LongCat-Flash-Omni: новая открытая мультимодальная модель от Meituan
Команда Meituan представила LongCat-Flash-Omni — новую открытую модель, способную к диалогу в реальном времени, визуальному восприятию собеседника, пониманию речи и голосовому ответу. Эта мультимодальная система обладает 560 миллиардами параметров, при этом активно использует 27 миллиардов, что обеспечивает высокую производительность при оптимальных вычислительных затратах.
Ключевой особенностью LongCat-Flash-Omni является способность поддерживать естественную беседу, учитывая изменения в интонации и мимике. Объем контекста модели составляет 128 тысяч токенов, позволяя вести развернутые диалоги, анализировать большие объемы информации и сохранять связность ответов.
Модель построена на архитектуре Mixture of Experts, обеспечивающей хорошее качество при умеренном использовании ресурсов. В ходе тестирования LongCat-Flash-Omni показала отличные результаты на бенчмарках OmniBench и DailyOmni, а также в задачах ASR, DocVQA и RefCOCO. Её общие показатели превосходят Qwen3-Omni Instruct и близки к результатам Gemini 2.5 Flash.
Важным преимуществом проекта является его открытость: LongCat-Flash-Omni полностью доступна для локального запуска.
