AIPress.com.cn報道
1 月 29 日，螞蟻集團旗下的靈波科技開源了名為LingBot-World的世界模型。這是繼空間感知模型（LingBot-Depth）和 VLA 基座模型之后，螞蟻在具身智能領域的第三次重磅發布。
官方宣稱，該模型在視頻質量、動態交互和長時一致性上，已經可以媲美谷歌的 Genie 3。這意味著，開發者現在擁有了一個免費、開源且高性能的“數字演練場”，無論是用來訓練機器人、開發游戲，還是做自動駕駛模擬，都變得觸手可及。
目前，LingBot-World在適用場景、生成時長、動態程度、分辨率等方面均處于業界頂尖水平。
視頻生成領域有一個常見難題叫"長時漂移"：生成時間一長，就可能出現物體變形、細節塌陷、主體消失或場景結構崩壞。LingBot-World通過多階段訓練和并行化加速，實現了近10分鐘的連續穩定無損生成，為長序列、多步驟的復雜任務訓練提供支撐。
在壓力測試中，鏡頭最長移開60秒后返回，目標物體仍然存在且結構一致。
交互性能方面，LingBot-World可實現約16 FPS的生成吞吐，端到端交互延遲控制在1秒以內。用戶可以通過鍵盤或鼠標實時控制角色和相機視角，畫面隨指令即時反饋。
用戶可以通過文本觸發環境變化和世界事件，比如調整天氣、改變畫面風格或生成特定事件，同時保持場景幾何關系相對一致。
模型具備零樣本泛化能力，僅需輸入一張真實照片（如城市街景）或游戲截圖，即可生成可交互的視頻流，無需針對單一場景進行額外訓練或數據采集。
為解決高質量交互數據匱乏的問題，LingBot-World采用混合采集策略：一方面清洗大規模網絡視頻覆蓋多樣化場景，另一方面結合游戲采集和虛幻引擎合成管線，從渲染層直接提取無UI干擾的畫面，同步記錄操作指令和相機位姿，為模型學習"動作如何改變環境"提供精確對齊的訓練信號。
具身智能規?；涞孛媾R的核心挑戰是復雜長程任務的真機訓練數據極度稀缺。LingBot-World憑借長時序一致性、實時交互響應，以及對"動作-環境變化"因果關系的理解，能夠在數字世界中"想象"物理世界，為智能體提供低成本、高保真的試錯空間。
模型還支持場景多樣化生成（如光照、擺放位置變化），有助于提升具身智能算法在真實場景中的泛化能力。
目前LingBot-World模型權重和推理代碼已面向社區開放。
