更多动态
，速度快且长视频更稳。 技术原理简化： 主流 Diffusion 像“雕刻”，需几十步循环去噪才能出画面；STARFlow-V 的 Normalizing Flows 技术更像建立了一条“直达通道”，通过数学变换直接将噪音映射为视频，无需反复迭代。 核心亮点： 🔹 效率暴增：70亿参数 (7B) 模型，因非迭代特性，生成 5 秒视频的速度比初始版本快 15 倍，且训练只需单次前向传播。 🔹 长视频更稳：在 30 秒长视频测试中，画面一致性表现优于各类 Diffusion 竞品，有效缓解了“时间越长画面越崩”的通病。 🔹 原生多模态：得益于可逆架构，无需针对 T2V、I2V 或视频编辑分别修改模型，一套架构直接通吃。 ⚠️ 硬件短板：目前输出仅 480p @ 16fps，物理规律模拟（如物体碰撞）仍有缺陷，离商业级商用还有距离。 项目与代码：https://github.com/apple/ml-starflow #AI视频 #开源模型 #深度学习 #AppleSilicon #技术趋势
美团 LongCat 团队开源的 6B 图像模型，在消费级显卡上就能跑通“精准中文生图 + 自然语言修图”的全流程。 1️⃣ 架构“一鱼两吃” 它不用分别部署生图和修图模型。基于 DiT（类似 Flux）的统一架构，同一套权重既能从零生成高质量画面，又能像听懂人话一样执行“把背景换成雪山”这种编辑指令（LongCat-Image-Edit），且视觉一致性极强。 2️⃣ 专治“AI 不识字” 这是目前最懂中文的开源底座之一。在 ChineseWord 基准拿下 90.7 分，做电商海报、门头招牌时，文字不再是乱码贴图，甚至连生僻字和复杂排版都能直接渲染可用，大幅减少后期 PS 修正的工作量。 3️⃣ 显存友好且开源彻底 6B 参数量对硬件宽容度很高，普通游戏本也能跑。更关键的是，官方不仅放了最终权重，连中间训练检查点（Dev 版）和完整的 RL 对齐流水线都打包开源，想做垂直领域微调的开发者可以直接“抄作业”。 🔗 模型下载与体验：https://huggingface.co/meituan-longcat/LongCat-Image #AI工作流 #本地部署 #LongCat #图像生成 #设计效率
1.6T 总参、激活约 48B，原生多模态，主推长程智能体，全程国产算力训练。 图像量化成多级离散 token，Visual Coding 与 3D 受益。 大规模长程 RL，把失败轨迹转成可验证训练任务。 W4A4 推理，prefill 吞吐提升 43%。 官方自测介于 Claude-Opus-4.8 与 Opus-5 之间。
它不堆参数，堆"层数"。32 层解码器，中间 4–27 层同权重跑两遍 → 前向 56 层计算，只存 9B。 自测 BIRD-Dev 71.38、AutomationBench 13.72，超 Qwen3.5-27B；Terminal Bench依旧落后。
