蚂蚁集团AI单元开源长时世界模型
技术· 3 分钟阅读22 阅读
蚂蚁集团具身智能单元Robbyant开源了LingBot-World 2.0，可生成长达1小时、720p/60fps的连贯视频环境，同时还发布了基于MoE架构的视频生成基础模型LingBot-Video，专为具身智能设计。
蚂蚁集团旗下的具身智能团队 Robbyant 于本周三开源了 LingBot-World 2.0，这是一个交互式世界模型，能够以 720p 分辨率和 60fps 帧率生成长达一小时的连贯视频环境。
长达一小时的交互世界
此次发布是原始 LingBot-World 的重大升级。后者于今年 1 月开源，仅支持约 10 分钟的视频序列。LingBot-World 2.0 的副标题为“Infinity”，在预测能力和交互性上均有提升，用户可在生成的虚拟环境中实时导航和操作。该模型以开源许可证形式发布在 GitHub 和 Hugging Face 上，并首日即支持 SGLang——一个面向大生成模型的服务框架。
LingBot-Video：基于 MoE 的基础模型
与世界模型一同发布的还有 LingBot-Video。Robbyant 称其为首个基于混合专家架构（MoE）的开源视频生成基础模型，专为具身智能打造。该模型总参数量 130 亿，每个 token 仅激活 14 亿参数，在机器人应用中实现了更高的推理效率和物理合理性。权重、代码以及与 Diffusers 和 SGLang 的集成均已包含在发布内容中。
持续扩大的开源版图
两项开源成果标志着 Robbyant 高产期的顶点。2026 年以来，该团队已开源一系列具身 AI 组件，包括 4 月的流式 3D 重建工具 LingBot-Map，以及本月早些时候的空间感知工具 LingBot-Depth 2.0。据《The Next Web》报道，这相当于在短短一周内发布了“完整的具身 AI 技术栈”。开发者可通过 Reactor 上的在线演示体验 LingBot-World 2.0，或直接从 GitHub 克隆仓库。
标签：Ant Group
想了解 AI 如何助力您的企业？
免费获取企业 AI 成熟度诊断报告，发现转型机会
