LongCat-Flash-Omni 采用 端到端架构设计，融合文本、图像、音频、视频等多模态理解与实时交互能力，并通过创新的 ScMoE 架构 实现毫秒级响应性能。
该模型拥有 5600 亿总参数（其中激活参数为 270 亿），具备低延迟、实时音视频交互能力，支持 128K tokens 上下文窗口 及超过 8 分钟的音视频交互。
LongCat-Flash-Omni 采用 端到端架构设计，融合文本、图像、音频、视频等多模态理解与实时交互能力，并通过创新的 ScMoE 架构 实现毫秒级响应性能。
该模型拥有 5600 亿总参数（其中激活参数为 270 亿），具备低延迟、实时音视频交互能力，支持 128K tokens 上下文窗口 及超过 8 分钟的音视频交互。