7月9日，蚂蚁灵波科技正式开源了新一代实时交互世界模型——LingBot-World 2.0（也可称为LingBot-World-Infinity）。这一版本最大的突破在于，它将“世界模型”的能力从分钟级的预测扩展至小时级的实时生成，并且支持720p/60fps的高清画面实时输出。更关键的是，模型首次将Agent机制融入世界模型——生成的世界不再只是“可观看、可操作”，而是真正实现了“持续互动、动态演化”。
（图示：LingBot-World 2.0 在生成时长、动态程度、实时性等方面均处于业界领先水平）
今年1月，蚂蚁灵波开源的第一代LingBot-World主要聚焦于解决长视频生成中的“长时漂移”问题——即生成时间延长后出现的画面模糊、结构变形。当时它已将连续稳定生成时长推进至近10分钟，并支持键鼠操控和文本触发的环境变化，在业界已引发广泛关注。
到了2.0版本，目标直接瞄准了“无限生成”。具体如何实现？核心思路是采用因果预训练范式，并引入自研的MoBA机制。简单来说，就是让模型按照真实世界交互的时间顺序学习世界演化——基于已发生的画面、动作和场景状态，持续预测下一步变化。这样一来，长时间生成中偏差不断放大的问题得到有效抑制，画面越到后期越不会变得模糊、失真。
实际测试结果也印证了这一点：在一小时不间断的压力测试中，LingBot-World 2.0的画面始终保持着清晰的纹理和连贯的场景结构，未见明显画质衰减。
为确保实时交互体验，团队从预训练模型中蒸馏出一个专门针对实时交互的快速版本，同时对生成流程进行了系统优化。画面不再是等待整段生成完成后才播放，而是边生成、边传输、边显示。最终成果是：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，几乎感受不到延迟。
在交互层面，2.0的进化更加值得关注。它不再局限于“行走、观察”，而是全面升级了动作体系——攻击、射箭、施法、射击、跳跃、滑翔，这些动作均由模型根据当前场景状态实时生成，既要保持物理合理性，又要保障视觉一致性。同时，通过文本触发的昼夜切换、天气变化、实体注入等事件也变得流畅自然。系统内置的双Agent机制是一大亮点：Pilot Agent负责规划并执行角色行为，Director Agent则在场景推进中实时提出新事件，让世界真正“活”起来。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——这大概是AI原生多人交互最接近落地的一次尝试。
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的应用场景极为广泛：游戏内容生成、影视预演、虚拟仿真、数字孪生，甚至作为蚂蚁灵波全栈大脑2.0的重要一环，直接服务于机器人与具身智能训练场景。
目前，用户可以通过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。
