meituan-longcat/LongCat-Video

LongCat-Video 以 13.6B 参数统一支持文本生成视频、图像生成视频和视频续接，面向分钟级内容输出。实现采用 720p/30fps 的粗到细生成、块稀疏注意力和 GRPO，环境要求 PyTorch 2.6、CUDA 12.4 与 FlashAttention 2。统一模型和长时生成是亮点，显存与推理时长会是实际门槛。