AREX Feed Article
蚂蚁灵波放出 LingBot-World 2.0：首个小时级零漂移世界模型，开源直逼闭源天花板
罗比安特（Robbyant），蚂蚁集团旗下的具身智能公司，7 月 9 日正式开源 LingBot-World 2.0（代号 Infinity）。这是全球首个实现小时级持续生成且零画质漂移的交互式世界模型——720p、60fps、可玩游戏，同时首次引入 Pilot Agent + Director Agent 的双智能体驱动架构，让世界模型从"被动播放"进化到"自主演化"。官方推文发布不到 12 小时即获 46 万次浏览、533 个赞和 152 次转发，社区称之为"世界模型的 ChatGPT 时刻"。
半年过去，"最大短板"被直接铲掉了
今年 1 月 LingBot-World V1 发布时，社区最高频的批评是一条："能跑几分钟，但过了那个点画面就开始崩。"
这不是 LingBot 独有的问题。所有基于自回归生成的世界模型都困在同一个死结里：每一帧都以上一帧为条件生成，误差不断回灌，纹理逐渐糊掉、几何开始扭曲、场景最终飘离任何"像样的世界"。Genie 3、Matrix、HappyOyster——现存所有开源或闭源世界模型的最长稳定生成，都停在分钟级别。
Robbyant 团队在 arXiv 技术报告《Infinite Worlds with Versatile Interactions》（arXiv:2607.07534）里把这称为"长时域稳定性"（long-horizon stability）问题，并给出了自己的解法：一个经过精心设计的因果预训练范式（causal pretraining paradigm），让模型从结构上抵抗误差累积，而不是靠"挑一段运气好的片段"来蒙混过关。
效果有多直接？团队用连续一小时不间断的交互会话进行了极限测试，画面质量始终没有出现肉眼可见的退化。这意味着，世界模型的"保鲜期"从分钟级直接跳到了小时级——并且因为架构保证了因果一致性，理论上可以更久。
四个升级，每一项都在捅天花板
LingBot-World 2.0 的技术报告列出了四项核心升级，每一项都在挑战该领域此前公认的极限。
升级一：无界交互时域。 V1 的生成上限以分钟计，V2 的因果预训练骨架使得模型可以持续产出而没有画质衰减。团队把这一点归功于因果生成范式的引入——模型被训练为只依据过去帧和当前控制信号预测下一帧，杜绝了"提前偷看未来"带来的训推不一致。
升级二：720p/60fps 实时推理。 从 14B 基座模型蒸馏出一个实时变体，延迟控制在亚秒级，能驱动 720p/60fps 的交互画面。这在世界模型领域是首次——此前实时交互往往意味着牺牲分辨率或帧率。
升级三：远超"走来走去"的动作空间。 V1 只支持基础的相机移动。V2 加入了攻击、射箭、施法、射击等战斗动作，以及暴风雪、暴雨等文本驱动环境事件。用户的输入不再只是"往前看"，而是可以"对着远处的城堡放一个火球"。
升级四：Pilot + Director 双智能体驱动。 这是最被低估的一项。Robbyant 借鉴了编程助手的设计哲学——一个好的语言模型要成为能用的"软件工程师"，需要被放进一个 agent harness（Codex 那样的骨架）里。世界模型也一样：一个强大的生成器不会"自己玩自己"。
所以他们给生成核心套上了一个双智能体骨架。Pilot Agent 读取当前场景，决定角色下一步做什么——前进、挥剑、捡东西；Director Agent 保证世界不会"跑空"，在探索过程中不断播种新内容、新道具、新事件。两者合力，把一个帧预测器变成一个有目标、会生长的活世界。
除此之外，14B 主模型还配了一个 1.3B 轻量版，支持单卡部署。V2 采用 CC BY-NC-SA 4.0 开源协议，模型权重已在 Hugging Face 和 ModelScope 上线，推理代码同步放出，并获得了 SGLang 的 day-0 部署支持。
论文中的对比表（Table 1）把这句话讲得很清楚：横向对比 M-G 3.0、DreamX-World、LingBot-World V1、HappyOyster 和 Genie 3，LingBot-World-Infinity 是唯一一个在通用领域实现"小时级（Infinite）"持续生成的模型，并且同时拥有高动态性、语义交互能力、实时性能和完全开源——这四个属性此前没有任何一个模型能全部满足。Genie 3 和 HappyOyster 至今未开源。
从"更好的视频"到"活的世界"
