蚂蚁灵波开源 LingBot-World-Infinity，720p/60fps 小时级实时生成，内置 Agent 自动提议事件，把看视频变成进世界。
蚂蚁灵波开源 LingBot-World-Infinity，720p/60fps 小时级实时生成，内置 Agent 自动提议事件，把看视频变成进世界。
专为DeepSeek打造的终端coding harness，基于prefix-cache设计将缓存命中率达99.82%，输入token成本降至1/5。
上一代世界模型像《楚门的世界》——只能播放，无法应变。用户一旦偏离剧本，模型就崩。蚂蚁灵波科技（Ant Group 旗下 Robbyant）在 2026 年 7 月开源了 LingBot-World 2.0（又名 LingBot-World-Infinity），把世界模型从"看视频"推进到"进世界"。它是目前唯一在通用领域实现小时级、近似无限生成时长的开源模型，同时把长时间连续生成、高动态程度、语义交互、较高视觉质量、实时性能和完全开源结合在一起。如果你做游戏、具身智能、自动驾驶仿真或世界模型研究，这是一个可以直接上手体验和复现的开源底座。
LingBot-World 2.0 是蚂蚁灵波科技开源的实时交互世界模型。对用户来说，眼前是一个有初始画面、有背景故事的世界；每一次操作（移动、攻击、施法）都会实时生成下一段画面，真正推动世界向前。对系统来说，内置的 Agent 也在观察这个世界，会基于当前状态主动提议新事件——让天空下雨、让敌人增援——让环境无需玩家干预也能自行演化。
LingBot-World-Infinity 是其中唯一在通用领域实现小时级、近似无限生成时长的模型。
相比半年前的 1.0 版本，2.0 主要做了三件事：
硅星人 Pro 的实测展示了几个典型场景：
中世纪奇幻山谷：大片草地、木质路牌、村落小屋、旗帜、远山和云雾，空间层次完整。角色可以按 WASD 穿过山谷，召唤马匹骑乘带起尘土，披风衣摆和镜头跟随运动，有开放世界的速度感。战斗中火枪带来枪口火光烟雾，魔法通过发光粒子、能量轨迹、冲击波展现技能范围和命中反馈。
从 shopping mall 到梵高：跟随视角移动，画面里有灯笼、摊位、烟雾、行人和湿润石板路。点击事件提案里的"梵高风格幻觉"，天空中立刻出现蓝色旋涡状、星空笔触式的幻觉效果。随后进入蔬菜店、水果店、高级商场，分镜衔接和流畅度非常高，光照、材质、货架结构保持很强的一致性——体现出模型对"不同商店区别"的世界知识理解。
传统视频生成模型用双向注意力机制，每帧都能"看到"过去和未来，生成短视频效果惊艳。但代价是模型从未真正学会因果——它只知道统计上"开枪"后面常跟着"玻璃碎裂"，不理解前者是后者的原因。长时间自回归生成时，微小误差反复累积，画面逐渐模糊变形最终崩坏。
LingBot-World 2.0 设计了 MoBA（混合双向与自回归注意力）：自回归部分保证模型按时间向前生成，双向部分保留对整体画面关系和视觉质量的把握。当前画面只依赖历史上下文、当前状态和用户输入，未来信息不能提前泄露。
高质量视频生成通常需要多步采样，画面越复杂等待越明显，但交互世界不能让用户每按一次键就停下来等。团队的做法是：
720p/60fps 的意义不只是画面更清晰，而是让按键后的反馈足够快、场景延续足够顺、事件变化不突兀。同时 1.3B 轻量模型降低了部署门槛，使系统有机会在单张消费级 GPU 上运行。
1.3B 轻量模型降低了本地尝试门槛。
LingBot-World 2.0 在视频生成模型外层加入"大脑-小脑"协同框架：
当你不知道干什么却又想体验未知时，可以按右侧面板中的事件提案，或按 U / O 键获得系统基于当前世界状态随机生成的下一步选择。
技术报告里专门用一小节列出了当前边界，这也是整个赛道需要共同迈过的坎：
主模型以非商用开源协议发布。多入口体验：
💡 提示：注意开源协议是非商用。研究、体验、复现没问题；商用前需确认授权条款。
