又一国产图像大模子开源！实测一连P图绝了，中文渲染是短板

智工具作者｜江宇编辑｜漠影

智工具12月8日报道，今日，美团正式宣布并开源图像天生模子LongCat-Image，这是一款在图像编辑能力上抵达开源SOTA水准的6B参数模子，重点瞄准文生图与单图编辑两大焦点场景。

▲图源：Hugging Face

从官方披露的基准测试效果来看，LongCat-Image主要对标了Seedream4.0、Qwen-Image、HunyuanImage-3.0、Nano Banana以及FLUX.1-dev等主流开源与闭源生图模子，其焦点优化集中在“编辑可控性”和“中文文字渲染”两项能力上。

而在现实体验中，它在一连改图、气概转变和材质细节上体现较好，但在重大排版场景下，中文文字渲染仍保存不稳固的情形。在涉及重大UI设计、游戏界面天生等使命时，模子的审美也袒露出一定短板，这或许与其不具备联网搜索能力有关。

在体验入口方面，美团也同步提供了多种使用方法。在移动端，LongCat APP已支持文生图与图生图能力；在网页端，用户也可通过 https://longcat.ai/ 进入图片天生入口举行体验。

关于开发者而言，LongCat-Image的模子权重与代码也已同步开源：

Hugging Face：https://huggingface.co/meituan-longcat/LongCat-ImageGitHub：https://github.com/meituan-longcat/LongCat-Image

下面我们就来看看LongCat-Image的模子结构、评测效果和详细的实测体现。

一、从模子结构到评测效果，LongCat-Image把“编辑可控性”和“中文渲染”作为主攻偏向

从模子设计上看，LongCat-Image接纳了文生图与图像编辑同源的统一架构，并通过渐进式学习战略，在仅6B参数规模下兼顾了指令遵照精准度、生图质量与文字渲染三项能力的协同提升。

▲模子架构

这套训练蹊径并非从零最先堆参数，而是基于文生图中期训练模子举行初始化，并在后续阶段接纳文生图与指令编辑的多使命联合学习机制，来阻止编辑能力在后训练阶段被压缩的问题。

在图像编辑能力上，LongCat-Image在GEdit-Bench、ImgEdit-Bench等多个编辑类基准中取得了开源SOTA效果。

▲客观基准测试性能比照

LongCat-Image通过多源数据预训练、指令改写战略与人工精标SFT数据的引入，使模子在面临重大编辑要求时更禁止易泛起气概漂移和结构失真。

针对中文文字渲染这一恒久痛点，LongCat-Image接纳了笼罩8105个规范汉字的合成字形数据举行预训练，并在SFT阶段引入真实天下文本图片强化排版与字体泛化能力，在RL阶段还引入OCR与美学双奖励模子配合约束，最终在ChineseWord评测中取得90.7分的效果，领先于现有开源模子。

在真实感方面，LongCat-Image通过对抗训练和严酷的数据筛选机制，刻意绕开AIGC“塑料感”的纹理陷阱，并在RL阶段引入AIGC检测器作为奖励信号，反向指导模子学习真实天下的物理纹理与光影转变。

综合评测效果显示，在人类主观评分（MOS）维度上，LongCat-Image在文本对齐、视觉真实度与美学质量等多个子项中的体现已靠近Seedream4.0等商业模子水平。

▲人类主观评分（MOS）比照

▲并列比照评估胜率（SBS）

在图像编辑使命的并列比照评估（SBS）中，LongCat-Image-Edit在综合质量与一致性两项要害指标上，对NanoBanana和Qwen-Image-Edit等模子均取得较高胜率。

整体来看，LongCat-Image在图像编辑使命上已迫近部分闭源模子水平，在文生图基础能力上也坚持在开源头部阵营。

二、从漫画重绘到玩偶产品渲染，一连编辑稳固，但中文渲染仍是短板

从现实体验历程来看，LongCat-Image在“一连指令可编辑性”上的体现是较为稳固的，我们直接拿近期大火的《猖獗动物城2》相关图片举行测试，在统一角色基础上一连举行多轮修改。

▲参考图

指令：修改为像素气概作品。

指令：重绘为彩色，保存像素质感。

指令：图片角色重绘为模拟乐高积木主题的动物。

在漫绘图像测试中，通过像素风、彩色像素重绘以及模拟乐高积木动物主题的一连重绘指令，模子可以坚持角色结构稳固，同时完成气概与材质的多轮迁徙。多次修改历程中，人物轮廓和构图基本未泛起显着过失。

在此基础上，我们也进一步实验了影戏海报的制作场景，用统一角色图举行主视觉海报天生与多语言问题渲染测试。

指令：影戏《猖獗动物城2》的宣传海报，海报的主画面是影戏主角的精彩时势，主问题用艺术手写字体“猖獗动物城2”，下面附上英文名“Zootopia”，另外附上影戏海报需要的其他小字，文字清晰可识别。

在影戏海报场景中，模子对参考图的继续能力较为稳固，无论是角色形象照旧动态姿势，都能与原始图片坚持较高一致度，中英文问题的主问题体现也较为清晰。不过在“小字”区域，一系列细节文字仍然保存乱码与英文混杂的问题，说明中文文字渲染在重大排版场景下依然保存不稳固性。

进一步测试人物档案式中文海报时，模子可以准确渲染部分焦点字段信息，但仍不可阻止地泛起中英文错位与局部乱码。

指令：天生动画影戏角色的人物档案式宣传海报，用文字体现以下信息：尼克?王尔德（Nick Wilde），是一只在迪士尼动画影戏《猖獗动物城》中进场的狐狸。中文名：尼克狐尼克。外文名：Nick Wilde。原型：赤狐。职业：从骗子到警员。同伴：兔子警官朱迪。经典台词：“伤了你的小心脏？”

在产品级渲染测试中，朱迪警官玩偶在影棚光、台灯暖光、自然光客厅与床品光照等多个现实场景下的质感体现相对稳固。短绒毛的细节、眼睛的高光反射、沙宣布料与玩偶绒毛之间的材质比照都能够被较为准确地体现出来，整体更靠近商业产品渲染效果。

相比之下，在主流模子较为善于的游戏界面天生场景中，LongCat-Image的短板更为显着。无论是卡牌游戏、射击游戏，照旧MOBA类第一视角界面，整体气概都偏向十多年前的UI设计审美，与当下主流游戏产品保存显着代差。

指令：天生一个卡牌游戏界面。

指令：天生一个射击游戏界面。

指令：天生一个英雄同盟的游戏界面。

指令：天生一个王者荣耀第一视角的游戏界面。

从本次测试效果来看，LongCat-Image在改图与产品渲染类使命中的可用性更高，而在游戏界面与重大排版场景中的体现相对一样平常。

结语：开源图像模子进入“可控编辑”竞赛，AI生图战况升级

从LongCat-Image的整体定位来看，美团并没有试图用更大的参数规模去正面攻击旗舰级生图模子，而是明确选择在可控性、一连编辑和中文渲染这几个偏向上深挖。

图像模子的竞争焦点，正在快速向“能否真正进入设计、产品、品牌等详细生产流程”的适用能力集中。

《欧美系列在线》，《Q8X2R7L1T4J5M9B6W3》

k1体育麻将胡了

下载APP

所有

又一国产图像大模子开源！实测一连P图绝了，中文渲染是短板

热门视频

k1体育麻将胡了

下载APP

所有

又一国产图像大模子开源！实测一连P图绝了，中文渲染是短板

热门视频

又一国产图像大模子开源！实测一连P图绝了，中文渲染是短板