公司动态 - 公司于3月27日发布并全面开源了原生多模态大模型 LongCat-Next 及其核心组件离散原生分辨率视觉分词器（dNaViT）[1] - 该模型将图像 语音与文本统一映射为同源的离散 Token 打破了当前大模型以“语言为中心”的传统拼凑式架构[1] - 通过纯粹的“下一个 Token 预测”范式 LongCat-Next 让视觉与语音成为 AI 的“原生母语”[1] 行业技术趋势 - 公司发布的技术代表了多模态AI架构的演进方向 从以语言为中心的传统拼凑式架构转向将不同模态信息统一处理的“原生”架构[1]

公司动态 - 美团于3月27日发布并全面开源其原生多模态大模型LongCat-Next及其核心组件离散原生分辨率视觉分词器（dNaViT）[1][2] - 该模型旨在打破当前以“语言为中心”的传统拼凑式架构，将图像、语音与文本统一映射为同源的离散Token [1][2] - 模型通过纯粹的“下一个Token预测”（NTP）范式，使视觉与语音成为AI的“原生母语” [1][2] 技术突破 - LongCat-Next实现了三项关键技术突破：离散原生自回归架构（DiNA）彻底打破模态隔阂 [1][2] - 离散原生分辨率视觉分词器（dNaViT）被设计为构造视觉世界的“词典” [1][2] - 语义对齐完备编码器旨在破解“离散化必然损失信息”的行业难题 [1][2]