2025年11月3日，美团LongCat团队正式发布并开源全模态大语言模型LongCat-Flash-Omni，标志着开源领域迎来“全模态覆盖、端到端架构、大参数量高效推理”一体化的突破性产品，为实时多模态交互应用提供了新范式。

该模型以LongCat-Flash系列的Shortcut-Connected MoE高效架构为基础，创新性集成多模态感知与语音重建模块。在5600亿总参数（激活参数270亿）的规模下，实现毫秒级响应，支持128K tokens上下文窗口与超8分钟音视频交互，破解了大参数模型推理延迟的行业痛点。其采用渐进式早期多模融合训练策略，分六阶段逐步融入文本、音频、图像、视频等模态，确保全模态性能强劲且无单模态能力退化。

综合评估显示，该模型在Omni-Bench等全模态基准测试中达到开源SOTA水平，文本、图像、音频、视频等单模态任务均位居开源前列。其中音频理解与语音交互类人性指标优于GPT-4o，视频到文本任务性能当前最优，跨模态理解比肩Gemini-2.5-Pro。 目前，LongCat-Flash-Omni已在Hugging Face与Github同步开源，官方App也开启公测，支持联网搜索与语音通话功能。开发者可通过开源平台探索应用，美团也期待通过社区反馈持续优化模型性能。