7月9日，蚂蚁灵波正式开源了新一代实时交互世界模型——LingBot-World 2.0（也称为LingBot-World-Infinity）。此次开源，技术团队直接亮出了核心实力：一个能够实时生成、长时间稳定运行且支持多样化交互的世界模型。通俗来说——用户可以在该模型生成的数字世界中自由探索、与人互动，甚至大幅改变环境，同时保持画质清晰、响应流畅。
据官方介绍，这一版本的能力升级主要围绕三个层面展开：全面扩展了世界预测与交互的动作及事件类型；支持小时级别时长的实时生成，长时间运行画质不衰减；最终输出稳定的720p/60fps高清实时画面。开源的目的也很明确——为游戏开发、交互式创作、自动驾驶仿真以及具身智能训练等场景，提供一个更强大、可持续的基础底座。
下面，我们来逐一拆解几个核心升级点。
更丰富的交互动作与事件：不止是导航
过去，交互式世界模型能做的事情非常有限，无非是镜头移动和角色导航这类基础操作。LingBot-World 2.0 的动作空间远不止于此。
在动作层面，模型支持了远超上一代的角色动作类型——施法、攻击、射箭、射击等战斗动作，以及跳跃、滑翔等运动动作，统统纳入了动作池。请注意，这些并非简单的动画播放。模型会根据当前场景的实时状态，动态生成对应的视觉变化，结果必须同时满足物理合理性和视觉一致性。换句话说，角色在雪地中滑翔，与在山谷里飘行，生成的视觉效果截然不同。
在事件层面，LingBot-World 2.0 支持更丰富的文本驱动事件。你可以直接用文字指令触发宏观环境变化——比如“从城市切换到森林”“召唤一场暴风雪”“天空飞过一群鸟”，也可以直接往场景里注入新的实体或道具。模型会判断当前世界状态的合理性，找到合适的时空插入点，将这些变化无缝融入正在运行的场景中，而不是生硬地“剪”进去。
还内置了两套Agent机制。Pilot Agent负责规划和执行角色行为；Director Agent则负责在场景推进过程中，实时抛出新的环境事件。这样一来，世界不再是静止的沙盘，它会演化，也会随你而变。更进一步，LingBot-World 2.0 还支持多用户同时进入同一个世界——多位用户可以在同一个持续运行的世界里一起探索、互动。AI原生的多人交互体验，从此有了一个可落地的抓手。
突破短时生成的天花板：小时级稳定运行的无边界世界
交互式世界模型一直有个老大难——长时漂移。时间线拉长后，误差随帧数不断累积，画面难免出现纹理模糊、几何变形，最终整个场景崩坏。传统模型通常只能维持几秒到几分钟的稳定生成，内容播完就结束了。
LingBot-World 2.0 要做的事，就是让世界持续运行。用户可以不断输入动作，环境也可以随时间不断变化，而不是在固定时长的视频播完后直接结束。为了实现这一点，团队在架构层面下了狠功夫。他们采用了精心设计的因果预训练范式（Causal Pretraining Paradigm），从根上抑制了复合误差的产生。同时，提出了混合双向与自回归注意力掩码机制（MoBA），在保证生成质量的前提下，有效缓解了长程自回归带来的误差积累与画质退化。
在一小时的不间断压力测试中，结果相当能打：画面始终保持着锐利的纹理和连贯的场景，没有出现明显的画质衰减。论文中的实验数据表明，这种稳定性不是偶然的短视频片段效果，而是模型本身的结构性能力。在现有的开源及闭源系统横向对比中，LingBot-World 2.0 是唯一一个能实现小时级（甚至无限）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
一个真正可用的数字演练场，光能持续运行还不够，还必须在用户操作的瞬间做出响应。但高保真视频渲染与实时交互之间，天然存在巨大的算力矛盾。
为了解决这个问题，团队从预训练的因果世界模型中，蒸馏出了一个专为实时交互设计的快速版本。配合一致性蒸馏（Consistency Distillation）和分布匹配蒸馏（DMD）两个技术组件，大幅降低了采样成本，同时有效抑制了长时自回滚带来的视觉退化。
在工程部署层面，团队引入了编译器级别的注意力kernel优化、混合并行推理策略、动态KV缓存调度以及异步流媒体传输机制。系统不是“等整个视频块生成完再显示”，而是边生成、边解码、边传输。最终成果是：720p分辨率、60fps帧率下的稳定输出。你敲击键盘控制角色移动或切换视角时，感受到的将是低延迟的流畅高清交互体验。
这次开源的是14B参数版本，提供高质量体验，适用于研究验证与复杂交互世界的构建。该版本采用非商用开源协议。同时，团队联合Reactor（PC端）和灵光APP（移动端）提供了在线体验入口，让用户直接上手感受World 2.0的实时生成与交互能力，无需自行部署。SGLang也已经从Day 0完成了对LingBot-World 2.0的适配，开发者可以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。