对标 Genie 3，蚂蚁灵波开源世界模型 LingBot-World，10分钟长视频无损生成

1 月 29 日，继连续发布空间感知与VLA基座模型后，蚂蚁灵波科技再次刷新行业预期，开源发布世界模型 LingBot-World。该模型在视频质量、动态程度、长时一致性、交互能力等关键指标上均媲美 Google Genie 3，旨在为具身智能、自动驾驶及游戏开发提供高保真、高动态、可实时操控的“数字演练场”。 （图说：LingBot-World在适用场景、生成时长、动态程度、分辨率等方面均处于业界顶尖水平） 针对视频生成中最常见的“长时漂移”问题（生成时间一长就可能出现物体变形、细节塌陷、主体消失或场景结构崩坏等现象），LingBot-World 通过多阶段训练以及并行化加速，实现了近 10 分钟的连续稳定无损生成，为长序列、多步骤的复杂任务训练提供支撑。 交互性能上，LingBot-World 可实现约 16 FPS 的生成吞吐，并将端到端交互延迟控制在 1 秒以内。用户可通过键盘或鼠标实时控制角色与相机视角，画面随指令即时反馈。此外，用户可通过文本触发环境变化与世界事件，例如调整天气、改变画面风格或生成特定事件，并在保持场景几何关系相对一致的前提下完成变化。 （图说：一致性压力测试，镜头最长移开60秒后返回，目标物体仍存在且结构一致） <img src="https://static.leiphone.com/upload