一、教程简介

LongCat-Image 是由美团 LongCat 团队于 2025 年 12 月发布的开源图像生成与编辑基础模型，面向中文与英文双语场景构建，具备卓越的文本到图像生成与文本渲染能力。该模型在仅 6B 参数规模下即展现出远超同类开源模型的效率与性能，在多项基准测试中实现高质量、真实感强的视觉生成效果，并在中文文本渲染的准确性与覆盖度上达到行业领先水平。同时，LongCat-Image 还提供了先进的图像编辑能力与完善的开源工具链，使开发者能够以更低门槛完成部署、研究与二次开发，为开放源生态带来高效、真实且高质量的图像产出体验。相关论文成果为 LongCat-Image Technical Report 。

本教程默认使用资源为单卡 RTX 5090 。

二、项目示例

三、运行步骤

1. 启动容器后点击 API 地址即可进入 Web 界面

2. 进入网页后，即可输入文本，生成图片

若显示「Bad Gateway」，这表示模型正在初始化，由于模型较大，请等待约 3-4 分钟后刷新页面。

使用步骤

参数说明（Parameter Description）

• 自定义 LoRA（可选）
  • Custom LoRA：输入 LoRA 权重的 URL 或路径，用于加载额外风格或能力的 LoRA 模型
  • LoRA Scale：LoRA 作用强度（范围 0～2）
• 输出分辨率
  • Width（宽度）：生成图像的宽度（64～2048，可自行输入或拖动滑条）
  • Height（高度）：生成图像的高度（64～2048，可自行输入或拖动滑条）
• 随机种子设置
  • Seed（种子）：控制生成图像的随机性
    • -1 或勾选 Randomize 代表每次随机种子
    • 输入固定数字则可复现同一张图
  • Randomize seed（随机种子）：勾选后每次生成都会使用不同种子
• 推理参数
  • Inference Steps（推理步数）：影响生成质量与速度（范围 1～100，数值越大图像质量通常越高但耗时越久）
  • Guidance Scale（引导强度）：控制「文本提示」对图像的影响程度（范围 1～20）
    • 值越大越「贴合提示词」
    • 值较低则更自由、更具随机性

四、交流探讨

🖌️ 如果大家看到优质项目，欢迎后台留言推荐！另外，我们还建立了教程交流群，欢迎小伙伴们扫码备注【SD 教程】入群探讨各类技术问题、分享应用效果↓

引用信息

@article{LongCat-Image,
      title={LongCat-Image Technical Report},
      author={Meituan LongCat Team and  Hanghang Ma and Haoxian Tan and Jiale Huang and Junqiang Wu and Jun-Yan He and Lishuai Gao and Songlin Xiao and Xiaoming Wei and Xiaoqi Ma and Xunliang Cai and Yayong Guan and Jie Hu},
	    journal={arXiv preprint arXiv:2512.07584},
      year={2025}
}