模型发布与开源 - 美团LongCat团队正式发布并开源图像生成与编辑模型LongCat-Image，模型参数规模为60亿（6B）[1] - 该模型旨在通过一套统一架构处理文本生成图像及自然语言指令编辑任务[1] - 模型已在GitHub平台开源，功能可通过LongCat APP或网页端（longcat.ai）体验[5] 模型架构与技术特点 - 采用文生图与图像编辑同源的混合骨干架构（MM-DiT+Single-DiT），并整合了视觉语言模型（VLM）条件编码器[2] - 模型支持通过文本提示生成图像，并可通过自然语言指令对图像进行多轮编辑，官方列举了包括对象添加/移除、风格迁移、背景替换、文本修改等在内的15类编辑任务[2] - 模型强调对中文文本生成的支持，声称能够处理标准汉字、生僻字及部分书法字体，并可根据场景自动调整字体、大小和排版[3] - 通过模型结构轻量化与训练策略优化，宣称可在消费级GPU上实现高效推理，并生成具有“摄影棚级”细节的图像[4] 性能评估数据 - 在图像编辑基准测试GEdit-Bench和ImgEdit-Bench中，LongCat-Image得分分别为7.60/7.64（中英文）和4.50，均达到开源模型中的领先（SOTA）水平[5] - 在中文文本渲染专项评测ChineseWord中，得分为90.7分[5] - 在文生图基础能力测试GenEval和DPG-Bench中，得分分别为0.87和86.8[5] 战略意义与行业影响 - 此次开源动作显示出公司在AIGC领域，特别是针对中文市场及复杂图像编辑需求的技术布局[5] - 开源策略有助于其吸引开发者生态，并在快速发展的图像生成领域建立影响力[5] - 官方表示，此次开源旨在支持从研究到商业应用的全流程，并邀请开发者参与共建[5]