美团最近开源了个视频生成模型，名字叫——LongCat-Video。
其实之前我们已经认识“LongCat”了，但对于没接触过的朋友，第一次看到这个名字，可能以为是个猫猫短剧模型，结果点开一看，发现是个13.6B参数的长视频生成大模型。
不过呢，这只“长猫”可不是美团单纯整来拿来卖萌的（虽然名字在这一众模型中算可爱的），而是和Sora、Veo、Seedance一类的视频生成模型。
LongCat-Video最大的亮点在于“三合一”：
同一个模型，既能文生视频（Text-to-Video），又能图生视频（Image-to-Video），还能视频续写（Video Continuation）。
简单说，就是一个模型可以从一句话拍出短片，也可以从一张图接着拍，还能把没拍完的视频接下去。
这在目前的开源模型里算是一体化程度非常高的设计。
技术上，它是基于Diffusion Transformer架构，输入上用“条件帧数量”区分任务：
0帧是文生视频，1帧是图生，多帧是续写。
这个设计听起来朴素，但实用得要命——因为不用换模型。
美团直接做成了个通用视频生成引擎，像是给自己未来的“世界模型”打地基。
LongCat-Video另一个关键点，是“能拍长片”。
团队在预训练阶段就让模型做“视频续写”，也就是教它从前几帧猜后几帧，反复练到会拍分钟级长视频。
报告里写，它能稳定生成5分钟级的连贯视频，不漂色、不崩坏、不鬼畜。
对比现在市面上很多模型拍个30秒就开始抽风，这已经是“稳健型导演”了。
效率上，美团也下了功夫。
模型结合了块稀疏注意力（Block Sparse Attention）和条件缓存机制，处理90多帧视频时依然能保持流畅。
更狠的是，它支持“粗到细”生成——先拍个480p 15fps低清样片，再升成720p 30fps高清版。
结果是：推理速度比基线快了10倍。
要知道，这个速度，已经可以让生成视频从“炫技”变成“能用”。
然后是训练部分，美团的报告写得相当“工业级”：
用多阶段渐进式训练，从低分辨率图像到高清视频，分阶段训练不同任务；
再用SFT精调，选高质量视频筛数据；
最后还来了一套RLHF强化学习——用三个奖励模型分别优化“画质”“动作”“文本对齐”。
有点像电影学院三位导师分别管摄影、表演、剧本。
从结果看，美团这次是真的有备而来。
在内部测试中，LongCat-Video的文生视频表现略优于PixVerse-V5、Wan2.2-T2V，但不如谷歌的Veo3；
图生视频则还没打过Hailuo-02和Seedance 1.0。
不过它是MIT协议开源的，这点就很不一样——能商用，也就是说，美团是来为大家铺路而不是刷论文充面子的。
那么问题来了：美团要视频生成模型干嘛？
Sora要拍电影，Kling做短剧，Wan综合选手，美团呢？
其实在他们的GitHub演示里就已经可以看到：一堆商业宣传风的视频。
各种618大促、产品特写展示视频等，都是非常优质的材料，稍加修改直接拿来商用是完全没问题的（当然，生成别的视频也没问题）。
你再想想美团本身的业务——团购、外卖、本地生活。
如果他们用LongCat做本地商户视频生成，那量会有多大？
“AI自动拍商家宣传片”这件事，一下就变得合理了。
这或许是国内第一个明确走“综合型商业视频生成”路线的大厂模型。
不是拍艺术短片，也不是追求Sora那种物理拟真，而是直接奔着“能上架、能用、能卖”的方向去。
不妨我们大胆推想，他们后续可能会把它嵌进商家后台，让老板输入一句话就能生成宣传视频。
——从这个角度看，LongCat的“长”，可能不只是视频长，而是产业链长。
AI视频的战场已经不只是模型能力的比拼，而是“谁能最快落地赚钱”。
Sora拍短片，Veo拍大片，Seedance拍MV，而美团可能要让AI拍广告。
这场战争，真有点意思。
更多游戏资讯请关注：电玩帮游戏资讯专区
电玩帮图文攻略 www.vgover.com
