机器人前瞻（公众号：robot_pro）
作者 | 刘俐杉
编辑 | 许丽思

机器人前瞻7月10日报道，7月9日，蚂蚁灵波科技开源新一代实时交互世界模型 LingBot-World 2.0（又称 LingBot-World-Infinity）。该模型优化了世界预测与交互能力，可实现小时级实时画面生成、720p/60fps 高清实时输出以及更丰富的交互动作与事件，同时这是首次将 Agent 机制引入世界模型。

今年 1 月，蚂蚁灵波开源了第一代世界模型 LingBot-World，重点攻克长视频生成中常见的“长时漂移”问题，即生成时间一长，画面容易模糊、结构容易变形。LingBot-World 1.0 将连续稳定生成时长提升至近 10 分钟，同时支持键鼠操控与文本触发环境变化。

▲ LingBot-World 2.0 在生成时长、动态程度、实时性等方面均处于业界顶尖水平（图源：蚂蚁灵波科技）

在此基础上，LingBot-World 2.0采用因果预训练范式，并引入自研的 MoBA 机制，让模型基于已经发生的画面、动作和场景状态，按照真实世界交互的时间顺序，学习世界如何演化，并持续预测接下来的变化，从而规避模型因长时间生成导致偏差不断放大的问题，避免画面越生成越模糊、结构越生成越失真。

为了确保实时的交互体验，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，画面不再是等一整段生成完才播放，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。

▲LingBot-World 2.0 画面无延时反馈（图源：蚂蚁灵波科技）

在交互层面，LingBot-World 2.0 不再只是“走一走、看一看”。模型支持攻击、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，同时也支持通过文本触发昼夜切换、天气变化、实体注入等事件。

系统还内置双 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，开启 AI 原生的多人交互体验。

▲多人交互体验（图源：蚂蚁灵波科技）

作为新一代实时交互式世界模型，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，还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，感受 LingBot-World 2.0 实时生成、连续交互以及 Agent 驱动的动态世界演化能力。