新浪科技訊 3月27日上午消息，美團發布並全面開源原生多模態大模型LongCat-Next及其核心組件離散原生分辨率視覺分詞器（dNaViT）。

　　該模型打破了當前大模型以「語言為中心」的傳統拼湊式架構，將圖像、語音與文本統一映射為同源的離散Token。通過純粹的「下一個Token預測」（Next Token Prediction，NTP）範式，LongCat-Next讓視覺與語音成為AI的「原生母語」。

　　據介紹，LongCat-Next實現了三項關鍵技術突破：一是離散原生自迴歸架構（DiNA）徹底打破模態隔閡；二是離散原生分辨率視覺分詞器（dNaViT）構造視覺世界的「詞典」，三是語義對齊完備編碼器破解「離散化必然損失信息」的行業難題。

海量資訊、精準解讀，盡在新浪財經APP

責任編輯：江鈺涵