Lar
A Meituan apresenta o modelo de IA LongCat-Next com arquitetura unificada de visão e fala
Em 3 de abril, a equipe do MiTi lançou oficialmente o LongCat-Next, um grande modelo multimodal nativo. Esse modelo vai além da abordagem convencional de “base de linguagem mais plug-ins”, convertendo imagens, áudio e texto em um fluxo unificado de tokens discretos. Isso permite que a IA “veja” e “ouça” o mundo físico de forma nativa, processando essas entradas da mesma forma que processa o texto.
Núcleo técnico: a arquitetura DiNA permite a “internalização de modalidades”
Para eliminar as barreiras entre diferentes tipos de dados, a MiTi desenvolveu a arquitetura DiNA (Discrete Native Autoregressive), alcançando uma unificação profunda na modelagem multimodal:
Unificação completa de modalidades: o modelo usa os mesmos parâmetros, mecanismos de atenção e funções de perda para texto, imagens e áudio.
Simetria entre compreensão e geração: dentro de uma única estrutura matemática, prever o próximo token de texto constitui “compreensão”, enquanto prever um token de imagem é “geração”. Ambos os processos apresentam benefícios sinérgicos significativos durante o treinamento.
Compressão extrema: Utilizando o dNaViT Visual Tokenizer, ele processa entradas em qualquer resolução. Por meio de um processo de quantização vetorial residual de 8 camadas, alcança até 28 vezes de compressão no espaço de pixels, preservando detalhes críticos para tarefas como OCR e análise de documentos financeiros.
Desempenho empírico: a modelagem discreta não tem limites inerentes
O LongCat-Next oferece desempenho que supera modelos especializados em vários benchmarks, desafiando efetivamente a noção tradicional de que “a discretização inevitavelmente causa perda de informação”:
Percepção refinada: No OmniDocBench para cenários de texto denso, ele supera não apenas o Qwen3-Omni, mas também o modelo de visão especializado Qwen3-VL.
Raciocínio visual: obteve uma pontuação impressionante de 83,1 no MathVista, demonstrando raciocínio lógico robusto e de nível industrial.
Colaboração multimodal: Ao mesmo tempo em que mantém recursos de linguagem de ponta (C-Eval 86,80), ele suporta geração paralela de texto e fala com baixa latência, além de clonagem de voz personalizável.
Perspectiva do setor: uma base para a IA no mundo físico
Os grandes modelos de linguagem há muito se concentram no texto. A inovação do LongCat-Next é a prova de que as informações do mundo físico podem ser discretizadas e modeladas como a linguagem. Quando uma IA possui uma “linguagem nativa” unificada, ela se torna mais inteligente e intuitiva ao usar ferramentas, escrever código ou interpretar gráficos complexos.
A MiTi tornou o modelo LongCat-Next e o tokenizador dNaViT de código aberto. Essa arquitetura discreta nativa, eficiente e de alto potencial, fornece aos desenvolvedores ferramentas essenciais para a construção de IA capaz de perceber e interagir com o mundo real.
Artigo relacionado
MIIT Solicita Opiniões Públicas sobre 121 Padrões Industriais, Incluindo o Protocolo de Contexto para Modelos de IA
O Ministério da Indústria e Tecnologia da Informação da China lançou oficialmente um comunicado solicitando feedback público sobre 121 projetos de padronização industrial, incluindo o “Requisitos de Segurança Aplicacional para o Protocolo de Contexto
A OpenAI se alia ao Departamento de Defesa dos EUA; as instalações do ChatGPT aumentam em 295%.
Indignação Pública: A Parceria Militar da OpenAI Provoca uma “Onda de Desinstalações”Recentemente, a líder em tecnologia de IA, OpenAI, anunciou uma parceria profunda com o Departamento de Defesa dos EUA, integrando seus modelos de IA em redes milit
A OpenAI lança o recurso "Sites", marcando o fim da era "no-code" com sites criados a partir de texto
A OpenAI lançou o Sites, um novo recurso para o Codex, sua IA para engenharia de software. Atualmente em fase de pré-lançamento, ele está disponível apenas para assinantes pagantes dos planos Business
Recomendações de tópicos especiais relacionados
Educação e Aprendizagem
Melhores ferramentas de repetição espaçada com IA: otimize seus horários de estudo para estudantes de medicina e direito
Descubra os melhores ferramentas de repetição espaçada em AI de 2026, selecionadas por XIX.AI. Nossas escolhas mais recomendadas e revolucionárias ajudam estudantes de medicina e direito a otimizar seus horários de estudo para uma melhor retenção do conhecimento. Compare opções gratuitas e pagas com testes reais e rankings atualizados semanalmente. Desfrute agora de uma vantagem competitiva no aprendizado.
