美团正式发布并开源 LongCat-Flash-Omni

美团宣布 LongCat-Flash 系列模型再升级，正式发布全新家族成员——LongCat-Flash-Omni。

据介绍，LongCat-Flash-Omni 是业界首个实现 “全模态覆盖、端到端架构、大参数量高效推理” 于一体的开源大语言模型，首次在开源范畴内实现了全模态能力对闭源模型的对标，并凭借创新的架构设计与工程优化，让大参数模型在多模态任务中也能实现毫秒级响应，解决了行业内推理延迟的痛点。

LongCat-Flash-Omni 以 LongCat-Flash 系列的高效架构设计为基础（ Shortcut-Connected MoE，含零计算专家），同时创新性集成了高效多模态感知模块与语音重建模块。即便在总参数 5600 亿（激活参数 270 亿）的庞大参数规模下，仍实现了低延迟的实时音视频交互能力，为开发者的多模态应用场景提供了更高效的技术选择。

综合评估结果表明，LongCat-Flash-Omni 在全模态基准测试中达到开源最先进水平（SOTA），同时在文本、图像、视频理解及语音感知与生成等关键单模态任务中，均展现出极强的竞争力。

LongCat-Flash-Omni 作为一款拥有极致性能的开源全模态模型，在一体化框架中整合了离线多模态理解与实时音视频交互能力。该模型采用完全端到端的设计，以视觉与音频编码器作为多模态感知器，由 LLM 直接处理输入并生成文本与语音token，再通过轻量级音频解码器重建为自然语音波形，实现低延迟的实时交互。

所有模块均基于高效流式推理设计，视觉编码器、音频编解码器均为轻量级组件，参数量均约为6亿，延续了 LongCat-Flash 系列的创新型高效架构设计，实现了性能与推理效率间的最优平衡。

LongCat-Flash-Omni 模型架构如下：

Hugging Face：https://huggingface.co/meituan-longcat/LongCat-Flash-Omni
Github：https://github.com/meituan-longcat/LongCat-Flash-Omni