【資料圖】

3日，美團自研大模型 LongCat-Flash系列再升級。全新家族成員LongCat-Flash-Omni正式發布并開源，LongCat官方App同步上線公測。目前，新App已支持聯網搜索、語音通話等功能，視頻通話等功能會稍后上線；Web端則增加圖片、文件上傳和語音通話等功能。

據介紹，LongCat-Flash-Omni以LongCat-Flash系列的高效架構設計為基礎，集成了高效多模態感知模塊與語音重建模塊，在總參數5600億的龐大參數規模下，仍實現低延遲的實時音視頻交互能力，為開發者的多模態應用場景提供了更高效的技術選擇。

美團稱，新模型也是業界首個實現“全模態覆蓋、端到端架構、大參數量高效推理”于一體的開源大語言模型，首次在開源范疇內實現了對標閉源模型的全模態能力，并憑借創新的架構設計與工程優化，讓大參數模型在多模態任務中能實現毫秒級響應，解決行業內推理延遲的痛點。

據介紹，全模態模型訓練的核心挑戰之一是“不同模態的數據分布存在顯著異質性”。LongCat-Flash-Omni采用漸進式早期多模融合訓練策略，在平衡數據策略與早期融合訓練范式下，逐步融入文本、音頻、視頻等模態，確保全模態性能強勁且無任何單模態性能退化。綜合評估結果表明，LongCat-Flash-Omni在綜合性的全模態基準測試（如Omni-Bench, WorldSense）上達到了開源最先進水平（SOTA），并在文本、圖像、音頻、視頻等各項模態的能力位居開源模型前列，實現“全模態不降智”的結果。

9月1日，美團正式對外發布并開源了自研大模型LongCat-Flash-Chat。這是美團首次將大模型作為完整產品開放給行業與開發者。

關鍵詞：