当前位置:

首页 > 硬件相关 > AI 开服了:LingBot-World 2.0 做成了可玩的开源无限世界

AI 开服了:LingBot-World 2.0 做成了可玩的开源无限世界

Air Explorer Pro
Air Explorer Pro

Air Explorer Pro是一款跨平台多网盘管理工具,可实现一站式完成不同网盘间文件的互传、搜索和同步等操作。任务管理和过程控制会更完整,持续下载、批量同步或需要稳定传输流程的场景会更适合它。

立即下载
¥99
Windows/macOS 2026-08-22
正版软件 Windows macOS软件 Pro 文件搜索工具 Pro下载 Pro正版软件 Pro购买

LingBot-World2.0是一个开源实时交互世界模型,支持小时级720p/60fps连续生成,用户操作与Agent事件驱动世界演化。其核心创新在于因果生成范式、MoBA注意力机制及“大脑-小脑”协同框架,实现了长时稳定、实时反馈和交互式动态环境。

本文目录

    《楚门的世界》里,街道、天气、邻居、广播都按剧本运行。但当楚门开始偏离既定路线,幕后团队只能狼狈地临时调整灯光、天气和对白,徒劳地维持那个世界的“正常”。

    这像极了上一代模型——只能播放,无法应变。但在 LingBot-World 2.0 里,用户的随机行为成为驱动世界运转的核心燃料,而不再是需要补救的意外。

    时隔半年,蚂蚁灵波科技将 LingBot-World 正式迭代为 LingBot-World 2.0,亦称 LingBot-World-Infinity。这是一个开源的实时交互世界模型,它把“看视频”变成了“进世界”。对用户来说,眼前是一个有初始画面、有背景故事的世界。每一次操作,比如移动、攻击,都会实时生成下一段画面,真正在推动世界向前。对系统来说,内置的Agent也在观察这个世界——它会基于当前状态,主动提议新事件,比如让天空下雨、让敌人增援,让环境无需玩家干预,也能自行演化。


    LingBot-World-Infinity 是其中唯一在通用领域实现小时级、近似无限生成时长的模型。同时,它还将长时间连续生成、高动态程度、语义交互、较高视觉质量、实时性能和完全开源结合在一起。

    具体到这次迭代,LingBot-World 2.0 主要聚焦在三件事上。第一,支持小时级实时生成,长时间运行仍能稳定输出 720p / 60fps 高清画面;第二,支持更丰富的 Action 与 Event,攻击、射箭、施法、射击以及天气、环境变化都可以成为交互的一部分;第三,内置 Agent 实时 propose 新事件,让世界不再静止,而是持续自我演化、随用户而变。

    但到底怎么样?来看看实测效果。

    动作先发生,世界随后回应

    先来看这个 demo,大片草地、木质路牌、村落小屋、旗帜、远山和云雾,搭出了一个中世纪奇幻山谷。近景有草丛和路牌,中景有道路和建筑,远景有森林与群山,空间层次完整,第一眼就让人觉得这个世界可以继续探索。

    动态部分则把场景从“好看”推进到“可玩”。角色可以通过按WASD上下左右穿过山谷,还可以召唤出马匹,骑在马上带起尘土,披风、衣摆和镜头跟随一起运动,让画面有了开放世界的速度感。

    战斗上,火枪带来枪口火光、烟雾;魔法则通过发光粒子、能量轨迹、冲击波、火焰、符文等特效,展现出明显的技能范围、命中反馈和奇幻感。当然,用户可以随时设置新的技能,去到新的环境。至此,LingBot-World 2.0 真正成为了一个可以根据用户意志随时改变的空间。

    但用更高的标准看,问题依然存在——对物理世界的理解还不够扎实。马匹奔跑时,脚步和地面的接触不够真实;尘土、草地、衣摆没有完全根据速度和方向自然变化;魔法爆炸也不是每一次都影响了周围环境……

    从 shopping mall 到梵高

    这里我们新建了一个场景:跟随移动视角,画面里有灯笼、摊位、烟雾、行人和湿润的石板路。随后点击右侧事件提案里提前设置好的“梵高风格幻觉”,天空中立刻出现蓝色旋涡状、星空笔触式的幻觉效果,视觉上呼应了梵高式的旋转星空。

    之后随机点击“进入蔬菜商店、水果商店、或高级商场”,能明显看出分镜衔接和流畅度非常高。每一次事件触发后,镜头并不是生硬跳切,而是保留了视角行走的连续性——从街市到店铺、从蔬果货架到高级商场,都有合理的空间过渡。光照、材质、人物轮廓、货架结构和商业空间布置也保持了很强的一致性。

    整体观感非常真实。

    更重要的是,这种画面的一致性,体现出模型的超强世界知识:它能理解不同商店的区别,也知道什么是高级商场。

    既能原创,也能二创

    用 LingBot-World 2.0 搞一个抽象,看过《潜伏》的才懂。

    是什么撑起了这个“不停机”的世界

    言归正传,LingBot-World 2.0 能实现小时级实时运行且画面几乎不漂移,根源在于它从训练范式上做了一个根本性的转向——把世界模拟严格定义为一个因果生成过程。

