LongCat-Flash-Omni正式发布并开源：开启全模态实时交互时代

11月3日， LongCat-Flash系列再升级，全新家族成员LongCat-Flash-Omni正式发布并开源，LongCat官方App同步上线公测。目前，新App已支持联网搜索、语音通话等功能，视频通话等功能会稍后上线；Web端则增加图片、文件上传和语音通话等功能。 据介绍，LongCat-Flash-Omni以LongCat-Flash系列的高效架构设计为基础（Shortcut-Connected MoE，含零计算专家），集成了高效多模态感知模块与语音重建模块，在总参数 5600 亿（激活参数 270 亿）的庞大参数规模下，仍实现低延迟的实时音视频交互能力，为开发者的多模态应用场景提供了更高效的技术选择。 新模型也是业界首个实现“全模态覆盖、端到端架构、大参数量高效推理”于一体的开源大语言模型，首次在开源范畴内实现了对标闭源模型的全模态能力，并凭借创新的架构设计与工程优化，让大参数模型在多模态任务中能实现毫秒级响应，解决行业内推理延迟的痛点。 具体来看，LongCat-Flash-Omni在一体化框架中整合了离线多模态理解与实时音视频交互能力，并采用完全端到端的设计，以视觉与音频编码器作为多模态感知器，由 LLM 直接处理输入并生成文本与语音token，再通过轻量级音频解码器重建为自然语音波形，从而实现低延迟的实时交互。所有模块均基于高效流式推理设计，视觉编码器、音频编解码器均为轻量级组件，参数量均约为6亿，延续了 LongCat-Flash 系列的创新型高效架构设计，实现了性能与推理效率间的最优平衡。 <p style="text-align: center;