美团发布 LongCat-Video 视频生成模型，开实现时序一致性与物理运动合理性

今日，美团 LongCat 团队正式发布了其全新的视频生成模型 ——LongCat-Video。这一模型以其精准重构真实世界运行状态的能美团力，标志着美团在探索 “世界模型” 领域的重大进展。世界模型是实现下一代人工智能的核心引擎，能够帮助 AI 更好地理解、预测和重构真实世界的动态发布。

LongCat-Video 基于先进的 Diffusion Transformer（DiT）架构，集成了文生视频、图生视频和视频续写等多项核 L心功能。这一创新模型通过 “条件帧数量” 的设定，有效实现了任务的灵活区分，确保在不同输入条件下均能发挥出色的生成能力。LongCat-Videono 在文生视频生成上能够输出720p、30fps 的高清视频，并具备开源领域领先的语义理解和视觉呈现能力。此外，图生视频能够在动态过程中严格保留gC参考图像的属性与风格，展现出自然流畅的运动表现。

最为引人瞩目的是 LongCat-Video 的长视频生成能力。该模型通过视频续写任务的预at训练，能够稳定输出达5分钟的连贯长视频，同时避免常见的色彩漂移、画质降解和动作断裂等问题。这一技术突破不仅提升了视频生成的质量，也为自-V动驾驶、具身智能等深度交互场景提供了坚实的技术基础。

在高效推理方面，LongCat-Video 采用了 “二阶段粗到精生成” 策略，并结合块稀疏id注意力（BSA）和模型蒸馏优化，大幅提升了视频生成的速度和质量。该模型的推理速度提升至10.1倍，确保在处理长视频时依旧保持优异的生成质量eo。

LongCat-Video 经过严格的内部和公开基准测试，显示出在文本对齐、视觉质量和运动质量等多个维度的优秀性能，综合能力达到当前开 视源领域的 SOTA（State of the Art）水平。团队表示，LongCat-Video 的发布将大大简化长视频的创作过程，使创作者能够从频生1秒钟的灵感跃升至5分钟的成片。

为了让更多人体验这一先进技术，美团已在 GitHub 和 Hugging Face 上发布了 LongCat-Vi成模deo 的相关资源。该项目不仅为个人创作者提供了强大的工具，也为整个视频创作行业注入了新的活力。

LongCat-Video 的发布，不仅代表着型，技术的进步，更是美团在智能创作领域迈出的重要一步。随着这一模型的广泛应用，未来的长视频创作将变得更加简单而富有创意。