v8.451.4103.626290 PC版
v7.813.2501.972016 安卓版
v6.245 PC版
v9.486.3184.816823 安卓漢化版
v1.637.5232.84457 PC版
v6.878.8128 安卓漢化版
v6.523 IOS版
v8.656.706 安卓最新版
v5.76 安卓最新版
v3.49 最新版
v3.347.5495 安卓最新版
v4.570.4788.455854 PC版
v6.905.8824.720440 安卓漢化版
v4.634.7558.918724 安卓版
v2.16.6748.239347 IOS版
v8.486.8716.935950 最新版
v1.651 安卓版
v6.580.6022 安卓版
v1.677.7272.252515 IOS版
v8.232 IOS版
v4.314.5116.305737 安卓版
v3.830 安卓最新版
v2.966.3874.419077 PC版
v4.789.4201.945250 最新版
v9.125 安卓版
v6.210.1688 安卓版
v5.932.6464.2868 安卓免費版
v5.427.6015.65654 最新版
v2.998.4792.581752 安卓版
v7.886.6666 IOS版
v2.166.3668.923920 安卓版
v3.194.7635.969450 IOS版
v7.641.8680.643334 安卓免費版
v6.453 安卓最新版
v8.115.2775.882468 安卓漢化版
v3.131.8904 IOS版
v6.694.962 安卓免費版
v8.452.3076.36728 安卓免費版
v6.376.2100 PC版
v2.536.4896 PC版
v7.162 IOS版
v3.68.4669.826057 安卓漢化版
v8.602.7271.861843 安卓最新版
v6.40 IOS版
v5.443.34 IOS版
v3.89.9041 安卓最新版
v1.300.5280.221548 安卓免費版
v7.342.6092 安卓最新版
v2.302 安卓最新版
v5.449.1726 IOS版
v4.489.3177 安卓漢化版
v2.276.9012 IOS版
v6.231.820.560027 IOS版
v2.95.4789.516360 IOS版
v9.121.6314.428596 安卓免費版
v3.190 安卓免費版
v4.755 安卓最新版
v7.811.739.291369 最新版
v5.64.7141.861271 安卓版
v2.782.6592.41487 IOS版
v5.435 PC版
v8.712.8671.614908 最新版
v4.501 安卓版
v9.958.6058.369014 安卓漢化版
v4.233.4820 安卓最新版
v8.964 安卓最新版
v7.474 安卓漢化版
v8.725.5518.633672 安卓版
v8.345.8202 安卓漢化版
v6.462 安卓免費版
v9.64 IOS版
v3.398.9162.203451 最新版
v4.939.4733 IOS版
v5.636.6172 PC版
v1.580.103.835599 安卓免費版
v2.126 安卓漢化版
v1.727.2129.414294 PC版
v4.707 最新版
v2.791 安卓漢化版
v8.467 安卓漢化版
大黑吊日逼视频
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。
相关版本
多平台下载
审查所有0条谈论>网友谈论
