科技日报记者 崔爽
10月27日，美团LongCat团队发布并开源LongCat-Video视频生成模型。据介绍，作为基于Diffusion Transformer（DiT）架构的多功能统一视频生成基座，LongCat-Video创新通过“条件帧数量”实现任务区分，原生支持三大核心任务：文生视频无需条件帧、图生视频输入1帧参考图、视频续写依托多帧前序内容，且无需额外模型适配，形成“文生/图生/视频续写”完整任务闭环。相关技术报告显示，其在长视频生成领域具备显著优势。
近年来，“世界模型”（World Model）因让人工智能真正理解、预测甚至重构真实世界，被业界视作通往下一代智能的核心引擎。作为能够建模物理规律、时空演化与场景逻辑的智能系统，“世界模型”赋予人工智能“看见”世界运行本质的能力。而视频生成模型有望成为构建世界模型的关键路径——通过视频生成任务压缩几何、语义、物理等多种形式的知识，人工智能得以在数字空间中模拟、推演乃至预演真实世界的运行。
因此，美团LongCat团队认为，此次发布的视频生成模型，是为探索“世界模型”迈出的第一步。未来，凭借精准重构真实世界运行状态的能力，LongCat模型也会融入公司近年来持续投入的自动驾驶、具身智能等深度交互业务场景中，成为更好连接“比特世界”和“原子世界”的技术基础。
网友评论
