LingBot-Video：30B参数仅激活3B，具身视频模型新架构
alifcoder · x · 2026-07-21
LingBot-Video 旨在提升大型视频模型的生成效率。其旗舰 MoE 模型总参数量为 30B，但生成时仅激活 3B 参数。
- 性能表现：在 100 万 token 序列下，吞吐量达到 30B 稠密模型的 3.18 倍。
- 训练机制：使用了 70,000 小时以上的具身训练数据，并引入了六信号奖励系统。
- 评测得分：在 RBench 评测中取得 0.620 的平均分。
这种通过 MoE 架构提升效率的路径，为具身 AI 视频模型的发展提供了新方向。
「多模态」频道最新
- 独立开发者把对着屏幕吐槽，做成了本地 MCP 报 bug 工具 — phdptsd · 2026-07-22
- Google 演示称 Gemma 4 可在 6 秒内识别车损视频 — soumitrashukla9 · 2026-07-22
- SenseNova-U1-8B 支持局部改字和版式编辑，画质还没掉 — SandyL925 · 2026-07-22
- Sonilo 在 fal 上线 1.0，支持视频和文本生成音效 — JaynitMakwana · 2026-07-22
- MIT 提出 AI 扩散模型加速算法，斩获 ICML 杰出论文奖 — MIT_CSAIL · 2026-07-22
- 围绕 LTX 2.3 的本地图生视频更新似乎明显放缓 — EasternAverage8 · 2026-07-22