美团开源原生多模态模型 LongCat-Next：助力 AI 感知与理解物理世界

核心要点

• 模型发布与开源：美团技术团队正式发布原生多模态模型 LongCat-Next。
• 核心组件同步开放：除了模型本身，美团还开源了其关键的离散分词器（Discrete Tokenizer）。
• 战略定位：该模型被视为通往“物理世界 AI”道路上的重要探索。
• 核心目标：旨在构建能够感知、理解并作用于真实世界的 AI 系统，将视觉和语音视为 AI 的“母语”。

详细分析

迈向物理世界的 AI 探索

根据美团技术团队发布的信息，LongCat-Next 的研发初衷是探索 AI 如何更有效地与物理世界进行交互。在当前的 AI 发展趋势中，单纯的文本处理已不足以支撑复杂的现实场景应用。美团通过 LongCat-Next 尝试将视觉和语音能力原生化，使其成为模型的“母语”，这意味着模型在处理这些非文本信息时将具备更高的效率和更深层的理解能力。这一探索标志着 AI 正在从纯数字空间的逻辑运算，向具备物理感知能力的实体化智能迈进。

开源生态的构建与技术共享

美团此次不仅发布了 LongCat-Next 模型，还将其研究思路的核心——离散分词器（Discrete Tokenizer）全部开源。分词器是多模态模型理解不同媒介信息的关键桥梁。通过开源这一核心组件，美团为开发者社区提供了底层工具，鼓励更多开发者基于此框架进行二次开发。这种开放的态度有助于加速多模态技术在感知、理解及作用于真实世界方面的应用落地，从而构建一个更加丰富的 AI 插件或应用生态。

行业影响

美团 LongCat-Next 的开源展示了中国互联网领军企业在多模态技术领域的深耕与贡献。通过聚焦“物理世界 AI”，美团将 AI 的应用潜力从虚拟对话扩展到了对现实环境的感知与操作。这对于自动驾驶、智能配送、机器人协作等需要高度物理感知的行业具有重要的参考价值。同时，开源策略将吸引全球开发者共同优化模型，推动多模态 AI 技术在复杂现实场景中的成熟与普及。

常见问题

LongCat-Next 的核心特点是什么？

LongCat-Next 是美团研发的原生多模态模型，其核心特点是将视觉和语音作为原生能力进行整合，旨在让 AI 能够像人类一样感知和理解物理世界。此外，它还配套开源了关键的离散分词器。

为什么美团要开源离散分词器？

离散分词器是 LongCat-Next 理解多模态信息的关键。美团希望通过开源这一核心组件，让开发者能够深入了解其研究思路，并基于此构建能够真正作用于真实世界的 AI 应用。

LongCat-Next 的应用目标是什么？

该模型的目标是构建能够感知、理解并作用于真实世界的 AI。它不仅停留在信息处理层面，更强调 AI 对物理环境的交互能力。