投稿 提交工具 投放合作

LongCat-Flash-Omni:全模态开源模型

大语言模型 511 39 Python 2026-11-16 在 GitHub 打开

5600 亿参数(激活 270 亿)的开源全模态模型,支持实时音视频交互与流式语音生成。

LongCat-Flash-Omni 是一个开源全模态模型,基于 LongCat-Flash 的 Shortcut 连接 MoE 架构(含零计算专家),并加入多模态感知与语音重建模块,通过渐进式训练策略获得全模态能力同时保持单模态能力。它将离线多模态理解与实时音视频交互整合在同一框架中,采用分块音视频特征交错机制实现低延迟流式语音生成,上下文窗口最长 128K token。训练采用多阶段预训练与早期融合范式,并提出模态解耦并行(Modality-Decoupled Parallelism)训练方案。README 公布了在 OmniBench、WorldSense 等全模态基准以及图像、视频理解基准上与 Gemini、Qwen 等模型的对比结果,并附技术报告链接。

Star 趋势2026-11-07 — 2026-11-16当前 Stars 5117 日 +1

51051111-0711-1211-16