新浪科技讯 3月27日上午消息，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）。
该模型打破了当前大模型以“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。通过纯粹的“下一个Token预测”（Next Token Prediction，NTP）范式，LongCat-Next让视觉与语音成为AI的“原生母语”。
据介绍，LongCat-Next实现了三项关键技术突破：一是离散原生自回归架构（DiNA）彻底打破模态隔阂；二是离散原生分辨率视觉分词器（dNaViT）构造视觉世界的“词典”，三是语义对齐完备编码器破解“离散化必然损失信息”的行业难题。
海量资讯、精准解读，尽在新浪财经APP
责任编辑：江钰涵
