每日動(dòng)態(tài)!美團(tuán)發(fā)布原生多模態(tài)大模型LongCat-Next
發(fā)布時(shí)間：2026-03-27 12:25:00
文章來源：新浪科技
美團(tuán)發(fā)布原生多模態(tài)大模型LongCat-Next
(資料圖)
新浪科技訊 3月27日上午消息，美團(tuán)發(fā)布并全面開源原生多模態(tài)大模型LongCat-Next及其核心組件離散原生分辨率視覺分詞器（dNaViT）。
該模型打破了當(dāng)前大模型以“語言為中心”的傳統(tǒng)拼湊式架構(gòu)，將圖像、語音與文本統(tǒng)一映射為同源的離散Token。通過純粹的“下一個(gè)Token預(yù)測(cè)”（Next Token Prediction，NTP）范式，LongCat-Next讓視覺與語音成為AI的“原生母語”。
據(jù)介紹，LongCat-Next實(shí)現(xiàn)了三項(xiàng)關(guān)鍵技術(shù)突破：一是離散原生自回歸架構(gòu)（DiNA）徹底打破模態(tài)隔閡；二是離散原生分辨率視覺分詞器（dNaViT）構(gòu)造視覺世界的“詞典”，三是語義對(duì)齊完備編碼器破解“離散化必然損失信息”的行業(yè)難題。
標(biāo)簽：
