热点

美团LongCat-Flash-Omni 正式发布,开启全模态实时交互新时代

字号+ 作者:牛骥同槽网 来源:新品上市 2026-11-23 我要评论(0)

美团LongCat-Flash-Omni 正式发布,开启全模态实时交互新时代

9月1日,美团正式推出了 LongCat-Flash 系列模型,并在近期开源了 LongCat-Flash-Chat 和 LongCat-Flash美团-Thinking 两大版本,吸引了众多开发者的关注。今天,LongCat 团队宣布推出全新家族成员 ——LongCat-Flash-Omni,这款模型Lo在原有基础上实现了多项技术创新,标志着全模态实时交互的新时代。

LongCat-Flash-Omni 基于 LongCat-Flash 系列的高效架ng构设计,采用了最新的 Shortcut-Connected MoE(ScMoE)技术,集成了高效的多模态感知模块和语音重建模块。尽管该模型总参数高达Ca5600亿(激活参数270亿),依然能够提供低延迟的实时音视频交互能力。这一突破为开发者提供了更加高效的多模态应用场景解决方案。

根据综合评估结果,Lt-ongCat-Flash-Omni 在全模态基准测试中表现优异,达到了开源最先进水平(SOTA)。该模型在文本、图像、视频理解及语音感知与生Fl成等关键单模态任务中均展现出强大的竞争力,实现了 “全模态不降智” 的目标。

LongCat-Flash-Omni 采用了一体化的全模态架构,整合了离线as多模态理解与实时音视频交互能力。其设计理念为完全端到端,使用视觉与音频编码器作为多模态感知器,能够直接生成文本与语音 token,并通过轻量级音频解码h-器实现自然语音波形的重建,确保低延迟的实时交互。

此外,该模型引入了渐进式早期多模融合训练策略,以应对全模态模型训练中不同模态数据分布的异质性。Om这一策略确保了各模态之间的有效协同,推动了模型整体性能的提升。

在具体性能测试中,LongCat-Flash-Omni 在多个领域中表现出色,特别ni是在文本理解和图像理解任务中,其能力不仅未出现衰减,反而实现了显著提升。音频和视频处理方面,该模型的表现同样突出,尤其是在实时音视频交互的自然度 正和流畅度方面,领先于许多开源模型。

LongCat 团队还为用户提供了全新的体验渠道,用户可通过官网体验图片、文件上传和语音通话功能。同时,L式发ongCat 官方 App 现已发布,支持联网搜索和语音通话,未来将推出视频通话功能。

  • Hugging Face:

    https://huggingfac布,e.co/meituan-longcat/LongCat-Flash-Omni

  • Github:

    https://github.com/meituan-l开启ongcat/LongCat-Flash-Omni


1.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源;2.本站的原创文章,请转载时务必注明文章作者和来源,不尊重原创的行为我们将追究责任;3.作者投稿可能会经我们编辑修改或补充。

相关文章
  • 标签: 银河通用 Galbot S1 银河星脑 具身智能

    标签: 银河通用 Galbot S1 银河星脑 具身智能

    2026-09-03

  • 标签: 华能国际 电力行业 风电装机 超超临界机组

    标签: 华能国际 电力行业 风电装机 超超临界机组

    2026-07-15

  • 破解停车难题的三大高招,你都知道吗?

    破解停车难题的三大高招,你都知道吗?

    2026-11-02

  • 总结了Pandas实现数据清洗的7种方式

    总结了Pandas实现数据清洗的7种方式

    2026-10-17

网友点评