无限世界、实时交互，蚂蚁灵波开源LingBot-World 2.0世界模型

IT之家 7 月 9 日消息，无限今日，世界实时世界蚂蚁灵波正式开源全新一代实时交互世界模型 —— LingBot-World 2.0（代号 LingBot-World-Infinity）。交互

官方表示，蚂蚁模型LingBot-World 2.0 实现了世界预测与交互能力的灵波全面跃升：支持更丰富的动作与事件类型，解锁多样化交互玩法；具备小时级时长的开源实时生成能力，长时间运行下画质不衰减；稳定输出 720p/60fps 高清实时画面。无限此次开源旨在为游戏开发、世界实时世界交互式创作、交互自动驾驶仿真及具身智能训练，蚂蚁模型提供一个强大且可持续的灵波开源基座。

以下为官方详细介绍：

更丰富的开源交互动作与事件：超越传统导航

传统交互式世界模型的动作空间通常局限于简单的镜头移动与角色导航。LingBot-World 2.0 在此维度进行了大幅扩展，无限构建了更复杂的世界实时世界交互生态。

动作层面：物理合理的交互实时生成

模型支持远超前代的角色动作类型，涵盖：
* 战斗动作：施法、攻击、射箭、射击等。
* 运动动作：跳跃、滑翔等。

这些动作并非简单的动画叠加，而是由模型根据当前场景状态实时生成对应的视觉变化，确保动作结果与环境之间保持物理合理性与视觉一致性。

事件层面：文本驱动的宏观控制

LingBot-World 2.0 支持更丰富的文本驱动事件，用户可通过指令触发宏观环境变化：
* 环境切换：如从城市切换至森林。
* 气象变化：如召唤暴风雪。
* 动态实体：如让天空中飞过一群鸟，或注入新的实体/道具。

模型会根据当前世界状态，智能判断合理的时空插入点，将变化无缝融入正在运行的世界中。

Agent 机制与多人协作

• Pilot Agent：负责规划和执行角色行为。
• Director Agent：在场景推进中实时提出新的环境事件，使世界具备自我演化能力。
• 多人同服：支持多位用户进入同一个持续运行的世界，共同探索与互动，开启 AI 原生的多人交互体验。

突破短时生成天花板：小时级稳定运行的无边界世界

交互式世界模型构建的核心难题在于“长时漂移”。随着视频生成时间线拉长，误差累积会导致纹理模糊、几何变形，最终造成场景崩坏。传统模型往往仅能维持几秒至几分钟的稳定生成。

LingBot-World 2.0 致力于让世界持续运行，用户可不断输入动作，环境随时间动态变化。为此，团队采用了两项关键技术：

1. 因果预训练范式（Causal Pretraining Paradigm）：从根本上抑制复合误差的产生。
2. 混合双向与自回归注意力掩码机制（MoBA）：在保持生成质量的同时，有效缓解长程自回归导致的误差积累与画质退化。

在长达一小时的不间断压力测试中，LingBot-World 2.0 展现出惊人的持久力：画面始终保持锐利纹理和连贯场景，无明显画质衰减。实验表明，这种稳定性是模型的结构性能力。在与现有开源及闭源系统的对比中，LingBot-World 2.0 是唯一能够实现小时级（乃至无限）生成时长的通用交互世界模型。

告别延迟：720p/60fps 的高清实时交互

真正的数字演练场不仅需持久运行，更需对用户的每一个动作做出即时响应。高保真视频渲染与实时交互之间往往存在巨大的算力矛盾。

模型蒸馏优化

团队从预训练的因果世界模型中蒸馏出专为实时交互设计的快速版本。结合一致性蒸馏（Consistency Distillation）与分布匹配蒸馏（DMD），在大幅降低采样成本的同时，有效抑制了长时自回滚带来的视觉退化。

工程部署突破

在工程层面，引入了以下优化措施：
* 编译器级别的注意力 kernel 优化。
* 混合并行推理策略。
* 动态 KV 缓存调度。
* 异步流媒体传输机制。

系统采用“边生成、边解码、边传输”的模式，而非等待整个视频块生成完毕再显示。最终，LingBot-World 2.0 成功实现了 720p 分辨率、60fps 帧率下的稳定输出。用户可通过键盘实时控制角色移动与视角切换，在低延迟响应中体验流畅的高清交互。

开源详情与生态适配

本次开源的 14B 模型提供高质量体验，适用于研究验证与复杂交互世界的构建，采用非商用开源协议。

• 在线体验：联合 Reactor（PC 端）与灵光 APP（移动端）提供在线体验入口，用户可直接在平台感受 World 2.0 的实时生成与交互能力，无需自行部署。
• 开发者支持：SGLang 已于 Day 0 完成对 LingBot-World 2.0 的适配，开发者可开箱即用地进行高效部署与推理服务。

目前，LingBot-World 2.0 的模型权重及推理代码已全面开源。

(责任编辑：焦点)