蚂蚁开源具身视频模型 LingBot-Video

蚂蚁集团旗下 Robbyant 正式开源了面向具身智能的视频基础模型 LingBot-Video。该模型不追求传统的视频视觉画质，而是致力于理解真实物理规律，旨在作为机器人的“大脑”基础组件，应用于数据引擎、策略评估和动作规划等场景。

关键细节与架构

LingBot-Video 采用完全定制的 DiT + MoE（混合专家）架构。模型总参数量达到 30B，但在推理时每次仅激活 3B 参数。这种设计使其在处理百万级（1M）长 token 序列时，推理效率显著优于稠密架构，官方称在长输入上比稠密模型快约 3 倍，适合实时机器人规划。此外，该模型支持交互式使用，最长可生成 1 小时的视频，并带有负责驱动整个流程的 agent。模型基于大规模互联网视频预训练，并加入了 7 万小时的具身数据。

训练机制与评测表现

在训练机制上，团队改变了传统视频模型仅追求视觉美观的打分机制，采用单步 GRPO 算法并引入 6 个精确奖励信号：视觉质量、图文对齐、动态程度、运动连贯性、人类动作一致性和物理合理性，以避免模型“伪造”物理效果。在公开的 RBench 测试中，LingBot-Video 平均得分为 0.620，在操作、长周期和四足机器人任务上领先其他开源模型，但团队也坦诚其在空间和机械臂任务上仍不及闭源的 Wan 2.6 模型。

开源情况

该模型的代码和权重已完全免费开源，采用 Apache 2.0 协议。官方同步公开了模型文件、代码库、研究论文及项目主页等相关链接，方便开发者获取与复现。

2026-07-09 ~ 2026-07-10 · 26 条相关

• 开源视频世界模型LingBot-Video — Savings-Display5123 · 2026-07-09
• LingBot-Video 开源发布 — Different_Fix_2217 · 2026-07-09
• 开源视频模型 LingBot-Video — Adventurous_Rush1474 · 2026-07-09
• 【源头】LingBot-Video 视频基座模型发布 — _akhaliq · 2026-07-09
• 开源视频模型主打物理推理 — dair_ai · 2026-07-09
• 开源视频模型支持一小时生成 — chongdashu · 2026-07-09
• 蚂蚁开源具身视频模型 — 量子位 · 2026-07-09
• LingBot-Video开源了 — 赛博禅心 · 2026-07-09
• 蚂蚁灵波开源具身视频基座 — 机器之心 · 2026-07-09
• 开源具身视频基础模型 — nikola_mr64990 · 2026-07-09
• LingBot-Video评测表现与MoE推理加速优势 — thetripathi58 · 2026-07-09
• 【源头】LingBot-Video训练机制：六维物理奖励与真实机器人数据 — thetripathi58 · 2026-07-09
• 【源头】蚂蚁LingBot-Video：专为机器人设计的开源MoE视频模型 — thetripathi58 · 2026-07-09
• 蚂蚁LingBot-Video模型权重与代码完全开源 — thetripathi58 · 2026-07-09
• LingBot-Video 强调物理一致性 — Div_pradeep · 2026-07-09
• 蚂蚁开源机器人视频模型 — 赛博禅心 · 2026-07-09
• LingBot-Video模型意义与评测成绩 — dr_cintas · 2026-07-09
• LingBot-Video模型相关资源汇总 — dr_cintas · 2026-07-09
• 开源具身视频生成模型发布 — rohanpaul_ai · 2026-07-10
• LingBot-Video：具身视频基座模型 — aigclink · 2026-07-10
• 具身智能视频MoE模型开源 — AdinaYakup · 2026-07-10

另有 5 条近重复转述:_akhaliq · thetripathi58 · dr_cintas · rohanpaul_ai · aigclink