蚂蚁灵波开源LingBot-World 2.0：720p/60fps实时交互世界模型，1小时零漂移
蚂蚁灵波开源 LingBot-World 2.0：720p/60fps 实时交互世界模型，1小时零漂移
蚂蚁集团旗下具身智能公司 Robbyant（灵波科技）于7月9日开源发布 LingBot-World 2.0（又名 LingBot-World-Infinity），一个可实时交互的3D世界生成模型。14B参数，720p/60fps持续生成1小时无质量衰减，支持键盘操控角色、切换视角、文本触发环境变化，还内置 Pilot Agent 和 Director Agent 双Agent架构——这不是在生成一段视频，而是在运行一个"活的世界"。
从分钟到小时：长序列生成的核心突破
LingBot-World 1.0 已经能实现分钟级稳定生成，但长视频/长交互场景下，画面模糊、几何崩塌、场景断裂是行业通病。2.0 的核心解法是因果预训练范式（Causal Pretraining）配合自研的 MoBA（Mask of Bidirectional Attention）机制：模型按时间顺序学习世界演化，而非像传统双向注意力那样"偷看"未来帧。这直接消除了长序列中的累积误差。Robbyant 在1小时压力测试中报告视觉输出零质量漂移——这在当前世界模型领域是相当硬的指标。
实时交互：边生成边玩
LingBot-World 2.0 不是"先渲染完再播放"的传统流程。它重新设计了生成管线，实现生成、传输、显示同步进行，延迟控制在亚秒级。用户可以：
- 键盘操控角色：移动、攻击、射箭、施法、跳跃、滑翔
- 切换视角：在场景中自由转动观察
- 文本触发环境变化：输入指令切换昼夜、改变天气、插入新物体
- 多人协作：多个用户进入同一个持久世界，共同探索和交互
这些交互不是预设脚本，而是模型根据当前场景状态实时生成响应——你施法后场景如何变化，取决于那一刻的世界状态。
原生Agent架构：世界自己"演"起来
LingBot-World 2.0 内置了两层Agent机制：
- Pilot Agent：规划并执行角色行为，让NPC不只是站桩
- Director Agent：根据场景发展动态引入新事件，推动叙事
这意味着即使没有玩家操作，世界也在持续演化——从被动观看的"视频播放器"变成了主动响应的"模拟器"。对游戏开发者和具身智能研究者来说，这是一个关键范式转变。
开源与部署
LingBot-World 2.0 以 CC BY-NC-SA 4.0 许可开源，支持非商用研究和实验：
- 14B causal-fast 推理模型已上线 HuggingFace 和 ModelScope
- Day-0 支持 SGLang 部署框架
- Reactor 平台提供在线体验（无需本地部署）
- 同步开源 LingBot-Video，一个基于 MoE 架构的视频生成基础模型，专为具身智能场景优化
模型基于 Wan2.2 构建，部署可参考 SGLang 官方文档中的 LingBot-World 2.0 章节。Robbyant 未开源部署代码，但提供了 SGLang 和 flashdreams 两条部署路径。
局限与展望
当前版本仍有明确边界：CC BY-NC-SA 许可限制了商业使用；长期记忆和更强物理推理能力仍在探索中；causal-pretrain 和 bidirectional 版本的 14B 模型、1.3B 模型尚未发布。Robbyant 表示将在 WAIC 2026 上海提供现场 Live Demo。
从行业视角看，LingBot-World 2.0 的意义在于：它把"世界模型"从论文概念推到了可交互、可体验、可部署的阶段。1小时零漂移 + 实时操控 + 原生Agent，这三项能力组合在当前开源世界模型中几乎没有竞品。对做具身智能仿真、游戏原型验证、3D交互内容的研究者和开发者来说，这是一个值得立刻上手试的工具。
---
*基于 BusinessWire 官方新闻、GitHub 仓库、IT Brief 等多家媒体转述整理*