蚂蚁灵波科技开源实时交互世界模型 LingBot-World 2.0

背景

蚂蚁灵波科技持续深耕具身智能与大规模世界模型领域，此前已相继开源具身视频基模、空间感知模型 LingBot-Depth 2.0 以及机器人核心模型。2026年7月9日，该公司正式发布并开源新一代实时交互世界模型 LingBot-World 2.0，进一步拓展了世界模型在实时交互、高清输出与复杂场景模拟方面的能力边界。

核心内容

蚂蚁灵波科技开源了新一代实时交互世界模型 LingBot-World 2.0。该模型全面升级了世界预测与交互能力，核心特性包括：

• 支持小时级实时生成，能够长时间维持连续的场景演化；
• 实现 720p/60fps 高清实时输出，确保画面流畅且细节清晰；
• 支持更丰富的交互动作与事件，用户或系统可对模拟世界进行实时操作与反馈。

LingBot-World 2.0 系业界首次将 Agent 机制引入世界模型，使模型能够主动感知、决策并执行动作，从而在生成世界中实现更智能的交互行为。该模型可广泛应用于游戏内容生成、影视预演等多类场景，同时支持机器人与具身智能训练场景，为虚拟-现实迁移提供支撑。

关键要点

• 蚂蚁灵波科技于 2026 年 7 月 9 日开源 LingBot-World 2.0，面向全球开发者与研究者。
• 模型支持小时级实时生成，告别此前短时片段生成限制。
• 输出规格为 720p/60fps，达到高清实时水准。
• 交互能力升级：支持更丰富的动作与事件类型，可响应用户或系统的实时输入。
• 首次将 Agent 机制引入世界模型，使模型具备主动感知与决策能力。
• 应用场景涵盖：游戏内容生成、影视预演、机器人训练、具身智能训练等。

意义与影响

LingBot-World 2.0 的开源标志着实时世界模型进入 Agent 驱动的全新阶段。将 Agent 机制融入世界模型，意味着模型不再只是被动的环境模拟器，而是能够主动与环境交互、规划行动路径的智能体，这对于具身智能训练具有关键价值——机器人可以在模拟世界中以更接近真实的方式学习复杂任务。同时，小时级实时生成与高清输出能力，大幅降低了影视预演、游戏内容生成的制作门槛，创作者可借助该模型快速迭代场景与叙事。蚂蚁灵波科技在开源生态上的持续投入，也将加速全球世界模型研究社区的技术融合与创新。