@aigclink: 蚂蚁集团旗下具身智能公司 Robbyant 开源了世界模型 LingBot-World 2.0——能连续跑一个多小时、画质未见明显可见衰减，还内置一套类大脑-小脑协同的 agentic harness，让世界随用户动作持续展开。 原有世界…

X AI KOLs Timeline 模型
world-model open-source ant-group embodied-ai lingbot-world agentic-harness real-time

摘要

蚂蚁集团旗下Robbyant开源了世界模型LingBot-World 2.0，支持连续运行一小时以上且画质不衰减，具备类大脑-小脑协同的agentic harness，支持多人同玩和多种交互动作，权重和代码已开源。

蚂蚁集团旗下具身智能公司 Robbyant 开源了世界模型 LingBot-World 2.0——能连续跑一个多小时、画质未见明显可见衰减，还内置一套类大脑-小脑协同的 agentic harness，让世界随用户动作持续展开。 原有世界模型有个老毛病：跑上几十秒到几分钟，画面就开始糊、几何扭曲、场景漂移崩坏。LingBot-World 2.0 敢拿"连续跑一个多小时、画质无明显可见衰减"当证据，并明说这份稳定是"结构性的，不是挑了段好片段"。 四个升级点： ① 无限时长，还不掉画质： 别的可交互世界模型（Google 的 Genie 3、M-G 3.0 等）时长都停在"分钟级"；它是对比表里唯一在通用域做到"小时级 / 无限"时长的，也是唯一同时满足"高动态 + 语义交互 + 实时 + 完全开源"的一个（Genie 3、HappyOyster 都闭源）。 为什么不漂？ 两个关键：因果预训练 + MoBA 混合注意力，在 teacher-forcing 掩码里接一块双向注意力，既支持任意时长自回归，又当正则项压制退化；再用少步蒸馏（consistency distillation + DMD），且在模型自己长程 rollout 的轨迹上纠偏，专治长时间累积的漂移。 ② 交互动作大幅变宽： 不再只是"往前走 / 转镜头"，支持战斗、射箭、施法、射击等角色动作，还能改写环境——按需召唤下雪、下雨。 ③ 一个会"自己活"的世界——最有意思的一步。 它把 agent 那套 harness 搬进世界建模：由 VLM ‘Brain’ 观察当前画面、做因果推理并提出事件；视频生成器 ‘Cerebellum’ 将语义决策落成连续画面；同时 pilot agent 负责角色行为，director agent 负责持续引入新的环境元素和事件。两者组成持续闭环——世界不再是"你不动它就停"的沙盒，而是自己往前发生事情、并随你而变。作者的类比很直白：强模型得塞进 Codex 那样的 harness 才成为会干活的工程师，世界模型也得有 harness 才"活"。 ④ 能多人同时进同一个世界玩 部署很克制： 主模型 14B，另配 1.3B 轻量实时版，支持单 GPU 部署；稳定输出 720p / 60fps。 世界模型卷了这么久画质，下一关也许不是"生成得多真"，而是"这个世界能不能自己活着、活得够久"——权重和代码都开源了，感兴趣的可以去 Reactor、灵光上手测试跑一局。 #LingBotWorld #WorldInfinity #世界模型 #蚂蚁集团 #开源
查看原文
查看缓存全文

缓存时间: 2026/07/10 08:07

蚂蚁集团旗下具身智能公司 Robbyant 开源了世界模型 LingBot-World 2.0——能连续跑一个多小时、画质未见明显可见衰减，还内置一套类大脑-小脑协同的 agentic harness，让世界随用户动作持续展开。

原有世界模型有个老毛病：跑上几十秒到几分钟，画面就开始糊、几何扭曲、场景漂移崩坏。LingBot-World 2.0 敢拿“连续跑一个多小时、画质无明显可见衰减“当证据，并明说这份稳定是“结构性的，不是挑了段好片段“。

四个升级点： ① 无限时长，还不掉画质： 别的可交互世界模型（Google 的 Genie 3、M-G 3.0 等）时长都停在“分钟级“；它是对比表里唯一在通用域做到“小时级 / 无限“时长的，也是唯一同时满足“高动态 + 语义交互 + 实时 + 完全开源“的一个（Genie 3、HappyOyster 都闭源）。

为什么不漂？ 两个关键：因果预训练 + MoBA 混合注意力，在 teacher-forcing 掩码里接一块双向注意力，既支持任意时长自回归，又当正则项压制退化；再用少步蒸馏（consistency distillation + DMD），且在模型自己长程 rollout 的轨迹上纠偏，专治长时间累积的漂移。

② 交互动作大幅变宽： 不再只是“往前走 / 转镜头“，支持战斗、射箭、施法、射击等角色动作，还能改写环境——按需召唤下雪、下雨。

③ 一个会“自己活“的世界——最有意思的一步。 它把 agent 那套 harness 搬进世界建模：由 VLM ‘Brain’ 观察当前画面、做因果推理并提出事件；视频生成器 ‘Cerebellum’ 将语义决策落成连续画面；同时 pilot agent 负责角色行为，director agent 负责持续引入新的环境元素和事件。两者组成持续闭环——世界不再是“你不动它就停“的沙盒，而是自己往前发生事情、并随你而变。作者的类比很直白：强模型得塞进 Codex 那样的 harness 才成为会干活的工程师，世界模型也得有 harness 才“活“。

④ 能多人同时进同一个世界玩 部署很克制： 主模型 14B，另配 1.3B 轻量实时版，支持单 GPU 部署；稳定输出 720p / 60fps。

世界模型卷了这么久画质，下一关也许不是“生成得多真“，而是“这个世界能不能自己活着、活得够久“——权重和代码都开源了，感兴趣的可以去 Reactor、灵光上手测试跑一局。

#LingBotWorld #WorldInfinity #世界模型 #蚂蚁集团 #开源

相似文章

robbyant/lingbot-world-v2-14b-causal-fast

Hugging Face Models Trending

LingBot-World 2.0 是一个先进的世界模型，实现了无限制的交互范围、实时720p/60fps视频流、多样化的交互元素，以及一个集成了飞行员和导演智能体的智能体框架。该模型已在Hugging Face上发布，附带有推理代码和技术报告。

无限世界与多样交互

Hugging Face Daily Papers

本文介绍了LingBot-World 2.0，一个先进的世界建模系统，具有无界交互范围、实时720p 60fps视频生成、多样化的交互元素（例如攻击、施法），以及通过领航员和导演智能体实现的新型多智能体行为控制，还附带一个共享的多玩家界面。