蚂蚁开源世界模型Genie：10分钟用单图生成长视频
智东西
作者 王涵
编辑 云鹏
智东西1月29日报道，今日，蚂蚁灵波科技正式发布并开源了其世界模型LingBot-World。该模型是一个专为交互式世界模拟设计的开源框架。其核心基础组件LingBot-World-Base能够提供高保真度、可控且逻辑一致的模拟环境。
LingBot-World由一个可扩展的数据引擎驱动，通过从大规模游戏环境中学习物理规律与因果关系，可以实现与生成世界进行实时交互。
该模型在视频质量、动态范围、长时一致性、交互能力等关键指标上均接近于谷歌Genie 3模型。
▲ LingBot-World能力表
体验地址：
technology.robbyant.com/lingbot-worldModel
开源地址：
Hugging Face：
huggingface.co/collections/robbyant/lingbot-world
魔搭社区：
www.modelscope.cn/collections/Robbyant/LingBot-world
Github：
github.com/Robbyant/lingbot-worldTech
技术报告：
github.com/robbyant/lingbot-world/blob/main/LingBot_World_paper.pdf
一、近十分钟稳定生成，镜头移动60秒还能保持一致
针对视频生成中最常见的“长时漂移”问题——即生成时间一长就可能出现物体变形、细节塌陷、主体消失或场景结构崩溃等现象，LingBot-World通过多阶段训练以及并行化加速，实现了近10分钟的连续稳定无损生成，为长序列、多步骤的复杂任务训练提供支撑。
▲ 一致性压力测试，镜头最长移动60秒后返回，目标物体仍存在且结构一致
▲ 高动态环境下，镜头长时间移开后返回，车辆形态外观仍保持一致
▲ 镜头长时间移开后返回，房屋仍存在且结构一致
交互性能上，LingBot-World可实现约16 FPS的生成吞吐，并将端到端交互延迟控制在1秒以内。用户可通过键盘或鼠标实时控制角色与相机视角，画面随指令即时反馈。
用户可以通过文本指令触发环境变化与世界事件，例如调整天气、切换画面风格或生成特定事件等，且所有变化均可在保持场景几何关系相对稳定的前提下完成。
二、支持长程任务训练，与场景多样化生成
为解决世界模型训练中高质量交互数据匮乏的问题，LingBot-World采用了混合采集策略：一方面通过清洗大规模的网络视频以覆盖多样化的场景，另一方面结合游戏采集与虚幻引擎（UE）合成管线，从渲染层直接提取无UI干扰的纯净画面，并同步记录操作指令与相机位姿，为模型学习“动作如何改变环境”提供对齐的训练信号。
得益于此，LingBot-World具备了良好的Zero-shot泛化能力。仅需输入一张真实的城市街景照片或游戏截图，模型即可生成对应的可交互视频流，无需针对单一场景进行额外训练，降低了在不同场景中的部署与使用成本。
▲ 机器人穿梭在城市之间
具身智能的规模化落地还面临一个核心挑战，那就是复杂长程任务的真实机训练数据极度稀缺。
LingBot-World凭借长时序一致性、实时交互响应，以及对“动作-环境变化”因果关系的理解，能够在数字世界中“想象”物理世界，为智能体的场景理解和长程任务执行提供了一个低成本、高保真的试错空间。
同时，LingBot-World还支持场景多样化生成，可以改变光照、摆放位置变化等，此功能也有助于提升具身智能算法在真实场景中的泛化能力。
结语：蚂蚁补充物理感知拼图
蚂蚁连续发布三款“灵波”系列具身领域大模型，其通用人工智能（AGI）战略由此完成从数字世界向物理感知层面的关键延伸，也令其“基础模型 – 通用应用 – 实体交互” 的全栈技术路径进一步清晰。
