蚂蚁集团发布 140 亿参数世界模型 LingBot-World-Infinity，致力解决长时程漂移难题
在人工智能快速发展的今天，具身智能和世界模型成为了科技巨头竞相追逐的热点领域。近日，蚂蚁集团旗下的具身智能团队 Robbyant 正式对外发布了其最新的研究成果——LingBot-World-Infinity（LingBot-World 2.0）。这是一个拥有 140 亿参数的开放因果视频生成模型，被设计为一个交互式的世界模拟器，旨在为未来的智能体提供更加稳定和逼真的训练环境。
核心技术：MoBA 掩码与分布匹配蒸馏
世界模型的核心挑战在于如何在长序列中保持视频生成的一致性。传统的视频生成模型往往会出现“长时程漂移”现象，即随着模拟时间的推移，视频中的纹理细节逐渐模糊，甚至发生几何结构的扭曲变形。这种“失真”会导致模拟器失去物理真实性，使得基于模型的强化学习训练难以收敛。
LingBot-World-Infinity 针对这一痛点进行了深度优化。该模型采用了混合注意力掩码机制，即“双向与自回归混合”（MoBA）。这种机制结合了双向注意力（如 BERT）和自回归注意力（如 GPT）的优势，使得模型在处理长序列时既能利用上下文信息，又能保证生成过程的连贯性。此外，模型还应用了分布匹配蒸馏技术，并在长自展开轨迹上进行了训练，进一步强化了模型在长时间运行下的稳定性。
“导演-飞行员”架构设计
为了增强模型的交互能力，LingBot-World-Infinity 搭建了一个名为“导演-飞行员”的代理 Harness。在这个架构中，视觉语言模型（VLM）扮演“导演”的角色，负责根据当前场景和目标提出具体的动作或事件；而扩散变换器则作为“飞行员”，负责将导演的指令渲染成逼真的视频画面。
这种设计形成了一个闭环的交互系统，使得模型不再是被动地生成视频，而是能够根据指令主动探索和模拟世界。官方报告显示，在单一 60 分钟不间断的会话中，该模型成功覆盖了 20 个不同的场景，展示了其在复杂环境下的适应能力和长时程的一致性。
开源性质与局限性
尽管技术亮点十足，但此次发布在资源开放程度上相对有限。目前官方仅提供了一个检查点、一段 480P 的参考脚本以及论文报告。值得注意的是，该模型并未附带部署代码，也没有提供具体的定量基准测试结果。此外，其许可证为非商业性的 CC BY-NC-SA 4.0，这意味着该模型目前主要适用于学术研究和概念验证，尚未准备好进行大规模的商业化部署。
行业影响
LingBot-World-Infinity 的发布，为具身智能领域提供了一个新的研究工具。通过解决长时程漂移问题，研究人员可以构建更长时间的模拟环境，从而训练出能够执行复杂任务的智能体。这对于机器人学、游戏开发以及自动驾驶等领域都具有潜在的推动作用。
来源：MarkTechPost
原文链接：https://www.marktechpost.com/2026/07/09/meet-lingbot-world-infinity-an-open-causal-world-model-with-an-agentic-harness/
信息来源：MarkTechPost，原文链接：https://www.marktechpost.com/2026/07/09/meet-lingbot-world-infinity-an-open-causal-world-model-with-an-agentic-harness/
