美团发布并开源LongCat-Flash-Omni模型：支持实时音视频交互，达到SOTA水平
美团发布开源全模态大模型LongCat-Flash-Omni，总参数5600亿，激活参数270亿，集成高效多模态与语音模块，实现毫秒级响应。在文本、图像、音频、视频及跨模态任务中均达开源SOTA水平，图像理解74.8分媲美Gemini-2.5-Pro，音频能力多项指标超越闭源模型，端到端交互评分超Qwen3-Omni 0.56分，为首个实现全模态覆盖与高效推理的开源模型。来源：https://tech.ifeng.com/c/8nybdNjacT0
页:
[1]