蚂蚁开源LingBot-World：一个能“记事”、能“互动”的真实数字世界

1月29日，蚂蚁灵波科技正式开源LingBot-World——一个可以长时间稳定运行、支持实时操控、还能“记住”你之前做过什么的高保真虚拟世界引擎。这不是又一个生成视频的AI工具，而是一个能让你像在游戏里一样自由走动、改变天气、操控车辆，甚至让一栋楼在你离开60秒后依然原样存在的“数字演练场”。

它不靠堆参数，而是靠扎实的工程设计：连续生成近10分钟的视频，画面不会变形、不会消失、不会突然崩坏。这在业内是罕见的——大多数模型撑过30秒就容易“失忆”，物体跑偏、背景塌陷，而LingBot-World能让你的镜头从一条街的这头拍到那头，再绕回来，车还在原地停着，房子没塌，树也没长歪。

（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）

你不是观众，是导演

你不用等它生成完才能看。打开LingBot-World，用键盘控制角色移动，鼠标调整视角，画面立刻响应，延迟低于1秒，流畅度接近16帧/秒——这已经接近主流游戏的实时渲染水平。你可以说：“下雪”“改成黄昏”“让那辆车开走”，它就能在不破坏场景结构的前提下，把天气、光影、物体状态全改了，而且改得自然，不会突兀跳帧。

你甚至不用从头开始造世界。拍一张现实中的街景照片，或者截一张游戏画面，扔进去，它就能自动生成一个可交互的动态版本。不需要你标注、不需要你训练，也不需要你买昂贵的UE5引擎。这对独立开发者、游戏工作室、自动驾驶团队来说，意味着省下数月的建模和数据采集时间。

（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）

（图说：高动态环境下，镜头长时间移开后返回，车辆形态外观仍保持一致）

（图说：镜头长时间移开后返回，房屋仍存在且结构一致）

怎么做到的？不是靠魔法，是靠数据

LingBot-World不是凭空训练出来的。团队花了大量时间清洗真实网络视频，覆盖城市、乡村、高速路、商场等不同环境。但光靠视频不够——真实世界里没人会告诉你“我按了W键，车就往前走了1.2米”。

于是他们自己造数据：用虚幻引擎（Unreal Engine）搭建虚拟场景，直接从渲染层抓取无UI干扰的画面，同步记录每一个按键、每一帧相机位姿。换句话说，他们让AI“看”了成千上万次“我动一下，世界怎么变”，而不是让它猜。

这种“动作-反馈”对齐的数据，比单纯让AI看100万条短视频有用得多。这也是为什么它能理解：你推了一辆车，它不会原地打转，而是会沿着你推的方向滑出去；你关了灯，阴影会跟着变，而不是整个画面突然变灰。

谁在用？开发者、研究员、游戏团队

自动驾驶公司不再需要花几个月在真实路口采集数据。他们可以在LingBot-World里生成1000种下雨天的交叉路口，测试算法在不同车流密度下的反应。

游戏工作室能快速搭建测试关卡：把一张实拍的森林照片丢进去，几分钟内就能生成一个能跑能跳、有物理碰撞、能改变天气的3D世界，省下美术团队数月的建模工作。

高校机器人实验室能用它训练AI“记忆”任务：比如“去厨房拿杯子，再送到客厅”，中间穿插开门、避障、绕行等复杂动作，而不必每次真机跑一遍，浪费电池和时间。

开源，不藏私

这次，蚂蚁没有把LingBot-World锁在实验室里。模型权重、推理代码、使用文档，全部公开在InclusionAI社区。你不需要申请权限，不需要签NDA，直接下载就能跑。

这不是“秀肌肉”，而是一次明确的站队：他们相信，AGI的未来不是靠一家公司闭门造车，而是靠开放生态，让真正需要它的人，用它去解决问题。

从空间感知模型，到VLA基座，再到LingBot-World，蚂蚁灵波的三步棋，不是在追AI热点，而是在构建一个从“看懂世界”到“互动世界”再到“创造世界”的完整路径。现在，这条路，向所有人开放。

你可以在GitHub上找到它，用你的笔记本电脑跑起来，试试看：

• 能不能让一只猫从你镜头前跑过，5分钟后它还在原地打盹？
• 能不能在暴雨中让一辆车打滑，然后手动把它扶正？
• 能不能用一张街拍照片，生成一个能自由探索的3D城市？

答案是：能。而且，免费。