美团 LongCat 团队发布 LongCat-Video 探索世界模型

美团LongCat团队正式发布LongCat-Video视频生成模型，旨在以视频生成路径探索“世界模型”，为自动驾驶、具身智能等场景夯实技术基础。

该模型基于DiT架构，以“条件帧数量”区分任务，原生支持文生、图生视频及视频续写，形成任务闭环。可生成720p/30fps高清内容，原生支持5分钟级长视频输出，通过多重技术规避时序与物理合理性问题；经三重优化提升推理效率10.1倍。

其136亿参数基座模型在文生、图生视频任务中达开源SOTA，VBench等测试表现优异。通过全面的评估显示，LongCat-Video 通用性能优秀，综合能力跻身开源 SOTA：

• 136 亿参数的视频生成基座模型，在文生视频、图生视频两大核心任务中，综合性能均达到当前开源领域 SOTA 级别；

• 通过文本-视频对齐、视觉质量、运动质量、整体质量四大维度评估，其性能在文本对齐度、运动连贯性等关键指标上展现显著优势；

模型已开源至GitHub、Hugging Face等平台，供开发者使用。

GitHub：https://github.com/meituan-longcat/LongCat-Video
Hugging Face：https://huggingface.co/meituan-longcat/LongCat-Video
Project Page：https://meituan-longcat.github.io/LongCat-Video/