对标Genie3，蚂蚁灵波所开源的世界模型是LingBot-World

1月29日，在连续推出空间感知与VLA基座模型之后，蚂蚁灵波科技又以开源形式发布了世界模型LingBot-World。相关信息显示，该模型在视频质量、动态表现、长时一致性、交互能力等核心指标方面已与Google Genie 3持平，其定位是为具身智能、自动驾驶以及游戏开发领域，打造一个具备高保真度、高动态性且支持实时操控的“数字模拟环境”。

针对视频生成领域普遍存在的“长时漂移”难题——即随着生成时长增加，容易出现物体变形、细节缺失、主体消失或场景结构错乱等状况，LingBot-World借助多阶段训练与并行化加速技术，成功达成了近10分钟连续稳定且无质量损耗的生成效果，从而为长序列、多步骤的复杂任务训练筑牢了基础。

在交互性能方面，LingBot-World的生成吞吐速率可达每秒约16帧，端到端的交互延迟能控制在1秒以内。用户能够借助键盘或鼠标对角色与相机视角进行实时操控，画面会依据指令即刻做出反馈。不仅如此，用户还可以通过文本指令来触发环境变化和世界事件，比如调节天气状况、切换画面风格或者生成特定事件，并且这些变化是在保持场景几何关系相对稳定的前提下完成的。

模型拥有Zero-shot泛化能力，无论是输入真实照片（比如城市街景）还是游戏截图，都能生成可交互的视频流，并且不需要针对单个场景额外开展训练或采集数据，进而降低了在不同场景里的部署和使用成本。

为解决世界模型训练过程中高质量交互数据短缺的难题，LingBot-World运用了混合数据采集策略：其一，对海量网络视频进行清洗处理，以此覆盖更为丰富多样的场景；其二，将游戏采集与虚幻引擎（UE）合成管线相结合，从渲染层面直接获取无UI干扰的清晰画面，同时同步记录操作指令与相机位姿信息，为模型理解“动作怎样改变环境”提供精准对齐的训练数据支持。

目前，LingBot-World模型的权重与推理代码已正式向社区开放。