10月27日报道，10月25日，美团开源了其首款视频生成大模型——LongCat-Video。该模型面向多任务视频生成场景，旨在以统一架构支持文生视频、图生视频以及视频续写三种能力。
不同于以往针对单一任务训练的模型，LongCat-Video通过多任务联合训练机制，在同一框架内即可处理零帧、单帧及多帧条件输入。
此外，LongCat-Video重点突破了长视频生成难题。相比常见模型在长时序生成中易出现的画面漂移、色彩偏移等问题，该模型通过在视频续写任务上的原生预训练，能够持续生成数分钟视频内容，同时保持较高的时间一致性与视觉稳定性。
在推理效率方面，LongCat-Video借鉴了近年来的高效生成方法，采用“粗到细”两阶段生成策略：先生成480p、15fps的视频，再细化至720p、30fps，并结合块稀疏注意力机制和模型蒸馏，显著降低了高分辨率生成的计算开销，视频生成的推理速度提升到原来的10.1倍，提速幅度超900%。
在后训练阶段，团队引入多奖励强化学习（RLHF）优化方案，利用组相对策略优化（GRPO）方法综合多维度奖励信号，进一步提升模型在多样化任务下的表现。
美团已在多项公开与内部测评中将LongCat-Video与其他视频生成大模型进行了比较。在VBench公开基准测试中，LongCat-Video总得分仅次于Veo3和Vidu Q1。值得注意的是，LongCat-Video在“常识理解”一项中以70.94%的得分位居所有开源模型第一，也超过了Veo3、Seedance 1.0 Pro、Vidu Q1、Kling 1.6、Sora等闭源模型。
目前，美团LongCat-Video已同步开放代码、模型权重及关键模块，模型技术报告也已经发布。