Le modèle multimodal LongCat-Next de MIT est lancé, s'appuyant sur sa nouvelle architecture DiNA. Il unifie de manière native le texte, l'image et l'audio en tokens distincts à l'aide d'un seul ensemble de paramètres, offrant ainsi d'excellentes performances dans des tâches telles que le raisonnement visuel et l'analyse de documents. Ce modèle open source vise à servir de base à l'IA pour interagir avec le monde physique.





Maison
