IXThinker·2026-04-04 21:00

美團LongCat原生多模態 圖像語音皆成Token

過去一年，幾乎所有頭部大模型廠商都在重寫多模態底層架構，共識指向原生多模態；美團LongCat提出新解法，把圖片與語音統統當作Token預測，走出一條統一建模路線。

業界趨勢

從谷歌、OpenAI到國內的字節、MiniMax，各家在實踐中逐漸形成共識：不走原生多模態已行不通；但具體路線如何選擇，業界一直未有統一答案。