10 ferramentas
xix.ai
Criação de vídeo
As melhores plataformas de IA para conversão de texto em vídeo para redação de roteiros e narrativa visual
As melhores plataformas de IA para conversão de texto em vídeo de 2026: as ferramentas mais bem avaliadas para redação de roteiros e narrativa visual. Descubra soluções poderosas e revolucionárias para transformar seu texto em vídeos envolventes. Compare opções gratuitas e pagas com nossos rankings atualizados semanalmente e testes práticos. Encontre a plataforma perfeita para impulsionar sua criatividade e produtividade. Explore a seleção especial no XIX.AI.
10 ferramentas
xix.ai
chatbot
Orquestradores de Múltiplos Agentes IA: Projeto de Fluxos de Trabalho Automatizados Complexos através do Linguagem Natural
2026 Mais recente: Descubra os melhores orquestradores multi-agente de IA para projetar fluxos de trabalho automatizados complexos através do uso da linguagem natural. Nossa lista selecionada apresenta plataformas poderosas e altamente avaliadas para uma automação de tarefas sem falhas e um gerenciamento inteligente de processos. Compare opções gratuitas e pagas com informações reais do mundo real. Desfrute de uma vantagem competitiva com as classificações atualizadas semanalmente por especialistas da XIX.AI.
10 ferramentas
xix.ai
Edição de imagem
Melhores softwares de redução de ruído por IA: Remova granulação e artefatos em fotografias noturnas com baixa luz
Descubra os melhores softwares de redução de ruído por IA de 2026 para fotografias noturnas em baixas condições de luz. Nossa lista selecionada e avaliada compara ferramentas gratuitas e pagas, apresentando testes reais e classificações atualizadas semanalmente. Remova facilmente granulação e distorções nas imagens. Desfrute das vantagens da inteligência artificial em XIX.AI.
10 ferramentas
xix.ai
chatbot
Os melhores geradores personalizados de namoradas virtuais com IA: crie personalidades, hobbies e histórias de vida exclusivas
Descubra os melhores geradores personalizados de namoradas com IA de 2026 no XIX.AI. Explore nossa lista selecionada e com as melhores avaliações para criar personalidades únicas, hobbies e histórias de fundo detalhadas. Compare as opções gratuitas com as pagas com informações reais. Encontre hoje mesmo sua companheira criativa perfeita.
10 ferramentas
xix.ai
Produtividade
Projetistas de arquitetura de IA: criem arquiteturas de sistemas escaláveis usando linguagem natural
Descubra as melhores ferramentas de projeto de arquitetura de IA de 2026 no XIX.AI. Nossa lista selecionada e com as melhores avaliações apresenta soluções poderosas e revolucionárias para criar arquiteturas de sistemas escaláveis usando linguagem natural. Compare opções gratuitas e pagas com informações práticas. Aproveite ao máximo sua vantagem em IA e otimize o desenvolvimento hoje mesmo.
10 ferramentas
xix.ai
Comentários (1)
![CharlesHernández]()
Interesting approach! Unifying vision and speech into a single stream sounds like a step towards more 'native' multimodal understanding, unlike just bolting on separate modules. Makes me wonder how this affects real-time processing efficiency for delivery robots or AR navigation apps. Could be a game-changer for Meituan's on-demand services if it works smoothly in the wild. 🧐
Em 3 de abril, a equipe do MiTi lançou oficialmente o LongCat-Next, um grande modelo multimodal nativo. Esse modelo vai além da abordagem convencional de “base de linguagem mais plug-ins”, convertendo imagens, áudio e texto em um fluxo unificado de tokens discretos. Isso permite que a IA “veja” e “ouça” o mundo físico de forma nativa, processando essas entradas da mesma forma que processa o texto.
Núcleo técnico: a arquitetura DiNA permite a “internalização de modalidades”
Para eliminar as barreiras entre diferentes tipos de dados, a MiTi desenvolveu a arquitetura DiNA (Discrete Native Autoregressive), alcançando uma unificação profunda na modelagem multimodal:
Unificação completa de modalidades: o modelo usa os mesmos parâmetros, mecanismos de atenção e funções de perda para texto, imagens e áudio.
Simetria entre compreensão e geração: dentro de uma única estrutura matemática, prever o próximo token de texto constitui “compreensão”, enquanto prever um token de imagem é “geração”. Ambos os processos apresentam benefícios sinérgicos significativos durante o treinamento.
Compressão extrema: Utilizando o dNaViT Visual Tokenizer, ele processa entradas em qualquer resolução. Por meio de um processo de quantização vetorial residual de 8 camadas, alcança até 28 vezes de compressão no espaço de pixels, preservando detalhes críticos para tarefas como OCR e análise de documentos financeiros.
Desempenho empírico: a modelagem discreta não tem limites inerentes
O LongCat-Next oferece desempenho que supera modelos especializados em vários benchmarks, desafiando efetivamente a noção tradicional de que “a discretização inevitavelmente causa perda de informação”:
Percepção refinada: No OmniDocBench para cenários de texto denso, ele supera não apenas o Qwen3-Omni, mas também o modelo de visão especializado Qwen3-VL.
Raciocínio visual: obteve uma pontuação impressionante de 83,1 no MathVista, demonstrando raciocínio lógico robusto e de nível industrial.
