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Lo款模型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ng架构设计，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5Ca600亿(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t-，LongCat-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成等Fl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，整合了离线多模态as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器实h-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。这一策略确Om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，特别是在文ni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和流畅度 正方面，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，LongCat式发 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://huggingface.co/布，meituan-longcat/LongCat-Flash-Omni

• Github:

  https://github.com/meituan-longc开启at/LongCat-Flash-Omni

• ·标签: neueHCT 地平线 智能驾驶 繁星HCT
• ·Firefox 142 正式上线：浏览器扩展首次支持本地 AI 语言模型
• ·标签: 阿里云 AI 阿里巴巴 吴泳铭
• ·标签: 字节跳动 英伟达 豆包 昇腾
• ·标签: 米哈游 员工离世 春节返岗 员工关怀
• ·​78% 的企业重视网络能力以推动生成式人工智能部署
• ·标签: 宁德时代 蔚来 换电 奥动新能源
• ·Twitter将于7月23日发布2021年第二季度财报
• ·标签: 阶梯医疗 阿里巴巴 腾讯 李雪
• ·标签: 斗鱼 三角洲行动 英雄联盟 光谷电竞嘉年华
• ·Intel回应消费级傲腾硬盘停产：笔记本上还会有
• ·儿童画中国龙
• ·浜戝畨鍏ㄦ棩鎶�210726锛欼BM浼佷笟鏂囦欢浜や粯瑙ｅ喅鏂规�鍙戠幇鎵ц�浠绘剰浠ｇ爜婕忔礊,闇€瑕佸敖蹇�崌绾�
• ·云计算开发：Python内置函数-reload() 函数详解
• ·从实验到实施：人工智能如何证明其在金融服务中的价值
• ·百度萝卜快跑武汉实现盈亏平衡！自动驾驶出租车商业化迎来历史性突破