又一国产图像大模子开源！实测一连P图绝了，中文渲染是短板

智工具作者｜江宇编辑｜漠影

智工具12月8日报道，今日，美团正式宣布并开源图像天生模子LongCat-Image，这是一款在图像编辑能力上抵达开源SOTA水准的6B参数模子，重点瞄准文生图与单图编辑两大焦点场景。

▲图源：Hugging Face

从官方披露的基准测试效果来看，LongCat-Image主要对标了Seedream4.0、Qwen-Image、HunyuanImage-3.0、Nano Banana以及FLUX.1-dev等主流开源与闭源生图模子，其焦点优化集中在“编辑可控性”和“中文文字渲染”两项能力上。

而在现实体验中，它在一连改图、气概转变和材质细节上体现较好，但在重大排版场景下，中文文字渲染仍保存不稳固的情形。在涉及重大UI设计、游戏界面天生等使命时，模子的审美也袒露出一定短板，这或许与其不具备联网搜索能力有关。

在体验入口方面，美团也同步提供了多种使用方法。在移动端，LongCat APP已支持文生图与图生图能力；在网页端，用户也可通过 https://longcat.ai/ 进入图片天生入口举行体验。

关于开发者而言，LongCat-Image的模子权重与代码也已同步开源：

Hugging Face：https://huggingface.co/meituan-longcat/LongCat-ImageGitHub：https://github.com/meituan-longcat/LongCat-Image

下面我们就来看看LongCat-Image的模子结构、评测效果和详细的实测体现。

一、从模子结构到评测效果，LongCat-Image把“编辑可控性”和“中文渲染”作为主攻偏向

从模子设计上看，LongCat-Image接纳了文生图与图像编辑同源的统一架构，并通过渐进式学习战略，在仅6B参数规模下兼顾了指令遵照精准度、生图质量与文字渲染三项能力的协同提升。

▲模子架构

这套训练蹊径并非从零最先堆参数，而是基于文生图中期训练模子举行初始化，并在后续阶段接纳文生图与指令编辑的多使命联合学习机制，来阻止编辑能力在后训练阶段被压缩的问题。

在图像编辑能力上，LongCat-Image在GEdit-Bench、ImgEdit-Bench等多个编辑类基准中取得了开源SOTA效果。

▲客观基准测试性能比照

LongCat-Image通过多源数据预训练、指令改写战略与人工精标SFT数据的引入，使模子在面临重大编辑要求时更禁止易泛起气概漂移和结构失真。

针对中文文字渲染这一恒久痛点，LongCat-Image接纳了笼罩8105个规范汉字的合成字形数据举行预训练，并在SFT阶段引入真实天下文本图片强化排版与字体泛化能力，在RL阶段还引入OCR与美学双奖励模子配合约束，最终在ChineseWord评测中取得90.7分的效果，领先于现有开源模子。

在真实感方面，LongCat-Image通过对抗训练和严酷的数据筛选机制，刻意绕开AIGC“塑料感”的纹理陷阱，并在RL阶段引入AIGC检测器作为奖励信号，反向指导模子学习真实天下的物理纹理与光影转变。

综合评测效果显示，在人类主观评分（MOS）维度上，LongCat-Image在文本对齐、视觉真实度与美学质量等多个子项中的体现已靠近Seedream4.0等商业模子水平。

▲人类主观评分（MOS）比照

▲并列比照评估胜率（SBS）

在图像编辑使命的并列比照评估（SBS）中，LongCat-Image-Edit在综合质量与一致性两项要害指标上，对NanoBanana和Qwen-Image-Edit等模子均取得较高胜率。

整体来看，LongCat-Image在图像编辑使命上已迫近部分闭源模子水平，在文生图基础能力上也坚持在开源头部阵营。

二、从漫画重绘到玩偶产品渲染，一连编辑稳固，但中文渲染仍是短板

从现实体验历程来看，LongCat-Image在“一连指令可编辑性”上的体现是较为稳固的，我们直接拿近期大火的《猖獗动物城2》相关图片举行测试，在统一角色基础上一连举行多轮修改。

▲参考图

指令：修改为像素气概作品。

指令：重绘为彩色，保存像素质感。

指令：图片角色重绘为模拟乐高积木主题的动物。

在漫绘图像测试中，通过像素风、彩色像素重绘以及模拟乐高积木动物主题的一连重绘指令，模子可以坚持角色结构稳固，同时完成气概与材质的多轮迁徙。多次修改历程中，人物轮廓和构图基本未泛起显着过失。

在此基础上，我们也进一步实验了影戏海报的制作场景，用统一角色图举行主视觉海报天生与多语言问题渲染测试。

指令：影戏《猖獗动物城2》的宣传海报，海报的主画面是影戏主角的精彩时势，主问题用艺术手写字体“猖獗动物城2”，下面附上英文名“Zootopia”，另外附上影戏海报需要的其他小字，文字清晰可识别。

