鳳凰網科技訊（作者/董雨晴） 1月29日，繼連續發布空間感知與VLA基座模型後，螞蟻靈波科技開源發布世界模型LingBot-World。據披露，該模型在視頻質量、動態程度、長時一致性、交互能力等關鍵指標上追平Google Genie 3，目標是為具身智能、自動駕駛及遊戲開發提供高保真、高動態、可實時操控的「數字演練場」。

針對視頻生成中最常見的「長時漂移」問題（生成時間一長就可能出現物體變形、細節塌陷、主體消失或場景結構崩壞等現象），LingBot-World通過多階段訓練以及並行化加速，實現了近10分鐘的連續穩定無損生成，為長序列、多步驟的複雜任務訓練提供支撐。

交互性能上，LingBot-World可實現約16 FPS的生成吞吐，並將端到端交互延遲控制在1秒以內。用戶可通過鍵盤或鼠標實時控制角色與相機視角，畫面隨指令即時反饋。此外，用戶可通過文本觸發環境變化與世界事件，例如調整天氣、改變畫面風格或生成特定事件，並在保持場景幾何關係相對一致的前提下完成變化。

模型具備Zero-shot泛化能力，輸入一張真實照片（如城市街景）或遊戲截圖，可生成可交互的視頻流，無需針對單一場景進行額外訓練或數據採集，從而降低在不同場景中的部署與使用成本。

為解決世界模型訓練中高質量交互數據匱乏的問題，LingBot-World採用了混合採集策略：一方面通過清洗大規模的網絡視頻以覆蓋多樣化的場景，另一方面結合遊戲採集與虛幻引擎（UE）合成管線，從渲染層直接提取無UI干擾的純淨畫面，並同步記錄操作指令與相機位姿，為模型學習「動作如何改變環境」提供精確對齊的訓練信號。

目前，LingBot-World模型權重及推理代碼已面向社區開放。