美团发布开源全模态大模型LongCat-Flash-Omni，实现毫秒级实时音视频交互

品玩11月3日讯，美团今天正式开源全模态大模型LongCat-Flash-Omni，该模型以5600亿参数规模（激活参数270亿）实现了低延迟实时音视频交互能力。

作为业界首个集全模态覆盖、端到端架构与大参数量高效推理于一体的开源模型，其采用创新型ScMoE骨干网络与轻量级多模态编解码器，结合分块式音视频特征交织机制，支持128K上下文窗口及超8分钟交互时长。

评测显示，模型在Omni-Bench等全模态基准测试中达到开源SOTA水平，文本、图像、音频、视频单模态能力均位居前列。其采用渐进式多模融合训练策略，分阶段融合文本、语音、图像与视频数据，确保全模态性能无退化。模型已上线Hugging Face与GitHub平台，并提供在线体验与官方App支持语音交互。