美团发布LongCat-Next：视觉语音底层统一的多模态模型

美团推出原生多模态大模型LongCat-Next，该模型突破了传统的“语言基座+插件”架构。通过DiNA技术，系统将图像、语音与文本统一转化为同源离散Token，实现了AI对物理世界“看”与“听”的原生能力，从而完成多模态建模的深度统一。