11月3日消息，美团今日宣布LongCat-Flash系列再升级，正式发布并开源LongCat-Flash-Omni。

据官方介绍，LongCat-Flash-Omni 以 LongCat-Flash 系列的高效架构设计为基础（ Shortcut-Connected MoE，含零计算专家），同时创新性集成了高效多模态感知模块与语音重建模块。

综合评估结果表明，LongCat-Flash-Omni 在全模态基准测试中达到开源最先进水平，同时在文本、图像、视频理解及语音感知与生成等关键单模态任务中，均展现出极强的竞争力。

LongCat-Flash-Omni 是业界首个实现 “全模态覆盖、端到端架构、大参数量高效推理” 于一体的开源大语言模型，首次在开源范畴内实现了全模态能力对闭源模型的对标，并凭借创新的架构设计与工程优化，让大参数模型在多模态任务中也能实现毫秒级响应。

一体化架构：采用端到端设计，通过视觉/音频编码器感知多模态输入，由 LLM 直接生成文本与语音 token，再通过轻量级解码器重建语音波形，实现流式推理。

分块式音视频特征交织机制：支持 128K tokens 上下文窗口与超 8 分钟音视频交互，提升长时记忆与多轮对话能力。

渐进式训练策略：分阶段融合文本、语音、图像、视频数据，确保全模态性能无单模态退化。

此外，美团表示LongCat官方App现已正式发布，支持联网搜索，还可发起语音通话。

此前，自9月1日起，美团已正式发布 LongCat-Flash 系列模型，现已开源 LongCat-Flash-Chat 和 LongCat-Flash-Thinking 两大版本。（转载自：AI普瑞斯）

更多AI资讯请点击：http://www.aipress.com.cn/