美团LongCat团队发布了LongCat-AudioDiT模型，采用全新的端到端文本转语音技术，减少信息损失。该模型在Seed基准测试中表现优异，取得最佳的说话人相似度和可懂度，证明了在波形潜空间生成语音的有效性。LongCat-AudioDiT以简化架构和高保真合成为目标，已开源，期待推动语音生成技术的发展。

LongCat团队提出了LongCat-Next模型，旨在统一处理图像、语音和文本等多模态信号。该模型通过离散Token实现理解与生成的协同，打破模态间的隔阂，表现出色。模型及其分词器已开源，期待推动多模态智能的发展。

LongCat团队推出了新AI模型LongCat-Next，旨在统一处理图像、声音和文本等多模态信息。通过离散原生自回归架构DiNA和视觉分词器dNaViT，该模型实现了不同模态的统一建模，增强了理解与生成的协同能力。研究表明，离散化能更好地理解物理世界，且不损失信息。该模型已开源，欢迎开发者参与。

OpenClaw 是一个开源的个人 AI 助手，能够将大语言模型的推理能力转化为实际操作。由于部分平台收紧对非官方入口的访问，账号安全风险增加。LongCat 团队提供了稳定的官方 API，帮助开发者构建自动化工作流。LongCat-Flash-Thinking-2601 在执行效率和任务完成质量上表现优异，能够快速响应复杂任务，提升开发者的工作效率。

美团LongCat团队推出了开源模型LongCat-Flash-Thinking-2601，拥有5600亿参数，旨在解决智能体在复杂环境中的适应性问题。该模型通过环境扩展、强化学习和噪声训练，在多领域任务中表现出色，显著提升了泛化能力和决策稳定性。

美团LongCat团队发布了LongCat-Flash-Thinking-2601模型，具备卓越的智能体搜索和工具调用能力，支持重思考模式，提升决策质量。该模型在编程和数学推理等评测中表现优异，已开源并可在线体验，旨在降低开发者使用门槛。

美团开源的LongCat-Video-Avatar模型在虚拟人视频生成方面取得显著进展，支持多任务生成，提升了动作拟真度和长视频稳定性，解决了身份一致性问题，广泛应用于影视和教育等领域。

美团开源的LongCat-Video-Avatar模型在虚拟人视频生成方面取得显著进展，支持多任务生成，提升了动作拟真度和长视频稳定性，解决了身份一致性问题，广泛应用于影视娱乐等领域。

美团推出的LongCat AI生图功能基于LongCat-Image模型，能够快速生成高质量图像并支持自然语言编辑，尤其擅长处理生僻字，已在LongCat APP和网站上线，旨在为用户提供高效的创作工具。

美团 LongCat 团队发布了开源的 LongCat-Image 模型，旨在解决 AI 图像生成技术的开源与闭源问题。该模型拥有6B参数，兼具文生图和图像编辑能力，提升了指令遵循、图像质量和中文文字生成能力。在多个基准测试中表现优异，支持海报设计等应用，推动技术普惠与商业创作。

美团 LongCat 团队发布了开源的 LongCat-Image 模型，解决了 AI 图像生成技术的开源与闭源问题。该模型在图像编辑和中文文字生成方面表现优异，具有高性能和低门槛，支持多种商业应用，推动技术普惠。

大型推理模型（LRMs）在长链推理能力上面临挑战，现有评测体系无法有效评估其复杂任务表现。复旦大学与美团推出的R-HORIZON框架通过问题组合方法提升了模型的多步推理能力。评测显示，主流模型在长链推理中性能普遍下降，存在推理长度、反思机制和预算分配等瓶颈。通过强化学习训练，R-HORIZON显著提升了模型推理性能，标志着研究范式的转变。

美团LongCat团队推出AMO-Bench，包含50道高难度原创数学推理题，旨在提升大模型的推理能力。目前顶尖模型在该评测中的表现仍未及格，显示出其在复杂推理任务上的局限性。AMO-Bench为行业提供了新的评测标准，未来将持续更新。

美团开源的LongCat-Video视频生成模型通过统一架构处理多种视频生成任务，具备长视频生成能力和高效推理，在文生视频和图生视频任务中表现优异，标志着世界模型构建的重要进展。

在本地生活服务领域，大模型技术面临适配难、服务可靠性与个性化矛盾及高数据成本等问题。美团的WOWService系统通过数据与知识双驱动、自我优化训练和多Agent协同等技术，提升了服务质量和用户体验，显著降低了训练成本，推动了智能服务的升级。

多模态人工智能正向全模态大模型发展，但评测体系滞后。美团LongCat团队提出UNO-Bench，提供高质量评测基准，有效评估模型的单模态与全模态能力，揭示“组合定律”，推动AI行业发展。

美团LongCat团队开源了LongCat-Audio-Codec，解决了语音大语言模型在Token化中的难题。该方案通过双Token并行提取、低延迟解码和超低比特率高保真设计，实现了高效音频处理，提升了语音理解与生成质量，降低了技术门槛，丰富了应用场景，推动了语音智能系统的发展。

美团推出了LongCat-Flash-Omni模型，参数达到5600亿，支持低延迟音视频交互，表现优异。该模型在多模态任务中实现了开源最先进水平，具备强大的文本、图像、音频和视频理解能力，有效解决了推理延迟问题。

美团发布了LongCat-Flash-Omni模型，参数达到5600亿，支持低延迟音视频交互，表现优异，解决了推理延迟问题，适用于多种应用场景。