    传统视频生成模型?它们普遍采用的是双向注意力机制,让每一帧都能“看到”过去和未来的全部画面。这种做法在生成短视频时效果惊艳,但代价是模型从未真正学会什么是因果。它只知道在统计上,“开枪”的画面后面常常跟着“玻璃碎裂”的画面,却不理解前者是后者的原因。一旦进入需要长时间连续自回归生成的场景,微小误差就会在帧与帧之间反复累积,画面逐渐模糊、变形,最终崩坏。


    所以LingBot-World 2.0 的第一层优势是把世界模拟定义为因果生成。当前画面只依赖历史上下文、当前状态和用户输入,未来信息不能提前泄露。为此,团队设计了 MoBA,即混合双向与自回归注意力机制。自回归部分保证模型按时间向前生成,双向部分则保留视频模型对整体画面关系和视觉质量的把握。简单说,它既要让模型知道“接下来该发生什么”,也要尽量保住“画面应该怎么稳定、怎么好看”。


    第二层优势是实时性。高质量视频生成通常需要多步采样,画面越复杂,等待越明显——但交互世界不能让用户每按一次键就停下来等。LingBot-World 2.0 的应对方法:先训练高质量基础模型,再通过 consistency distillation 和 DMD 将多步扩散压缩为少步生成,部署侧则结合并行推理、异步 VAE 解码、流式传输和动态 KV cache 管理,减少从用户输入到画面反馈之间的延迟。

    因此,720p/60fps 的意义也不只是画面更清晰,而是让交互真正成立。按键之后的反馈才会显得足够快,场景延续足够顺,事件变化显得不突兀。

    与此同时,1.3B 轻量模型降低了部署门槛,使系统有机会在单张消费级 GPU 上运行。对普通用户来说,世界模型只有进入这个速度区间,体验才会从“看生成”接近“玩世界”。


    第三层优势是 Agentic Harness。LingBot-World 2.0 在视频生成模型外层加入“大脑-小脑”协同框架——VLM 充当大脑,持续观察当前画面、理解用户动作,并提出下一步可能发生的事件;底层视频生成模型则更像小脑,负责把这些事件转化为连续、可信的画面。换句话说,Pilot Agent 规划角色行为,Director Agent 补充环境变化,让系统能根据当前场景临时生成新的互动可能,而不再被动地续写画面。

    这也是它区别于传统视频生成工具的地方。当你不知道干什么却又想体验未知的时候,就可以使用上图右侧面板中的事件提案。在这个例子里,除了已有的按键如跳跃、滑翔、云鲸出现等,你还可以按下U或者O,获得系统基于当前世界状态给你随机生成的下一步选择——这何尝不是另一种系统金手指呢。

    综上,一句话总结LingBot-World 2.0 的技术优势:它同时解决了长时稳定、实时反馈和事件驱动交互三个问题,让视频生成开始具备 AI 原生世界的雏形。


    边界很清晰

    在技术报告里,蚂蚁灵波也用一小节坦诚地列出了当前模型的局限。事实上,这是整个赛道需要共同迈过的坎。

    首先,长期记忆依然是最大的难题。模型可以在很长时间里保持视觉稳定,但当某个区域离开上下文窗口后,再回到那里——它更像重新生成一片相似区域,未必真正记得“刚才那扇门被打开过”。技术报告里把这个问题概括为:“世界在 appearance 上持久,在 identity 上并不持久。”这也解释了团队为什么要引入动态 KV 缓存管理机制,本质上是在给模型装一个短期记忆辅助器。

    其次,关于一致性——存在着身份和风格在超长探索中也还是可能缓慢漂移等问题,以及物理理解也远未达到真实引擎的确定性,角色和物体偶尔会穿插,碰撞关系会混乱。这都是因为它学会了物理的视觉表现,但还没学会物理本身。

    最后,算力同样是门槛。14B 主模型更适合高质量体验和研究验证,1.3B 轻量模型降低了本地尝试门槛,但开发者和创作者想在自己手头的设备上流畅地“开世界”,仍然是一个不小的系统工程。


    世界已开服,钥匙在你手里

    不过,这些局限也让 LingBot-World 2.0 的位置变得更清楚。一个真正要被使用、被复现、被继续推进的世界模型,不能只展示最漂亮的片段,也要说明哪些能力还在路上。

    回到一个更实际的问题:这样一个世界模型,到底能用来做什么?答案比想象中更宽。

    在游戏和互动内容领域,它可以把剧本驱动变成世界驱动——剧情不再由编剧的分支树预先锁定,而是从玩家行为和 Agent 的事件提案中自然生长出来。对创作者来说,这意味着工具范式的迁移:过去你逐帧制作画面,现在你可以通过 Action 和 Event 控制世界的演化方向,创作从“画每一片叶子”变成“种一棵会自己生长的树”。

    往更深处看,这个模型对具身智能和自动驾驶的价值同样很大。它可以提供一个持续变化、突发事件不断的仿真环境,比固定场景的 replay buffer 更接近真实世界那种永远不知道下一秒会发生什么的复杂性。

