롱캣-비디오 기술 보고서
LongCat-Video Technical Report
October 25, 2025
저자: Meituan LongCat Team, Xunliang Cai, Qilong Huang, Zhuoliang Kang, Hongyu Li, Shijun Liang, Liya Ma, Siyu Ren, Xiaoming Wei, Rixu Xie, Tong Zhang
cs.AI
초록
비디오 생성은 월드 모델로 나아가는 중요한 경로이며, 효율적인 장기간 비디오 추론은 핵심 능력입니다. 이를 위해 우리는 13.6B 매개변수를 가진 기초 비디오 생성 모델인 LongCat-Video를 소개합니다. 이 모델은 여러 비디오 생성 작업에서 강력한 성능을 제공하며, 특히 효율적이고 고품질의 긴 비디오 생성에서 뛰어나 월드 모델을 향한 첫 걸음을 내디뎠습니다. 주요 특징은 다음과 같습니다: 다양한 작업을 위한 통합 아키텍처: Diffusion Transformer(DiT) 프레임워크를 기반으로 하는 LongCat-Video는 단일 모델로 텍스트-비디오, 이미지-비디오, 비디오 연속 생성 작업을 지원합니다; 긴 비디오 생성: 비디오 연속 생성 작업에 대한 사전 학습을 통해 LongCat-Video는 수 분 길이의 비디오 생성에서도 높은 품질과 시간적 일관성을 유지합니다; 효율적인 추론: LongCat-Video는 시간축과 공간축을 따라 coarse-to-fine 생성 전략을 채택하여 720p, 30fps 비디오를 수 분 내에 생성합니다. Block Sparse Attention은 특히 고해상도에서 효율성을 더욱 향상시킵니다; 다중 보상 RLHF를 통한 강력한 성능: 다중 보상 RLHF 훈련을 통해 LongCat-Video는 최신의 클로즈드 소스 및 선도적인 오픈 소스 모델들과 동등한 성능을 달성합니다. 해당 분야의 발전을 가속화하기 위해 코드와 모델 가중치를 공개합니다.
English
Video generation is a critical pathway toward world models, with efficient
long video inference as a key capability. Toward this end, we introduce
LongCat-Video, a foundational video generation model with 13.6B parameters,
delivering strong performance across multiple video generation tasks. It
particularly excels in efficient and high-quality long video generation,
representing our first step toward world models. Key features include: Unified
architecture for multiple tasks: Built on the Diffusion Transformer (DiT)
framework, LongCat-Video supports Text-to-Video, Image-to-Video, and
Video-Continuation tasks with a single model; Long video generation:
Pretraining on Video-Continuation tasks enables LongCat-Video to maintain high
quality and temporal coherence in the generation of minutes-long videos;
Efficient inference: LongCat-Video generates 720p, 30fps videos within minutes
by employing a coarse-to-fine generation strategy along both the temporal and
spatial axes. Block Sparse Attention further enhances efficiency, particularly
at high resolutions; Strong performance with multi-reward RLHF: Multi-reward
RLHF training enables LongCat-Video to achieve performance on par with the
latest closed-source and leading open-source models. Code and model weights are
publicly available to accelerate progress in the field.