蚂蚁系团队开源LingBot-World 2.0实时世界模型

蚂蚁集团旗下的具身AI团队发布了并开源了交互式世界模型 LingBot-World 2.0(Infinity)。该系统旨在解决以往AI世界模型在移动视角下短时间内画质容易模糊、扭曲或漂移的痛点,致力于打造“适用于所有机器人的一个大脑”。

核心技术与性能

LingBot-World 2.0 是一个动作条件世界模型,用户输入一帧图像、相机位姿流和文本提示后,模型可自回归生成可探索的世界。研发团队称其实现了结构性的长时稳定提升,而非单纯靠挑片段。在实测中,它跨越20个不同场景进行了长达60分钟的测试,未出现明显的视觉衰减,并能在720p、60fps下实时运行。此外,模型还加入了 Director Agent 以提供更高级的镜头控制,支持幻想场景、赛车座舱等多样化画面。

交互体验与架构

该模型将AI生成视频变成了“可玩的世界”。用户可以像玩游戏一样用WASD键行走,系统会不断把事件选项推送到键盘热键上,允许用户一键触发攻击、射箭、施法或召唤风暴、改变天气等丰富动作。在底层架构上,系统由VLM负责规划下一步,视频生成器负责渲染,pilot agent协同工作。

开源与部署细节

此次发布在Hugging Face上公开了模型权重、推理代码和相关agentic-harness代码。主模型为14B版本,同时论文提供了一个1.3B的轻量版本,后者可直接在单张消费级GPU上本地运行。此外,该模型也已通过Reactor SDK和API向开发者开放,可用于游戏、创意工具和模拟器等场景。

2026-07-09 ~ 2026-07-10 · 26 条相关

事件全程(共 2 集)→

一手来源

另有 2 条近重复转述:eyishazyer · dr_cintas