2025年12月8日，美团正式发布并开源图像生成模型LongCat-Image，这款6B参数模型在图像编辑能力上达到开源SOTA水准。它重点瞄准文生图与单图编辑场景，虽在编辑可控性等方面表现出色，但中文文字渲染在复杂排版下不稳定，复杂UI设计等任务中审美也有短板。美团同步提供了多种体验入口。
模型发布及适用场景
2025年12月8日，美团正式发布并开源图像生成模型LongCat-Image。这是一款6B参数模型，在图像编辑能力上达到开源SOTA水准，重点瞄准文生图与单图编辑两大核心场景。
模型优化方向与性能表现
LongCat-Image把“编辑可控性”和“中文渲染”作为主攻方向。模型采用文生图与图像编辑同源的统一架构及渐进式学习策略，提升指令遵循精准度、生图质量与文字渲染能力。在图像编辑能力上，其在GEdit-Bench、ImgEdit-Bench等多个编辑类基准中取得开源SOTA成绩。通过多种策略，使其面对复杂编辑要求时不易出现风格漂移和结构失真。针对中文文字渲染痛点，采用覆盖8105个规范汉字的合成字形数据预训练等方式，在ChineseWord评测中取得90.7分，领先现有开源模型。在真实感方面，通过对抗训练等绕开AIGC“塑料感”陷阱，人类主观评分维度上，其在多个子项表现接近Seedream4.0等商业模型水平，在图像编辑任务的并列对比评估中对部分模型取得较高胜率，在图像编辑任务上逼近部分闭源模型水平，文生图基础能力保持在开源头部阵营。
实际体验中的优缺点
在实际体验中，LongCat-Image在“连续指令可编辑性”上表现稳定。漫画图像测试中，通过连续重绘指令，模型可保持角色结构稳定，完成风格与材质多轮迁移，人物轮廓和构图基本无明显错误。电影海报制作场景中，模型对参考图继承能力稳定，但复杂排版场景下中文文字渲染存在乱码与英文混杂问题。人物档案式中文海报测试中，模型能正确渲染部分核心字段信息，但中英文错位与局部乱码仍不可避免。产品级渲染测试中，玩偶在多个现实场景下质感表现相对稳定，更接近商业产品渲染效果。
多种体验入口
美团为LongCat-Image同步提供了多种使用方式。在移动端，LongCat APP已支持文生图与图生图能力；在网页端，用户可通过https：//longcat.ai/进入图片生成入口进行体验。对于开发者而言，LongCat-Image的模型权重与代码也已同步在Hugging Face（https：//huggingface.co/meituan-longcat/LongCat-Image ）和GitHub（https：//github.com/meituan-longcat/LongCat-Image）开源。
以上文章由 AI 总结生成
