pero durante la inferencia solo usa 48 mil millones de parámetros activos.

LongCat 2.0 se publica bajo la licencia MIT, que permite el uso comercial. Ver licencia

LongCat 2.0 obtiene 19 puntos en el Índice de Inteligencia de Artificial Analysis. Este benchmark compuesto evalúa los modelos en razonamiento, conocimiento, matemáticas y programación.

Sí, LongCat 2.0 está disponible mediante API a través de 2 proveedores. Comparar proveedores de API

LongCat 2.0 está disponible a través de 2 proveedores de API. Comparar proveedores

Análisis de inteligencia, rendimiento y precio de LongCat 2.0

Resumen del modelo

InteligenciaUpdated

Velocidad

Resumen comparativo

Especificaciones técnicas

116 modelos en esta clase

Velocidad

InteligenciaUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index by Open Weights / Proprietary

Artificial Analysis Intelligence Index

Open Weights

Intelligence Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

AA-Briefcase v1.1Updated

AA-Briefcase Elo

AA-Briefcase Elo

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index

Índice de apertura

Artificial Analysis Openness Index: Score

Comparaciones del Índice de Inteligencia

Intelligence Index vs. Cost per Intelligence Index Task

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Uso de tokens

Output Tokens per Intelligence Index Task

Output Tokens per Intelligence Index Task

Costo

Cost per Intelligence Index Task

Cost per Intelligence Index Task

Cost to Run Artificial Analysis Intelligence Index

Cost to Run Artificial Analysis Intelligence Index

Pricing: Cache Hit, Input, and Output

Cache Hit

Ventana de contexto

Context Window

Context Window for RAG

Context Window

Tamaño del modelo (solo modelos de pesos abiertos)

Model Size: Total and Active Parameters

Total Parameters

Active Parameters at Inference Time

Preguntas frecuentes

¿Cuándo se lanzó LongCat 2.0?

¿Quién creó LongCat 2.0?

¿Qué tan inteligente es LongCat 2.0?

¿Cuánto cuesta LongCat 2.0?

¿Cuál es el precio de la API de LongCat 2.0?

¿Qué tan verboso es LongCat 2.0?

¿LongCat 2.0 es un modelo de razonamiento?

¿Qué modalidades de entrada admite LongCat 2.0?

¿Qué modalidades de salida admite LongCat 2.0?

¿LongCat 2.0 puede procesar imágenes?

¿LongCat 2.0 es multimodal?

¿Cuál es la ventana de contexto de LongCat 2.0?

¿LongCat 2.0 es de código abierto?

¿Cuántos parámetros tiene LongCat 2.0?

¿Cuáles son los parámetros activos de LongCat 2.0?

¿Qué licencia tiene LongCat 2.0?

¿Cómo rinde LongCat 2.0 en los benchmarks?

¿LongCat 2.0 está disponible mediante API?

¿Dónde puedo usar LongCat 2.0?