首页 > 热点播报 > 正文

美团开源原生多模态大模型LongCat-Next 实现视觉与语音原生统一处理

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。

网友评论

24小时内最火资讯
热门IT产品
  1. ¥4699
    HUAWEI Mate 80
    ·
  2. ¥3599
    荣耀500 Pro
    ·
  3. ¥9999
    OPPO Find N6
    ·
  4. ¥5999
    苹果iPhone17
    ·
  5. ¥4499
    苹果iPhone17e
    ·
  6. ¥2699
    HUAWEI nova 15
    ·
  7. ¥1399
    荣耀X70
    ·
  8. ¥5299
    OPPO Find X9 Pro
    ·
  9. ¥5299
    vivo X300 Pro
    ·
  10. ¥1999
    REDMI Turbo4 Pro
    ·