Colaboração multimodal: Ao mesmo tempo em que mantém recursos de linguagem de ponta (C-Eval 86,80), ele suporta geração paralela de texto e fala com baixa latência, além de clonagem de voz personalizável.
Perspectiva do setor: uma base para a IA no mundo físico
Os grandes modelos de linguagem há muito se concentram no texto. A inovação do LongCat-Next é a prova de que as informações do mundo físico podem ser discretizadas e modeladas como a linguagem. Quando uma IA possui uma “linguagem nativa” unificada, ela se torna mais inteligente e intuitiva ao usar ferramentas, escrever código ou interpretar gráficos complexos.
A MiTi tornou o modelo LongCat-Next e o tokenizador dNaViT de código aberto. Essa arquitetura discreta nativa, eficiente e de alto potencial, fornece aos desenvolvedores ferramentas essenciais para a construção de IA capaz de perceber e interagir com o mundo real.
MIIT Solicita Opiniões Públicas sobre 121 Padrões Industriais, Incluindo o Protocolo de Contexto para Modelos de IA
O Ministério da Indústria e Tecnologia da Informação da China lançou oficialmente um comunicado solicitando feedback público sobre 121 projetos de padronização industrial, incluindo o “Requisitos de Segurança Aplicacional para o Protocolo de Contexto
A OpenAI se alia ao Departamento de Defesa dos EUA; as instalações do ChatGPT aumentam em 295%.
Indignação Pública: A Parceria Militar da OpenAI Provoca uma “Onda de Desinstalações”Recentemente, a líder em tecnologia de IA, OpenAI, anunciou uma parceria profunda com o Departamento de Defesa dos EUA, integrando seus modelos de IA em redes milit
A OpenAI lança o recurso "Sites", marcando o fim da era "no-code" com sites criados a partir de texto
A OpenAI lançou o Sites, um novo recurso para o Codex, sua IA para engenharia de software. Atualmente em fase de pré-lançamento, ele está disponível apenas para assinantes pagantes dos planos Business
Descubra os melhores ferramentas de repetição espaçada em AI de 2026, selecionadas por XIX.AI. Nossas escolhas mais recomendadas e revolucionárias ajudam estudantes de medicina e direito a otimizar seus horários de estudo para uma melhor retenção do conhecimento. Compare opções gratuitas e pagas com testes reais e rankings atualizados semanalmente. Desfrute agora de uma vantagem competitiva no aprendizado.
10 ferramentas
xix.ai
As melhores plataformas de IA para conversão de texto em vídeo de 2026: as ferramentas mais bem avaliadas para redação de roteiros e narrativa visual. Descubra soluções poderosas e revolucionárias para transformar seu texto em vídeos envolventes. Compare opções gratuitas e pagas com nossos rankings atualizados semanalmente e testes práticos. Encontre a plataforma perfeita para impulsionar sua criatividade e produtividade. Explore a seleção especial no XIX.AI.
10 ferramentas
xix.ai
2026 Mais recente: Descubra os melhores orquestradores multi-agente de IA para projetar fluxos de trabalho automatizados complexos através do uso da linguagem natural. Nossa lista selecionada apresenta plataformas poderosas e altamente avaliadas para uma automação de tarefas sem falhas e um gerenciamento inteligente de processos. Compare opções gratuitas e pagas com informações reais do mundo real. Desfrute de uma vantagem competitiva com as classificações atualizadas semanalmente por especialistas da XIX.AI.
10 ferramentas
xix.ai
Descubra os melhores softwares de redução de ruído por IA de 2026 para fotografias noturnas em baixas condições de luz. Nossa lista selecionada e avaliada compara ferramentas gratuitas e pagas, apresentando testes reais e classificações atualizadas semanalmente. Remova facilmente granulação e distorções nas imagens. Desfrute das vantagens da inteligência artificial em XIX.AI.
10 ferramentas
xix.ai
Descubra os melhores geradores personalizados de namoradas com IA de 2026 no XIX.AI. Explore nossa lista selecionada e com as melhores avaliações para criar personalidades únicas, hobbies e histórias de fundo detalhadas. Compare as opções gratuitas com as pagas com informações reais. Encontre hoje mesmo sua companheira criativa perfeita.
10 ferramentas
xix.ai
Descubra as melhores ferramentas de projeto de arquitetura de IA de 2026 no XIX.AI. Nossa lista selecionada e com as melhores avaliações apresenta soluções poderosas e revolucionárias para criar arquiteturas de sistemas escaláveis usando linguagem natural. Compare opções gratuitas e pagas com informações práticas. Aproveite ao máximo sua vantagem em IA e otimize o desenvolvimento hoje mesmo.
10 ferramentas
xix.ai
Interesting approach! Unifying vision and speech into a single stream sounds like a step towards more 'native' multimodal understanding, unlike just bolting on separate modules. Makes me wonder how this affects real-time processing efficiency for delivery robots or AR navigation apps. Could be a game-changer for Meituan's on-demand services if it works smoothly in the wild. 🧐
