Одна модель вместо трёх: LongCat-Next объединяет текст, звук и визуал…

Одна модель вместо трёх: LongCat-Next объединяет текст, звук и визуал

Появился LongCat-Next — мультимодальная модель, которая работает сразу с несколькими типами данных в одной задаче.

Не «склеивает» результаты, а обрабатывает всё внутри одной системы.

Что внутри:

— архитектура MoE
— 74B параметров, но активны только 3B
— поддержка текста, изображений и аудио одновременно

Что умеет:

— генерировать визуальный контент
— понимать речь
— вести голосовые диалоги
— клонировать голос

То есть это не набор отдельных моделей, а единая система для разных модальностей.

Главный плюс — эффективность.
MoE позволяет держать большую модель, но включать только нужную часть под задачу.