国产AI新势力：美团LongCat开源实测，6B模型图像编辑SOTA

type

status

date

slug

summary

架构创新：统一架构下的渐进式学习

LongCat-Image之所以能在6B参数下宣称达到开源SOTA（State Of The Art）水平，核心在于其独特的模型架构设计。不同于传统生图模型往往将“文生图”与“图生图/编辑”分开训练，LongCat采用了统一架构。

这种设计通过渐进式学习策略，在训练中期就引入了多任务联合学习机制。这意味着模型不仅仅是在学习如何画图，更是在同步学习如何理解复杂的编辑指令。对于开发者和Prompt工程师而言，这意味着更低的显存占用和更精准的指令遵循能力。在GEdit-Bench等基准测试中，其表现甚至优于部分闭源模型，证明了“参数不在大，而在精”的训练哲学。

连续P图实测：打破“随机性”魔咒

在AGI和图像生成领域，最大的痛点之一就是“连续一致性”。通常，我们对一张AI生成的图片进行微调时，很容易导致人物长相改变或风格崩坏。

在针对LongCat-Image的实测中，其“连续指令可编辑性”令人印象深刻。以《疯狂动物城》角色的连续修改为例： 1. 风格迁移：将角色修改为像素风格。 2. 材质重绘：在保持像素风的基础上重绘为彩色。 3. 跨物种/跨形态：将角色重绘为乐高积木主题。

在这一系列连续操作中，LongCat-Image展现出了极强的结构保持能力。人物的轮廓、构图在多轮修改后依然稳定，没有出现常见的“风格漂移”。这对于需要制作分镜脚本、连环画或游戏资产的创作者来说，是一个巨大的福音，极大地提升了AI工具在实际工作流中的可用性。

中文渲染：攻克痛点与遗留难题

中文文字渲染一直是国外主流模型（如Midjourney、Flux等）的弱项。美团此次特别针对这一痛点，使用了覆盖8000多个规范汉字的合成数据进行预训练，并引入了OCR奖励模型。

亮点：在生成电影海报主标题时，LongCat能够准确渲染出“疯狂动物城2”等指定汉字，且字体风格与画面融合度较高。在ChineseWord评测中取得90.7分的高分并非虚言。

短板：然而，在面对复杂的排版任务时，模型依然显得力不从心。例如在生成包含多行小字、中英文混排的人物档案海报时，容易出现乱码、错位等现象。这说明虽然中文理解能力提升了，但在复杂版式设计的AI生成上，目前的技术仍有优化空间。

审美与泛化：产品渲染优于游戏UI

在实际应用场景的测试中，LongCat-Image表现出了明显的倾向性：

产品渲染强：在模拟影棚光、自然光等环境下渲染玩偶、商品时，材质质感（如绒毛、布料）表现极其出色，接近商业摄影级别。这对于电商设计、AI变现中的产品图生成具有直接价值。

游戏UI弱：在生成游戏界面（如MOBA、射击游戏UI）时，模型暴露出了审美滞后的问题。生成的界面风格偏向十年前的“复古风”，缺乏现代游戏UI的精致感与设计语言。这可能与其训练数据的构成以及缺乏联网搜索能力有关，导致模型无法捕捉最新的设计趋势。

结论与展望

美团LongCat-Image的开源，是国产人工智能大模型在细分领域的一次重要尝试。它没有盲目追求参数规模，而是聚焦于“可控编辑”和“本土化渲染”这两个极具实用价值的方向。

尽管在复杂排版和特定审美风格上仍有局限，但其在连续编辑的一致性上已经展现出了进入生产力的潜质。对于希望利用LLM和图像模型进行内容创作的用户来说，LongCat提供了一个轻量级且功能强大的新选择。

随着开源社区的加入，我们有理由相信，未来的AI生图将不仅仅是“抽卡”游戏，而是真正成为设计师手中的精密手术刀。

想要了解更多关于ChatGPT、Claude以及最新AI新闻和AI日报，请务必访问国内领先的AI资讯门户 AIGC.bar，获取第一手行业动态与技术干货。