Китайская технологическая компания Meituan представила новую модель для генерации и редактирования изображений под названием LongCat-Image. Команда разработчиков Meituan LongCat открыла исходный код этой модели, что позволяет исследователям и разработчикам свободно ее использовать и модифицировать. Модель с 6 миллиардами параметров демонстрирует производительность, сопоставимую с более крупными аналогами, благодаря своей унифицированной архитектуре и прогрессивным стратегиям обучения.
Технологические особенности и преимущества
LongCat-Image выделяется своей эффективностью: имея всего 6 миллиардов параметров, она превосходит многие более крупные модели с открытым исходным кодом по различным тестам. Ключевым преимуществом является ее унифицированная архитектура, которая позволяет одновременно выполнять задачи генерации и редактирования изображений. Это обеспечивает высокую точность следования инструкциям, качество создаваемых изображений и улучшенный рендеринг текста, особенно китайских иероглифов. Модель также демонстрирует высокий уровень контролируемости при редактировании изображений.
LongCat-Image является двуязычной моделью, поддерживая китайский и английский языки, что расширяет ее применимость. Разработчики отмечают фотореалистичность генерируемых изображений, достигнутую за счет инновационной стратегии работы с данными и обучения.
Сравнение с конкурентами и доступность
По результатам бенчмарков, LongCat-Image приближается к таким моделям, как GPT Image 1, а в слепых тестах опережает FLUX.1. При этом она в 2-3 раза меньше по количеству параметров, чем такие конкуренты, как Flux, HunyuanImage-3.0 и Qwen Image. Это делает ее доступной для запуска на стандартных потребительских графических процессорах.
Meituan не только опубликовала саму модель, но и предоставила полный набор инструментов с открытым исходным кодом, включая промежуточные контрольные точки обучения и весь код для тренировки. Это значительно снижает порог входа для дальнейших исследований и разработок в области генерации изображений. Модель и сопутствующие инструменты доступны на платформах GitHub и Hugging Face.
В перспективе, открытие исходного кода LongCat-Image может стимулировать дальнейшее развитие и появление новых, более совершенных моделей для генерации и редактирования изображений. Доступность и высокая производительность при относительно небольшом размере делают ее привлекательным инструментом для широкого круга разработчиков и исследователей в области искусственного интеллекта.