美團 LongCat AI 生圖：輕量化模型實現高效精準創作

美團在 2024 年底正式推出 LongCat‑Image，一款 6B 參數規模的圖像生成與編輯同源模型。它結合了文生圖、圖像編輯及中文文字渲染三大核心能力，並在多項開源基準上達到 SOTA 水平，為商業創作者與開發者提供了「高性能、低門檻、全開放」的 AI 作品平台。(來源 2)

LongCat‑Image 採用 Transformer‑style 生成式模型，將 文生圖（Text‑to‑Image） 與 圖像編輯（Image‑to‑Image） 共享同一底層參數。這種同源設計使得兩者在知識上互相補充，避免了文生圖後期微調「收窄」編輯指令空間的問題。

為了在 6B 參數內達到大模型效果，LongCat 團隊實施了三階段漸進式學習：

這一訓練管線不僅保持了高效的生成質量，還確保了編輯指令的可控性與多樣性。(來源 4)

在中文文本渲染方面，LongCat‑Image 透過「字符級編碼」降低記憶體負擔，並在 SFT 階段引入真實世界文本圖像，提升字體、排版與背景融合的自然度。結果不僅能正確渲染常用字，甚至能處理生僻字、行書、楷體等複雜筆畫，滿足海報、門店招牌、對聯等多種商業應用需求。

實測顯示，在文字生成基準上，模型的準確率達到 96% 以上，遠高於同類 10B 及 30B 參數模型。(來源 2)

LongCat‑Image 在光影美學上進行了專門優化。模型透過 AIGC 內容檢測器作為對抗信號，逆向引導學習真實物理光照，減少「塑料感」現象。多輪編輯後，畫面風格、光影與原圖保持高度一致，避免拼接感，特別適合人物肖像與場景重構。

Benchmark 測試（ImgEdit‑Bench、GEdit‑Bench）中，模型在「物體增刪」「風格遷移」「視角轉換」等 15 個任務上均排名開源 SOTA，並在多輪編輯任務中保持 0.89 的一致性指標。(來源 4)

6B 參數規模使得模型能在單張 512×512 體素的 GPU 上實現 0.8 秒內生成，並可在多張 1024×1024 輸出時保持 3 秒內完成。對於需要高頻創作的平臺來說，這大幅降低了等待時間，提升了工作流效率。

長Cat APP 與 https://longcat.ai/ 已同步上線，使用者可直接體驗「文字生成 → 直觀編輯」的一體化流程，無需額外工具即可完成從構思到成品的整個創作過程。(來源 1)

作為開源模型，LongCat‑Image 可直接部署於本地 GPU 或雲端 Kubernetes 集群。由於模型規模較小，對硬體資源的要求較低，適合中小企業和個人開發者快速落地。

安全方面，模型訓練數據已過濾 AIGC 內容，並在 SFT 階段使用人工審核，降低了生成不良內容的風險。部署時仍建議配合內容審核機制（如 OCR 檢測、反濫用標籤）來確保合規性。

上述案例均展示了 LongCat‑Image 在「快、真、準」三大指標上的優勢：即時生成、高質感畫面、中文文字精準。

美團 LongCat‑Image 以 6B 參數實現了文生圖、圖像編輯與中文文字渲染的同源 SOTA，並通過輕量化設計為商業創作者提供了高效、精準、可控的 AI 創作工具。未來，隨著更多自定義指令、域特定模型的加入，LongCat 將能在更廣泛的場景中發揮更大價值。

LongCat 上线AI 生图！精准高效，AI 创作不设限 – 知乎专栏 (https://zhuanlan.zhihu.com/p/1981730404705796281)
美团发布LongCat-Image 图像生成模型，编辑能力登顶开源 – 知乎专栏 (https://zhuanlan.zhihu.com/p/1981741588196643722)
美团开源LongCat-Image 图像生成模型 – oschina (https://www.oschina.net/news/388467)
美团技术团队官网 (https://tech.meituan.com/)

🧠本文由 DreamJ AI 技術新聞生成系統 自動撰寫並進行語意優化，僅供技術研究與教學使用。
請以原廠公告、CVE 官方資料與安全建議為最終依據。