从行业视角看，世界模型正成为连接生成式AI与具身智能的关键桥梁。LingBot-World在长序列生成与零样本泛化方面的能力，若能在实际应用中验证，或可推动相关领域从有限场景训练向开放场景适应的演进。
相关攻略
数字逻辑与物质建构的深度对话 ——评许哲诚“境域·生成”计算性设计展演 □ 丁雅力（江苏省美术馆策展人） 当代设计与造物的核心范式，正经历着由计算性设计带来的深刻变革。2026年3月20日，南京艺术学院教师许哲诚于南京莫玄空间呈现的“境域·生成”个人专场展演，正是这一前沿趋势的集中体现。本次展览超越
近日，开源具身智能原生框架Dexbotic宣布正式支持以RLinf作为其分布式强化学习后端。对具身智能开发者而言，这不仅是一次普通的工程适配，更意味着VLA模型研发中长期存在的「SFT与RL割裂」问题，正在被真正打通。 这是一种典型的「乐高式协作」：双方不强行Fork、不粗暴揉合代码，而是保持清晰边
随着大模型参数规模不断增长，混合专家（Mixture-of-Experts, MoE）架构因其稀疏激活特性，成为平衡模型性能与计算开销的主流方案。然而，在实际的Web级应用部署中，一个关键挑战日益凸显：传统MoE的路由机制通常是“无记忆”的。 试想，在搜索引擎、智能问答或多轮对话等高并发场景下，用户
编程十年的一点分享 在软件开发的路上走过十几年，从一个爱好者到以此为业，有些体会或许值得聊聊，就当是抛砖引玉吧。 最早接触编程，是从BASIC和C语言开始的。工作后，随着需要，陆续学习了dBase、Access这类桌面数据库的开发。真正以开发为职业，可以说始于FoxPro 5 0，之后技术栈随着项目
引言 编程，是一门实践科学。这意味着，学习它的最佳方式就是动手去敲代码。但这是否意味着，我们可以因此轻视理论的学习呢？ 入门编程 如果你去各大技术社区提问“该如何入门编程”，五花八门的答案会瞬间涌来。 不过，仔细梳理一下，无外乎以下几种流派： 学院派 他们推荐从C语言入手，并辅以数据结构、操作系统等
热门专题
热门推荐
微信群里的接龙，方便是真方便，但整理起来，那叫一个头疼。手动复制粘贴，不仅耗时费力，还容易出错、遗漏，最后导出的表格格式五花八门，看着就心累。 有没有一种方法，能让这个过程自动化，让数据自己“跑”进表格里？答案是肯定的。借助一些工具，我们可以实现群内接龙数据的自动识别、解析和归档。下面，就来拆解一下
VineCoin（VINE币）：重塑创作者经济的区块链新星 在数字资产的浪潮中，VineCoin（VINE币）正作为一个新兴项目崭露头角。它并非又一种简单的代币，其野心在于利用区块链技术，从根本上重塑内容创作与社交互动的经济规则。可以说，它致力于成为一个去中心化生态系统的核心引擎，目标是为全球的内容
ToClaw文件整理术：一键清理桌面杂乱文件的秘籍 | AI智能文件管理教程 利用AI智能助手整理电脑桌面文件，愿景虽好，但在实际应用中，你是否也遇到过分类不准确、指令执行失败，甚至文件被误移的困扰？请放心，这些问题往往源于几个关键的设置步骤尚未完善。掌握以下这套经过验证的ToClaw文件整理优化方
三星电子工会确认原定罢工计划未取消，但将遵守法院禁令，确保罢工不影响正常生产流程。劳资博弈进入微妙阶段，工会需在法律框架内施压，公司生产秩序暂获法律庇护，后续发展取决于双方谈判。
千问AI赋能社群自动化运营：一、关键词触发智能回复；二、定时任务精准推送；三、敏感词实时过滤预警；四、成员标签化智能分组。 社群运营工作繁杂，常常需要处理大量重复性任务，如解答常见问题、发布定时通知、监控群内动态等，这让运营者倍感压力。如何实现高效、智能的社群管理，解放人力？利用千问AI的强大功能，