蚂蚁灵波开源LingBot-World 2.0，实现小时级世界模型生成

背景

世界模型旨在模拟真实世界的物理规律与交互逻辑，让AI能够预测和生成连贯的动态场景。此前，业界主流世界模型在生成时长上存在明显瓶颈——超过几分钟后画面往往出现模糊、结构变形等“长时漂移”问题。今年1月，蚂蚁灵波科技开源了第一代世界模型LingBot-World，将连续稳定生成时长推进到近10分钟，并支持键鼠操控与文本触发环境变化，引发广泛关注。在此基础上，蚂蚁灵波于7月9日开源了新一代实时交互世界模型LingBot-World 2.0（又称LingBot-World-Infinity），首次实现“小时级”实时生成，标志着世界模型从“可观看、可操控”迈入“可持续互动、可动态变化”的新阶段。

核心内容

LingBot-World 2.0在生成时长、实时性、交互丰富度等方面全面升级。模型采用因果预训练范式，并引入自研的MoBA机制（推测为“Motion-based Attention”或类似机制），让模型按照真实世界交互的时间顺序学习演化规律——基于已发生的画面、动作和场景状态，持续预测接下来的变化，从而有效减少长时间生成中偏差不断放大的问题，避免画面模糊和结构失真。在长达一小时的不间断压力测试中，LingBot-World 2.0画面始终保持纹理清晰、场景结构连贯，无明显画质衰减。

为确保实时交互体验，蚂蚁灵波从预训练模型中蒸馏出面向实时交互的快速版本，并对生成流程做了系统优化：画面不再等整段生成完才播放，而是边生成、边传输、边显示。最终，LingBot-World 2.0实现了稳定输出720p/60fps高清画面，用户通过键盘操控角色移动、切换视角时，画面几乎无延迟地即时反馈。

在交互层面，LingBot-World 2.0支持攻击、射箭、施法、射击、跳跃、滑翔等多类动作，动作结果由模型根据场景状态实时生成，保持物理合理性与视觉一致性；也支持通过文本触发昼夜切换、天气变化、实体注入等事件。系统内置双Agent机制：Pilot Agent负责规划执行角色行为，Director Agent在场景推进中实时提出新事件。此外，模型支持多位用户同时进入同一个持续运行的世界共同探索互动，开启AI原生的多人交互体验。

此次开源进一步降低了世界模型的使用门槛。LingBot-World 2.0不仅可广泛应用于游戏内容生成、影视预演、虚拟仿真、数字孪生等场景，更重要的是，作为蚂蚁灵波全栈大脑2.0的重要一环，支持机器人与具身智能训练场景。目前，用户可在Reactor平台和灵光APP在线体验。

关键要点

• 小时级实时生成：首次实现长达一小时的不间断稳定生成，画面纹理清晰、场景结构连贯，无明显画质衰减。
• 因果预训练与MoBA机制：采用因果预训练范式，结合自研MoBA机制，按时间顺序学习世界演化，减少长时间生成中的偏差累积。
• 实时交互优化：从预训练模型蒸馏出快速版本，采用“边生成、边传输、边显示”的流水线，实现720p/60fps高清输出，延迟极低。
• 丰富交互动作与事件：支持攻击、射箭、跳跃等物理动作，以及文本触发的昼夜切换、天气变化等事件，动作结果实时生成，保持物理与视觉一致性。
• 双Agent机制：系统内置Pilot Agent（规划执行角色行为）和Director Agent（实时提出新事件），让世界从“可操控”走向“可持续互动、可动态变化”。
• AI原生多人交互：支持多位用户同时进入同一持续运行的世界，共同探索互动。
• 开源与应用场景：作为全栈大脑2.0的一部分，开源降低使用门槛，适用于游戏、影视预演、数字孪生，以及机器人与具身智能训练。

意义与影响

LingBot-World 2.0的开源将世界模型的能力从“分钟级”提升至“小时级”，并首次在架构中引入Agent机制，使生成的世界具备动态演化能力。这对多个领域产生深远影响：

• 游戏与娱乐：可实时生成高清且持久的交互式游戏世界，大幅降低内容开发成本，支持多人同时在线探索，为下一代AI原生游戏提供技术基础。
• 影视与仿真：小时级连续生成能力可用于影视预演、虚拟场景搭建，以及数字孪生中的长时间动态模拟，提升效率与真实感。
• 机器人与具身智能：作为全栈大脑2.0的关键组件，LingBot-World 2.0可用于训练机器人在复杂、动态环境中的感知与决策，加速具身智能的落地。
• 行业标准：因果预训练与MoBA机制为世界模型的长时稳定性提供了新范式，双Agent机制则定义了AI原生交互的新方向，有望推动更多研究团队跟进和优化。

总体而言，LingBot-World 2.0不仅是一项技术突破，更标志着世界模型从“演示工具”向“可落地的基础设施”转变，为AI与物理世界的深度融合铺平了道路。