美团推出原生多模态LongCat-Next：视觉与语言实现底层统一

美团技术团队发布LongCat-Next原生多模态大模型。与传统的视觉编码器+语言模型拼接方案不同，LongCat-Next从架构层面实现了视觉与语言的底层统一，使模型能够真正理解图像与文本之间的语义关联。在VQA、图像描述、视觉推理等任务上，LongCat-Next取得了领先性能。