蚂蚁灵波科技近日宣布，正式开源两款面向具身智能与实时交互场景的新一代基础模型，分别为实时交互世界模型LingBot-World2.0（别名LingBot-World-Infinity）和视频生成基础模型LingBot-Video。这两款模型的推出，标志着具身智能领域在实时交互与视频生成技术上取得了重要突破。
作为实时交互领域的创新成果，LingBot-World2.0在原有基础上实现了全面升级。该模型不仅支持小时级实时生成与720p/60fps高清实时输出，还大幅扩展了交互动作与事件类型。其核心突破在于首次将Agent机制引入世界模型架构，使虚拟世界从传统的"可观看、可操控"模式，进化为具备"可持续互动、可动态变化"能力的智能环境。这种技术演进为机器人训练、虚拟仿真等场景提供了更接近真实世界的交互平台。
在视频生成领域，LingBot-Video开创性地采用Mixture-of-Experts（MoE）架构，成为全球首个专为具身智能设计的开源视频生成基础模型。该模型通过重构视频预训练范式，重点解决了机器人领域对物理规律理解、动作语义解析等核心需求。实测数据显示，其在推理效率、物理合理性、动作理解精度及任务完成度等关键指标上均有显著提升，为视频生成技术从数字内容创作向机器人感知决策等具身智能场景的迁移提供了关键技术支撑。
两款模型均采用全开源策略，研发团队表示此举旨在推动具身智能技术生态的共建。LingBot-World2.0的动态交互能力与LingBot-Video的物理感知特性形成技术互补，共同构建起从环境建模到行为生成的完整技术链条。这种开源模式不仅降低了行业研发门槛，更为学术界与产业界提供了可复用的技术基础设施，有望加速具身智能技术在服务机器人、工业自动化等领域的落地应用。
