美团开源5600亿参数大模型！语音订外卖仅需3秒，实测体验来了

11月3日，美团正式开源全模态大模型LongCat-Flash-Omni，并同步上线首款AI通用助手App，开启公测。这一动作不仅标志着美团在AI领域的技术实力再上新台阶，更将为本地生活服务带来全新变革。这款总参数量达5600亿、激活参数270亿的全模态大模型，究竟有何过人之处？配套的AI助手App又能为用户带来哪些便利？让我们一探究竟。

技术突破：LongCat-Flash-Omni全模态大模型解析

模型架构与参数亮点

LongCat-Flash-Omni最引人注目的莫过于其庞大的参数规模——总参数量5600亿，激活参数270亿。这一设计在保证模型强大能力的同时，通过创新的Shortcut-Connected MoE（混合专家）架构，实现了高效推理。该架构引入”零计算专家”技术，类似于高速公路上的ETC通道，只激活必要的参数路径，大幅降低了计算资源消耗。

更令人惊叹的是，该模型支持128K tokens的超长上下文窗口，能够处理超过8分钟的音视频交互内容。这意味着用户可以进行更长时间的语音对话，或上传更长的视频进行分析，而不用担心模型”记不住”前面的内容。

多模态性能表现

作为一款全模态大模型，LongCat-Flash-Omni在文本、图像、视频、语音等多个领域均表现出色：

文本处理：延续了美团大模型系列的既有优势，在部分领域的性能较早期版本有显著提升。

图像理解：在RealWorldQA基准测试中获得74.8分，与Google的Gemini-2.5-Pro相当，优于阿里的Qwen3-Omni模型。

语音识别：在LibriSpeech数据集上的ASR（自动语音识别）准确率超越了Gemini-2.5-Pro，语音对话的自然度和人性化指标甚至优于OpenAI的GPT-4o。

视频理解：在短视频理解任务上领先于其他开源模型，长视频理解能力则与Gemini-2.5-Pro不相上下。

开源生态与技术优势

美团已将LongCat-Flash-Omni模型开源至Hugging Face平台，并提供了轻量级编解码器组件，方便开发者集成和二次开发。模型采用分块式音视频特征交织机制，视觉和音频编码器的参数量仅为6亿，实现了性能与效率的完美平衡。

在数据安全方面，模型训练采用了”渐进式早期融合”策略，有效避免了单模态数据泄露风险，符合国内《生成式AI服务管理暂行办法》的要求，为企业和个人用户提供了安全可靠的技术保障。

产品落地：AI通用助手App功能与体验

核心功能矩阵

基于LongCat-Flash-Omni大模型，美团推出的AI通用助手App具备以下核心功能：

语音通话：支持实时语音交互，响应速度比传统AI工具快30%，用户可以通过语音完成各种操作。

联网搜索：整合了美团丰富的本地生活数据，能够提供精准的餐厅推荐、外卖订餐等服务信息。

图像/文件上传：Web端支持多模态输入，用户可以上传图片或文件进行分析和处理。

视频通话：目前处于内测阶段，预计不久后将正式上线，将为用户带来更直观的交互体验。

公测信息与用户体验

目前，AI通用助手App已开启公测，iOS用户可以直接在App Store搜索”LongCat”下载体验，安卓版本预计将于11月底上线。根据早期用户的实测反馈，该App的响应速度优势明显，特别是在处理复杂查询和多模态任务时表现突出。

一位参与公测的用户表示：”用语音点外卖真的太方便了，只需说出想要的菜品和配送地址，不到3秒就能完成下单，比手动操作快多了。”

生活化应用场景

LongCat-Flash-Omni大模型和AI助手App在生活服务场景中有着广泛的应用前景：

用户端应用：

拍照识别菜品卡路里：用户只需用手机拍摄食物，AI就能分析出大致的卡路里含量，帮助健康饮食。

语音控制外卖备注：通过语音指令如”少辣+餐具”，AI能准确理解并添加到订单备注中。

商家端应用：

智能客服处理多模态咨询：商家可利用模型开发智能客服系统，自动处理包含图像的投诉，如菜品质量问题图片，并进行分类处理。

动态定价模型：结合视频客流分析，商家可以实现更精准的动态定价，优化经营效率。

行业影响：美团AI战略布局与本地生活服务升级

技术定位与竞品对比

在Omni-Bench全模态基准测试中，LongCat-Flash-Omni超越了阿里的Qwen3-Omni和Google的Gemini-2.5-Flash，接近闭源模型Gemini-2.5-Pro的水平。与OpenAI的GPT-4和百度的文心一言相比，美团的全模态模型在本地生活服务场景中具有明显优势，特别是在多模态理解和实时交互方面。

美团此举填补了开源全模态领域的空白，为行业提供了一个强大的技术基础，有望引领新一轮AI技术发展趋势。

2025年大模型开源趋势

2025年，国内科技公司正加速大模型开源步伐。除了美团的LongCat-Flash-Omni，阿里的Qwen3-Max和百度的文心5.0也相继推出开源版本。在这一趋势下，美团凭借全模态能力的差异化竞争优势，有望在开源社区中占据重要位置。

虽然目前美团尚未明确披露具体的开源协议类型，但业界推测可能采用Apache 2.0或MIT等主流开源协议，这将进一步促进开发者生态的建设和完善。

本地生活服务智能化升级

美团AI战略的推进，将对本地生活服务行业产生深远影响：

商家智能化工具升级路径：

基于LongCat-Flash-Omni模型，商家可以开发更智能的客服系统、商品推荐引擎和营销工具。

视觉分析能力将帮助商家更好地了解顾客需求，优化产品和服务。

用户体验优化方向：

多模态交互将使用户能够以更自然的方式与服务平台沟通，降低使用门槛。

个性化推荐将更加精准，满足用户多样化需求。

行业格局影响：

美团通过开源全模态模型，有望构建更开放的AI生态，吸引更多开发者和合作伙伴。

本地生活服务的智能化水平将整体提升，促进行业良性竞争和创新发展。

随着LongCat-Flash-Omni的开源和AI助手App的推出，美团正在用实际行动证明，AI技术不再是遥不可及的概念，而是能够切实改善人们日常生活的实用工具。对于普通用户而言，这意味着更便捷、更智能的服务体验；对于商家而言，则意味着更高效的运营方式和更精准的用户洞察。

美团此次的技术突破和产品落地，不仅展示了其在AI领域的实力，更为整个本地生活服务行业指明了智能化升级的方向。未来，随着更多基于LongCat-Flash-Omni的应用场景落地，我们有理由相信，AI将真正融入日常生活的方方面面，为人们带来更美好的生活体验。