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。

《夸克》非常好用的免费AI浏览器

下载APP查看