4月3日，美团技术团队正式发布原生多模态大模型LongCat-Next。该模型突破传统“语言基座+插件”的拼凑架构，通过将图像、语音与文本统一转化为同源离散Token，实现原生“看”与“听”物理世界。其核心是DiNA（离散原生自回归）架构，实现全模态统一、理解与生成对称、极致压缩三大特性。性能上，该模型在OmniDocBench、MathVista、C-Eval等测试中超越多款专用模型，展现出强细粒度感知、视觉推理及跨模态协同能力。美团已将LongCat-Next及dNaViT分词器开源，为AI感知真实世界提供重要工具。