蚂蚁灵波开源LingBot-World 2.0：首创Agent机制，720p/60fps实时多人多机交互

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)。该模型全面升级世界预测与交互能力,支持小时级实时生成、720p/60fps 高清实时输出以及更丰富的交互动作与事件,并在业界首次将 Agent 机制引入世界模型,让生成的世界从“可观看、可操控”,进一步走向“可持续互动、可动态变化”。

(图说: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)

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推进到近 10 分钟,而且支持键鼠操控与文本触发环境变化,引发业界广泛关注。

在此基础上,LingBot-World 2.0 进一步向“无限生成”迈进。模型采用因果预训练范式,并引入自研的 MoBA 机制,让模型按照真实世界交互的时间顺序学习世界如何演化——基于已经发生的画面、动作和场景状态,持续预测接下来的变化,从而减少长时间生成中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。

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。

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;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共同探索互动,开启 AI 原生的多人交互体验。

此次开源也进一步降低了世界模型的使用门槛。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,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,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。