1.美团开源代码
刚刚，美团开源6B参数图像模型LongCat-Image。
2.美团开源项目
LongCat-Image 模型，以6B参数量的轻量化设计，在双语文本理解、图像逼真度以及复杂的指令编辑任务中，展示了令人印象深刻的性能在多项基准测试中超越更大规模模型，并提供了从推理到训练的全链路开源方案。
3.美团源码
参数效率与架构设计在开源社区中，常见的图像生成模型参数量往往在10B到80B之间，巨大的参数量虽然带来了丰富的语义理解能力，但也极大地推高了推理成本和部署门槛LongCat-Image选择了一条不同的路径，将参数量控制在6B。
4.美团开源框架
这一设计决策并非简单的减法，而是基于对模型架构的深度优化
5.美团外卖开放源代码
通过基准测试数据可以看到，LongCat-Image在GenEval（生成评估）和DPG（深度概率图）等指标上，以6B的体量与20B甚至80B的模型分庭抗礼在GenEval测试中，LongCat-Image取得了0.87的评分，这一成绩与20B参数的Qwen-Image（通义千问图像）持平，并优于12B参数的FLUX.1-dev（0.66）以及80B参数的HunyuanImage-3.0（混元图像3.0）。
这种跨量级的性能表现，揭示了高效模型设计的巨大潜力：通过优化训练策略和数据质量，小模型完全可以在特定领域达到甚至超越大模型的表现6B参数模型可以在更广泛的消费级显卡上运行，降低了从实验室走向生产环境的硬件门槛。
对于开发者而言，这意味着更快的迭代速度和更低的运营成本攻克中文文本渲染的顽疾现有的许多主流开源模型在处理英文文本渲染时表现尚可，但在面对结构复杂、笔画繁多的中文字符时，往往会出现乱码、笔画缺失或结构崩坏的现象。
这一直是中文图像生成领域的痛点，也是制约文生图技术在国内电商、广告设计等领域落地的主要障碍。LongCat-Image在中文文本渲染方面取得了显著突破。
数据显示，在GlyphDraw2（字形绘制）测试中，该模型获得了0.95的高分，优于Qwen-Image的0.93和HunyuanImage-3.0的0.78。
在CVTG-2K（中文文本生成）测试中，其得分0.8658同样表现优异。
更值得关注的是其在Acc（准确率）指标上的表现，达到了78.59%，且CLIPScore（CLIP评分）高达90.7CLIPScore反映了生成图像与文本描述的语义一致性，90.7的高分说明模型不仅写对了字，还将字完美地融合进了图像的整体风格中，没有出现生硬的拼贴感。
这种能力得益于行业领先的中文词典覆盖率以及针对性的训练框架，使得模型能够像理解物体形状一样，精准地理解和构建中文字符的拓扑结构在主观的人类评估（MOS）中，LongCat-Image在Realism（真实感）上得分为3.60，超越了HunyuanImage-3.0（3.50）和Seedream 4.0（3.54）。
这表明模型在追求文字准确性的同时，并未牺牲图像的整体质感和摄影写实度精确可控的图像编辑能力图像编辑的核心难点在于模型需要准确执行用户的编辑指令（如把猫换成狗），同时必须保持原图中背景、光影、风格等无关区域的绝对一致。
LongCat-Image-Edit是专门为此优化的编辑模型。
在衡量编辑能力的CEdit-Bench（中文编辑基准）和GEdit-Bench（通用编辑基准）测试中，该模型展现了卓越的视觉一致性。
以GEdit-Bench-EN（英文通用编辑）为例，LongCat-Image-Edit在G_SC（结构一致性）得分为8.18，G_PQ（感知质量）得分为8.00对比来看，FLUX.1 Kontext [Pro]在同项测试中的G_SC仅为7.02。
用户在修改图像局部时，不会意外破坏图像的其他部分在与闭源模型和竞品的直接对比中，LongCat-Image-Edit也展现了极强的竞争力。
在人类评估的胜率对比中，LongCat-Image-Edit在综合质量上以60.5%对39.5%的比例战胜了FLUX.1 Kontext [Pro]，在一致性上更是以63%对37%大幅领先全链路开源构建开发者生态。
LongCat-Image团队提供了一个完整的开源生态系统整个发布包含了三个核心版本：LongCat-Image
评论(0)