LongCat 2.5: análise de capacidades e limites

O LongCat 2.5 merece um teste controlado para código e trabalho visual, mas ainda não há base para um agente de produção sem supervisão. Em duas tarefas no Tabbit, ele calculou uma tabela e propôs uma correção útil, mas descreveu incorretamente dois resultados do código original.

A avaliação oficial informa 88,4 no Terminal Bench v2.1 contra 70,8 do 2.0. A comparação depende do ambiente da fornecedora e não é a chance de sucesso no seu projeto.

Pontos principais

• A fornecedora descreve 1,6 trilhão de parâmetros totais e cerca de 48 bilhões ativos por token.

• Os resultados dependem do ambiente e não são reprodução independente.

• Relatos sobre o Preview incluem elogios e loops de ferramentas; não comprovam o comportamento da versão posterior.

• Os pesos ainda eram anunciados para breve em 3 de novembro.

• Confira disponibilidade, privacidade e preço antes de liberar arquivos ou ferramentas.

LongCat 2.5 em resumo

Veja a visão geral do LongCat 2.0 e o guia de navegador com agentes para separar modelo e cliente.

Dois testes no Tabbit antes dos rankings

Em 3 de novembro escolhemos LongCat-2.5 no Tabbit Browser Dev, em modo de chat e sem ferramentas de escrita. Os critérios foram definidos antes; cada tarefa rodou uma vez na mesma conversa. Snapshot do modelo, provedor, nível de raciocínio, tokens e custo são desconhecidos. Não é possível inferir taxa de sucesso ou disponibilidade geral.

Com três conjuntos de números fictícios, o modelo calculou +6, +6 e −6 e identificou o empate. Respondeu em chinês num ambiente em chinês; o pedido em inglês não exigia idioma de saída.

Na revisão de uma função JavaScript, a correção filtrou números finitos não negativos e retornou null para uma lista vazia. Executada localmente, produziu os cinco resultados esperados. Mas a explicação do código original errou duas vezes: [NaN, 4] retorna 4, não NaN; [0] lança TypeError, não NaN. O modelo sugeriu testes sem demonstrar que os executou. Não testamos edição autônoma de repositórios.

Relatos: Preview e versão de novembro

Um usuário do Reddit diz que o Preview entrou em loop ao analisar cinco classes C# no OpenCode e não terminou em cerca de 20 minutos; entrada e configuração completas não foram publicadas. Outro teste do Preview informa 48,7% pass@1 e 64,0% pass@3 em 89 tarefas repetidas três vezes, com falha persistente do dispositivo em uma tarefa. Não é comparável diretamente ao resultado oficial da versão posterior.

Um relato no DEV prefere a compreensão de contexto e a coordenação de ferramentas do Preview em vários projetos, sem publicar prompts completos ou registros controlados.

No Hacker News, InsideOutSanta elogiou uma imagem de pelicano numa bicicleta, sem detalhar toda a configuração. vfosnar relatou problemas de digitação no Firefox e buscas repetidas, atribuindo-os provisoriamente ao cliente. swiftcoder relatou tarefas simples de código com Preview, sem detalhes. São experiências individuais.

A avaliação da TOKRACE descreve 15 tarefas criativas com a versão de novembro no Claude Code: uma estante respeitou as dimensões; um redutor usou 140 metros em vez de 140 milímetros e não entregou o vídeo solicitado; um gráfico inventou ano, unidades e fonte. Os resultados de terceiros dependem da configuração usada.

Testes oficiais e condições

Fonte oficial, consultada em 3 de novembro de 2026. Salvo indicação contrária: thinking ativado, temperatura 1 e top-p 0,95. Terminal v2.1 usou Claude Code v2.1.280, sequência máxima de 512K e média de três execuções. BrowseComp usou harness próprio, duas ferramentas e até 1.024 rodadas; Vision2Web usou outra versão do Claude Code e 256K. Os resultados dos rivais misturam fontes externas e medições da fornecedora. Não compare v2.1 com v4.0 nem infira custo ou sucesso real.

Três usos para experimentar

Código em várias etapas

A melhora de terminal justifica testar uma tarefa pequena com testes.

Pesquisa em fontes públicas

BrowseComp indica interesse em pesquisa pública, sem garantir uso em sites autenticados.

Entrada visual

A entrada visual permite experimentar uma página a partir de captura, mas renderização, acessibilidade e código precisam de verificação. O guia de automação descreve o fluxo, não a qualidade do modelo.

Três limites

O cliente muda o resultado

O cliente afeta ferramentas e loops: limite chamadas e revise arquivos, conforme estas práticas do Tabbit.

Pesos pendentes

Os pesos de 2.5 ainda eram anunciados para breve.

Preço e dados

A página oficial de preços mostrava em 3 de novembro ¥2/¥0,04/¥8 por milhão de tokens de entrada sem cache, em cache e saída, em promoção temporária. Confirme retenção e residência de dados; API, assinatura e Tabbit são distintos. Veja também os preços do DeepSeek V4 Flash.

Um teste prático no Tabbit

Abra um artigo público, peça cinco afirmações com fontes e confira cada uma. Registre modelo, data, prompt, resposta e correções; revise as condições antes de usar documentos privados. O seletor varia por conta. O guia do DeepSeek Harness explica o papel do cliente; compare o DeepSeek V4.1 Flash com as mesmas tarefas. Para guardar ensaios, veja pesquisa com vários modelos.

Tabbit Browser

Baixar o Tabbit Browser e testar uma tarefa pequena e verificável

Baixar o navegador não executa o modelo; confira antes o seletor e as condições da conta.

Recomendação por tarefa

Execute a mesma tarefa verificável no cliente e no provedor pretendidos; registre versão, ajustes, tentativas, custo e correções. Um resultado não é uma taxa de confiabilidade.

Secholar.L

Crescimento e conteúdo na Tabbit

Secholar.L escreve guias práticos sobre navegadores com IA e fluxos de trabalho com agentes, comparando ferramentas com pesquisa real e fontes verificáveis.