美团开源LongCat-Image图像生成模型，中文文本渲染性能超过20B的Qwen-Image

一、LongCat-Image介绍

LongCat-Image是一个开创性的开源双语（中英）基础模型，旨在解决当前领先模型中存在的多语言文本渲染、照片级真实感、部署效率和开发者可访问性等核心挑战。仅6B参数，中文文本渲染性能超过20B的Qwen-Image，支持中英文。

LongCat-Image-Edit，这是 Longcat-Image 的图像编辑版本。LongCat-Image-Edit 支持双语（中英文）编辑，在开源图像编辑模型中达到最先进的性能，提供领先的指令跟随和图像质量，并具有卓越的视觉一致性。

主要特点：

• 卓越的效率和性能：仅6B参数，LongCat-Image在多个基准测试中超越了众多参数量数倍于它的开源模型，展示了高效模型设计的巨大潜力。
• 强大的中文文本渲染能力：与现有的SOTA开源模型相比，LongCat-Image在渲染常用汉字方面表现出更高的准确性和稳定性，并实现了行业领先的汉语词典覆盖率。
• 出色的逼真度：通过创新的数据策略和训练框架，LongCat-Image生成的图像非常逼真。

二、相关安装(文末网盘)

自定义节点包：https://github.com/xuchenxu168/comfyui_meituan_image

1. LongCat Model Loader - 加载 LongCat 模型
2. LongCat Text to Image - 文生图节点
3. LongCat Image Edit - 图像编辑节点

安装教程：

cd comfyui/custom_nodes
git clone https://github.com/your-username/comfyui_meituan_image.git

模型下载:

ComfyUI/
└── models/
    └── diffusion_models/
        ├── LongCat-Image/          # 文生图模型
        ├── LongCat-Image-Dev/      # 开发版模型（更快）
        └── LongCat-Image-Edit/     # 图像编辑模型

三、工作流

文生图示例：

图生图示例：

效果对比

四、总结

最后，其实见过Nano Banana Pro强大的我们，可能对于这些小模型效果可能已经无感了，但也不要低估这种6B级小模型的意义,参数不算极端、成本也可控，却能做出稳定、上限不错、可微调、可本地化部署的效果。

小模型让生成式 AI 的门槛持续下降，让 AI 的未来变得更加开放、更具可能性这在一年前也是很难想象的。此次开源动作显示出美团在AIGC领域，特别是针对中文市场及复杂图像编辑需求的技术布局。开源策略有助于其吸引开发者生态，并在快速发展的图像生成领域建立影响力。