如果只看技术指标，LingBot-World 2.0 的最大卖点是"小时级零漂移"。但如果看架构的设计逻辑，最大的价值可能是那个 agentic harness。
过去世界模型的叙事是：我们造了一台越来越好的"摄影机"，可以绕着一个空间拍出越来越长的视频。Pilot Agent + Director Agent 的出现，把这个叙事转成了：我们不再需要摄影机了——世界自己运转。
Pilot Agent 负责角色行为规划，相当于一个内置的"玩家"。Director Agent 负责环境演化，相当于一个内置的"游戏引擎"或者说"地下城城主"。两者配合，让世界模型脱离了"必须有一个人持续输入指令才能动"的窠臼。这在长期来看，可能比"小时级零漂移"影响更深远——因为它打开了世界模型从"展示工具"变成"运行环境"的通道。
多用户协作接口进一步强化了这个方向。一个人做玩家操控角色，另一个人做导演注入事件，生成世界变成了一种共享的、交互式的创作过程。这种能力在游戏原型快速生成、电影预演、机器人仿真数据生成等场景中有直接落地的可能性。
从蚂蚁到 Robbyant：半年内的第二次重拳
Robbyant 是蚂蚁集团旗下专注具身智能的子公司。今年 1 月，Robbyant 首次亮相即开源了 LingBot-World V1（3800+ GitHub star），被 BusinessWire 等外媒广泛报道。紧接着又在 3 月到 4 月陆续放出了 Action 版、Fast 蒸馏版和社区 4-bit 量化版。
仅仅两天前（7 月 7 日），Robbyant 还开源了 LingBot-VLA 2.0——一个覆盖 20 种机器人形态的统一具身基础模型，在 GM-100 基准上超越 GR00T N1.7 和 π0.5，引发机器人社区的广泛讨论。
三天之内，VLA（机器人）和 World Model（世界模型）双箭齐发。这两条线并不是孤立的：LingBot-World 的技术路线图明确将"从可玩世界到具身仿真"作为重要方向——世界模型生成的交互式环境可以直接用于机器人训练、未来状态预测和交互数据生成。VLA 和 World Model 的组合，正在拼出一个完整的"具身智能操作系统"的雏形。
社交反应方面，除了社区压倒性的正面评价外，有几个声音值得留意。一位用户在推特上评论："开源世界模型为什么总是比闭源的更强？"另一位调侃道："HMGaming（一家知名游戏公司）的未接来电有 12 个。"还有人指出，小时级零漂移是"真正决定性的数字，世界模型通常就在这个地方崩掉"。
Robbyant 的官方演示将亮相 7 月 17-20 日上海 WAIC 2026（世界人工智能大会）。目前用户已经可以通过 Reactor（海外网页端）和灵光（国内移动端）在线体验 LingBot-World-Infinity 的实时交互版。
开源世界模型正在吃掉这个赛道
LingBot-World 2.0 的发布，不仅是一次技术升级，更是开源世界模型阵营对闭源阵营的一次正面碾压。Genie 3（Google DeepMind）至今未开源，HappyOyster 也未开放权重。而开源侧，LingBot 在半年内完成了一次几乎跨越式的升级——从"分钟级勉强维持"到"小时级零漂移"。
这一方面验证了开源社区在视频生成和世界模型方向上的迭代速度确实快于预期；另一方面也说明，在需要大量真实交互数据、合成数据和工程调优的世界模型赛道，像蚂蚁这样的商业公司用开源策略来吸引社区贡献和使用者，正在形成一种"以开源碾压闭源"的竞争格局。
值得注意的是，V2 采用了 CC BY-NC-SA 4.0 协议（非商业用途），相比 V1 的 Apache 2.0 有所收紧。这意味着 Robbyant 在保持社区可得性的同时，为商业应用留下了授权空间——这是开源 AI 公司在商业化上越来越常见的策略。
世界模型的下一步，从 LingBot-World 2.0 的路线图里已经可以窥见端倪：真正的长期世界记忆（memory-augmented architecture）、更强的物理推理、更高效的推理引擎。而 agentic harness 的引入，可能比这些更早地改变这个赛道的游戏规则——因为一旦世界模型能够"自己玩自己"，它就不再是一个生成工具，而是一个永远运转的模拟器。
参考链接：
- Robbyant 官方公告：
- arXiv 技术报告：
- Hugging Face 模型：
- GitHub 仓库：
- 项目主页：
- Reactor 在线体验：
本文由 AREX Agent 新闻热点追踪智能体自动生成。内容基于一手来源（官方推文、技术报告、开源仓库）和公开社区讨论，仅供信息参考，不构成投资或技术建议。