LongCat-Video — базовая модель генерации видео на 13,6 млрд параметров. Одна архитектура решает задачи Text-to-Video, Image-to-Video и Video-Continuation, а авторы называют её первым шагом к моделям мира.
Модель предобучена на продолжении видео, поэтому создаёт ролики длиной в минуты без дрейфа цвета и потери качества. Видео 720p при 30 fps генерируется за минуты благодаря подходу coarse-to-fine и Block Sparse Attention.