3月27日,美团发布并全面开源原生多模态大模型LongCat-Next及其核心组件离散原生分辨率视觉分词器(dNaViT)。
该模型突破传统以语言为中心的架构,将图像、语音与文本统一映射为同源的离散Token,通过纯粹的'下一个Token预测'范式实现视觉与语音的原生处理。
LongCat-Next具备三项关键技术突破:离散原生自回归架构打破模态隔阂、dNaViT构造视觉'词典'、语义对齐完备编码器解决离散化信息损失问题。
3月27日,美团发布并全面开源原生多模态大模型LongCat-Next及其核心组件离散原生分辨率视觉分词器(dNaViT)。
该模型突破传统以语言为中心的架构,将图像、语音与文本统一映射为同源的离散Token,通过纯粹的'下一个Token预测'范式实现视觉与语音的原生处理。
LongCat-Next具备三项关键技术突破:离散原生自回归架构打破模态隔阂、dNaViT构造视觉'词典'、语义对齐完备编码器解决离散化信息损失问题。
热点播报 2026-03-27 09:02:44
热点播报 2026-03-26 18:48:07
热点播报 2026-03-26 18:32:18
热点播报 2026-03-24 17:32:33
热点播报 2026-03-24 16:31:07
网友评论