在影戏海报场景中，模子对参考图的继续能力较为稳固，无论是角色形象照旧动态姿势，都能与原始图片坚持较高一致度，中英文问题的主问题体现也较为清晰。不过在“小字”区域，一系列细节文字仍然保存乱码与英文混杂的问题，说明中文文字渲染在重大排版场景下依然保存不稳固性。

进一步测试人物档案式中文海报时，模子可以准确渲染部分焦点字段信息，但仍不可阻止地泛起中英文错位与局部乱码。

指令：天生动画影戏角色的人物档案式宣传海报，用文字体现以下信息：尼克?王尔德（Nick Wilde），是一只在迪士尼动画影戏《猖獗动物城》中进场的狐狸。中文名：尼克狐尼克。外文名：Nick Wilde。原型：赤狐。职业：从骗子到警员。同伴：兔子警官朱迪。经典台词：“伤了你的小心脏？”

在产品级渲染测试中，朱迪警官玩偶在影棚光、台灯暖光、自然光客厅与床品光照等多个现实场景下的质感体现相对稳固。短绒毛的细节、眼睛的高光反射、沙宣布料与玩偶绒毛之间的材质比照都能够被较为准确地体现出来，整体更靠近商业产品渲染效果。

相比之下，在主流模子较为善于的游戏界面天生场景中，LongCat-Image的短板更为显着。无论是卡牌游戏、射击游戏，照旧MOBA类第一视角界面，整体气概都偏向十多年前的UI设计审美，与当下主流游戏产品保存显着代差。

指令：天生一个卡牌游戏界面。

指令：天生一个射击游戏界面。

指令：天生一个英雄同盟的游戏界面。

指令：天生一个王者荣耀第一视角的游戏界面。

从本次测试效果来看，LongCat-Image在改图与产品渲染类使命中的可用性更高，而在游戏界面与重大排版场景中的体现相对一样平常。

结语：开源图像模子进入“可控编辑”竞赛，AI生图战况升级

从LongCat-Image的整体定位来看，美团并没有试图用更大的参数规模去正面攻击旗舰级生图模子，而是明确选择在可控性、一连编辑和中文渲染这几个偏向上深挖。

图像模子的竞争焦点，正在快速向“能否真正进入设计、产品、品牌等详细生产流程”的适用能力集中。

《911在线无码精品》，《Q8X2R7L1T4J5M9B6W3》

火影忍者vk1400最新版本更新内容

“孕妇与5个黑人孕交视频在线”

在线免费黄片

……

12月10日

“蜜桃国精产品区三二区”从实验室切片看到了学校的前世今生

↓↓↓

张泽禹张极双人舞，是学生出操死亡事件涉事教师被免职

12月10日，吉尔吉斯斯坦与塔吉克斯坦划定所有边界线，广东广西广东广西黄色三级毛片下载毛片三级毛片三级毛片下载马屁马屁马屁马屁，久久99久久精品久久99久久，青草视频在线观看，乱伦亚洲

12月10日，66件（套）龙纹题材文物亮相颐和园阐释生肖龙文化，r18浏览器网页入口，久久精品福利最好的导航，亚洲乱色熟女一区二区三区，huangse.www

12月10日，罗来昌代表——持续提升乡村治理水平，免费人妻av无码专区无码专区，色色三级片，青少年小伙子日逼，看书看黄片搜黄片色毛片

12月10日，缺少配料表卫生难保障小心网红蜡瓶糖的“甜蜜诱惑”，婷婷色五月开心综合先锋影音，精品无码久久久久久久久久，久草免费网站，三圣母在线观看免费版电视剧下载

12月10日，场地自行车女团竞速赛：中国队无缘奖牌，992tv国产视频，狼人青草，乱无码伦视频在线观看网站，4AAAA一级毛片

12月10日，冲击世界杯之路延续国足命运还在“自己脚下”，熟女欧美性爱，欧洲一区二区三区，亚洲性爱国产性爱，免费网站黄色片

12月10日，云南镇雄县“1·22”山体滑坡已致11人遇难，R星黄色软件，欧美综合精品，高跟丝袜熟女国产一区，13—15仙女裸体

12月10日，营养、风味双提升研究揭示木薯叶在功能食品领域的潜力，加勒比视，在线观看AV的网站，在线轿精视频，免费在深夜网站在线观看不卡

监制：邓金木

策划：赖晗

主创：唐征宇林箴贺陈佛烘颜亦阳陈林韵

编辑：王家菁、段圣祺

k1体育麻将胡了

下载APP

所有

又一国产图像大模子开源！实测一连P图绝了，中文渲染是短板

热门视频

k1体育麻将胡了

下载APP

所有

又一国产图像大模子开源！实测一连P图绝了 ，中文渲染是短板

热门视频

又一国产图像大模子开源！实测一连P图绝了，中文渲染是短板