    同时,它还支持多人进入同一个世界,让 AI 原生的多人交互有了可以跑起来的原型。

    对世界模型研究而言,这套开源系统将提供一个事件驱动、可持续运行的公共实验底座。研究者可以在上面测试长时因果一致性、开放域动态规律、智能体协同与环境反馈等关键问题,不必从零搭建一个能持续响应动作和事件的虚拟世界。

    目前,主模型以非商用开源协议发布,用户可以直接在 Reactor 在线平台上手体验,也可以通过灵光 APP 中的“世界模型”功能进入。对于普通用户来说,这很可能是第一个真正开放的、能实现无限时交互的世界模型。

    边界已经清晰,图纸已经公开。世界开着,等你进门。

    Website:https://technology.robbyant.com/lingbot-world-v2

    Model:

    https://huggingface.co/collections/robbyant/lingbot-world-v2

    https://modelscope.cn/collections/Robbyant/LingBot-World-V2

    Code:https://github.com/Robbyant/lingbot-world-v2

    在线体验地址:

    https://www.reactor.inc/lingbot-world-v2

    Tech Report:

    https://github.com/Robbyant/lingbot-world-v2/blob/main/paper.pdf


    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    硬件相关 AI
    相关文章 更多
    Nod 0.8.1怎样理解状态码、Ray ID与计划检查
    Nod 0.8.1怎样理解状态码、Ray ID与计划检查

    Nod 0.8.1补充连接服务状态与原因、Attio Cloudflare 403诊断,并让Gmail在连接服务429或503后延后计划轮询。

    Ducter 0.0.59如何理解同会话聊天、Git可选和附件变化
    Ducter 0.0.59如何理解同会话聊天、Git可选和附件变化

    Ducter 0.0.59扩展Telegram、Slack和Mac iMessage会话,区分项目目录来源、Git可选、等待状态与附件入口。

    llama.cpp b12435、b12436、b12438测试构建的三类兼容变化有什么区别?
    llama.cpp b12435、b12436、b12438测试构建的三类兼容变化有什么区别?

    llama.cpp b12435、b12436、b12438预发布构建,分别解释Vulkan并列选择确定性、32位编译与Jinja JSON键排序的适用范围。

    ScopeWeaver 0.9.2、0.9.3与0.9.4如何区分运行时、Zod和任务状态变化
    ScopeWeaver 0.9.2、0.9.3与0.9.4如何区分运行时、Zod和任务状态变化

    ScopeWeaver 0.9.2、0.9.3与0.9.4分别调整桥运行时、Zod依赖和同进程服务器重建后的暂停状态;区分版本对象与作者本地研究用途声明。

    MiniMax-H3-Image与DiffSynth-Studio 2.2.2文档配方的硬件条件怎样区分
    MiniMax-H3-Image与DiffSynth-Studio 2.2.2文档配方的硬件条件怎样区分

    MiniMax-H3-Image新增DiffSynth-Studio文档推荐后,配置选择应围绕具体推理配方和独立训练流程展开。文档中的24GB GPU方案分别配合32GB或8GB主机RAM,所用量化、CPU或磁盘卸载方式不同;新增文档入口本身没有发布模型新权重或标注一个新的框架版本。

    AG2 1.3.2的输入Token为何变多,旧ACP版本还能用吗
    AG2 1.3.2的输入Token为何变多,旧ACP版本还能用吗

    AG2 1.3.2统一缓存Token统计并更新ACP1.x依赖;解释预算提前触达、报表口径与Python3.15构建限制。

    llama.cpp b12433怎样为AMD奇数列保留MUL_MAT_ID回退路径
    llama.cpp b12433怎样为AMD奇数列保留MUL_MAT_ID回退路径

    llama.cpp b12433避免AMD设备将奇数src0列送入需要偶数列的MMVF路径:满足偶数条件才保留MMVF,其他形状沿用既有回退。对应改动发生在MUL_MAT_ID处理和相关同步判断中,范围限定于代码说明中的类型与token条件。

    Ducter 0.0.58如何区分下一步消息、完成后消息与后台会话
    Ducter 0.0.58如何区分下一步消息、完成后消息与后台会话

    Ducter 0.0.58调整任务阅读、执行中消息和后台会话,区分下一步发送与做完再说,并说明tailnet HTTPS辅助的条件。

    Unlimited OCR 2在TextMind能否直接使用,账号权限与模型示例如何区分
    Unlimited OCR 2在TextMind能否直接使用,账号权限与模型示例如何区分

    Unlimited OCR 2官方确认百度智能云TextMind渠道;区分云端入口、账号权限配额与本地模型部署,避免混淆接口和计费条件。

    Apple Health AI Study App 1.0的报名条件与隐私规则怎么看?
    Apple Health AI Study App 1.0的报名条件与隐私规则怎么看?

    Apple Health AI Study App 1.0的重点是健康AI使用研究:合格用户可以选择参加、提问和提供反馈,也可以决定是否分享特定HealthKit数据及问卷回应。参与范围有地区、年龄、设备和系统限制,应用的回答不能替代医生诊疗。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。

    即将离开本站
    您即将前往第三方网站,请确认是否继续?