12月8日，美团 LongCat 团队正式发布并开源其自主研发的图像生成模型 LongCat-Image。该模型参数规模为6B，在文生图与图像编辑两项核心能力上表现优异，旨在弥合当前开源与闭源模型之间的性能鸿沟。
LongCat-Image 采用文生图与图像编辑同源的混合骨干架构（MM-DiT + Single-DiT），并集成了视觉语言模型（VLM）条件编码器，支持通过自然语言指令实现多轮图像编辑7。在多个开源基准测试中，该模型在图像编辑任务上已达到 SOTA（State-of-the-Art）水平，展现出卓越的指令遵循能力和视觉一致性。
特别值得注意的是，LongCat-Image 在中文文本渲染方面进行了专项优化。通过课程学习策略，模型显著提升了对汉字复杂笔画结构的处理能力，能高精度生成海报、广告等场景所需的中文图文内容。
为提升用户真实体验，团队还引入主观评分机制对生成结果进行评估，确保图像在真实感与视觉合理性方面达到高水平6。此外，美团同步升级 LongCat APP，新增图生图功能并提供24个易用模板，进一步降低 AI 图像创作门槛。
目前，LongCat-Image 已在 Hugging Face 与 GitHub 全面开源，包含完整训练工具链，支持中英双语输入，鼓励开发者共建开放协作的 AI 生态。