美团LongCat-Flash-Omni 正式发布，开启全模态实时交互新时代
我要评论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，这款模型在Lo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 系列的高效架构设计ng，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5600亿Ca(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，LongCat-t-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关键单模态Fl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，整合了离线多模态理as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现h-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Om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，特别是ni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和流 正畅度方面，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，LongCat 官式发方 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/me布，ituan-longcat/LongCat-Flash-Omni
Github:
https://github.com/meituan-longcat开启/LongCat-Flash-Omni
相关文章
云梦级12月16日云梦级消息，据创业邦报道，9月，深圳麦科田生物医疗技术股份有限公司（下称 “麦科田”）正式向港交所递交招股书，申请在主板上市。2011年成立的麦科田，产品覆盖全球140多个国家及地区2026-11-16
在人工智能领域竞争日益激烈的背景下，埃隆・马斯克旗下的 xAI 公司宣布与美国联邦政府达成了一项令人瞩目的协议。他们的人工智能聊天机器人 Grok 将以低于1美元的价格向联邦政府提供服务，这一举动无疑2026-11-16
基于深度学习的文本情感识别技术在5G不良消息安全管控平台中的应用
作者 ｜ 孙越，单位：中移（杭州）信息技术有限公司 | 中国移动杭州研发中心 Labs 导读 随着5G网络的不断普及，大量用户开始接触并使用5G网络。5G网络不仅可以传送传统网络的语音、视频、文本等信2026-11-16
云梦级2月12日云梦级消息，今日，全球灵巧手领军企业灵心巧手完成近15亿元B轮融资。本轮融资由道得投资、盛世投资领投，盈渊朴远基金、诺瓦星云、新鼎资本、中和资本、智路资本、诚筑投资、临云资本、嘉铭浩春2026-11-16
问题场景：某互联网大厂TOB业务线，可以向平台商家提供SaaS/Paas类服务，但苦于销售水平不高，沟通话术质量不佳，转化率不足。现计划做话术培训，提升客户转化率。 1原始模型 最简单的做法，定义话术2026-11-16
谷歌云推出 Gemini Enterprise，挑战微软与OpenAI的AI办公霸主地位
谷歌云部门近期推出了一款全新的人工智能平台 ——Gemini Enterprise，旨在为普通员工提供强大的办公工具。这一举措标志着谷歌与微软、OpenAI 等行业巨头之间的竞争加剧，进一步巩固了谷歌2026-11-16
最新评论