AI 開服了：LingBot-World 2.0 做成了可玩的開源無限世界

作者｜樊雅婷
微信｜FFF111f__

《楚門的世界》里，街道、天氣、鄰居、廣播都按劇本運行，但當楚門開始偏離路線，幕后團隊只能狼狽地臨時調整燈光、天氣和對白，徒勞地維持那個世界的“正常”。

這像極了上一代模型——只能播放，無法應變。但在 LingBot-World 2.0 里，用戶的隨機行為成為驅動世界運轉的核心燃料，而不再是需要補救的意外。

時隔半年，螞蟻靈波科技將 LingBot-World 正式迭代為 LingBot-World 2.0，亦稱 LingBot-World-Infinity。這是一個開源的實時交互世界模型，它把看視頻變成了進世界。對用戶來說，眼前是一個有初始畫面、有背景故事的世界。每一次操作，比如移動、攻擊，都會實時生成下一段畫面，真正在推動世界向前。對系統來說，內置的Agent也在觀察這個世界。它會基于當前狀態，主動提議新事件，比如讓天空下雨、讓敵人增援，讓環境無需玩家干預，也能自行演化。

LingBot-World-Infinity 是其中唯一在通用領域實現小時級、近似無限生成時長的模型。同時，它還將長時間連續生成、高動態程度、語義交互、較高視覺質量、實時性能和完全開源結合在一起。

具體到這次迭代，LingBot-World 2.0 主要聚焦在三件事上。第一，支持小時級實時生成，長時間運行仍能穩定輸出 720p / 60fps 高清畫面；第二，支持更豐富的 Action 與 Event，攻擊、射箭、施法、射擊以及天氣、環境變化都可以成為交互的一部分；第三，內置 Agent 實時 propose 新事件，讓世界不再靜止，而是持續自我演化、隨用戶而變。

但到底怎么樣？來看看實測效果。

1

動作先發生，世界隨后回應

先來看這個 demo，大片草地、木質路牌、村落小屋、旗幟、遠山和云霧，搭出了一個中世紀奇幻山谷。近景有草叢和路牌，中景有道路和建筑，遠景有森林與群山，空間層次完整，第一眼就讓人覺得這個世界可以繼續探索。

動態部分則把場景從好看推進到可玩。角色可以通過按WASD上下左右穿過山谷，還可以召喚出馬匹，騎在馬上帶起塵土，披風、衣擺和鏡頭跟隨一起運動，讓畫面有了開放世界的速度感。

戰斗上，火槍帶來槍口火光、煙霧；魔法則通過發光粒子、能量軌跡、沖擊波、火焰、符文等特效，展現出明顯的技能范圍、命中反饋和奇幻感。當然，用戶可以隨時設置新的技能，去到新的環境。至此，LingBot-World 2.0 真正成為了一個可以根據用戶意志隨時改變的空間。

但用更高的標準看，問題依然存在，對物理世界的理解還不夠扎實。馬匹奔跑時，腳步和地面的接觸不夠真實；塵土、草地、衣擺沒有完全根據速度和方向自然變化；魔法爆炸也不是每一次都影響了周圍環境......

從 shopping mall 到梵高

這里我自己新建了一個場景，可以看見，跟隨移動視角，畫面里有燈籠、攤位、煙霧、行人和濕潤的石板路。隨后我點擊右側事件提案里提前設置好的的“梵高風格幻覺”，天空中立刻出現藍色旋渦狀、星空筆觸式的幻覺效果，視覺上呼應了梵高式的旋轉星空。

之后我隨機點擊“進入蔬菜商店、水果商店、或高級商場”，能明顯看出分鏡銜接和流暢度非常高，每一次事件觸發后，鏡頭并不是生硬跳切，而是保留了視角行走的連續性，從街市到店鋪、從蔬果貨架到高級商場，都有合理的空間過渡。光照、材質、人物輪廓、貨架結構和商業空間布置也保持了很強的一致性。

整體觀感非常真實。

更重要的是，這種畫面的一致性體現出模型的超強世界知識。它能理解不同商店的區別，也知道什么是高級商場。

既能原創，也能二創

1

用 LingBot-World 2.0 搞一個抽象，看過《潛伏》的才懂。

1

是什么撐起了這個“不停機”的世界

言歸正傳，LingBot-World 2.0 能實現小時級實時運行且畫面幾乎不漂移，根源在于它從訓練范式上做了一個根本性的轉向——把世界模擬嚴格定義為一個因果生成過程。

傳統視頻生成模型普遍采用雙向注意力機制，讓每一幀都能“看到”過去和未來的全部畫面，這種做法在生成短視頻時效果驚艷，但代價是模型從未真正學會什么是因果。它只知道在統計上，“開槍”的畫面后面常常跟著“玻璃碎裂”的畫面，卻不理解前者是后者的原因。一旦進入需要長時間連續自回歸生成的場景，微小誤差就會在幀與幀之間反復累積，畫面逐漸模糊、變形，最終崩壞。

所以LingBot-World 2.0 的第一層優勢是把世界模擬定義為因果生成。當前畫面只依賴歷史上下文、當前狀態和用戶輸入，未來信息不能提前泄露。為此，團隊設計了 MoBA，即混合雙向與自回歸注意力機制。自回歸部分保證模型按時間向前生成，雙向部分則保留視頻模型對整體畫面關系和視覺質量的把握。簡單說，它既要讓模型知道“接下來該發生什么”，也要盡量保住“畫面應該怎么穩定、怎么好看”。

第二層優勢是實時性。高質量視頻生成通常需要多步采樣，畫面越復雜，等待越明顯，但交互世界不能讓用戶每按一次鍵就停下來等。LingBot-World 2.0 的應對方法是先訓練高質量基礎模型，再通過 consistency distillation 和 DMD 將多步擴散壓縮為少步生成，部署側則結合并行推理、異步 VAE 解碼、流式傳輸和動態 KV cache 管理，減少從用戶輸入到畫面反饋之間的延遲。

因此，720p/60fps 的意義也不只是畫面更清晰，而是讓交互真正成立。按鍵之后的反饋才會顯得足夠快，場景延續足夠順，事件變化顯得不突兀。

與此同時，1.3B 輕量模型降低了部署門檻，使系統有機會在單張消費級 GPU 上運行。對普通用戶來說，世界模型只有進入這個速度區間，體驗才會從“看生成”接近“玩世界”。

第三層優勢是 Agentic Harness。LingBot-World 2.0 在視頻生成模型外層加入“大腦-小腦”協同框架。VLM 充當大腦，持續觀察當前畫面、理解用戶動作，并提出下一步可能發生的事件。底層視頻生成模型則更像小腦，負責把這些事件轉化為連續、可信的畫面。換句話說，Pilot Agent 規劃角色行為，Director Agent 補充環境變化，讓系統能根據當前場景臨時生成新的互動可能，而不再被動地續寫畫面。

這也是它區別于傳統視頻生成工具的地方。當你不知道干什么卻又想體驗未知的時候，就可以使用上圖右側面板中的事件提案，在這個例子里，除了已有的按鍵如跳躍、滑翔、云鯨出現等，你還可以按下U或者O ，獲得系統基于當前世界狀態給你隨機生成的下一步選擇，這何嘗不是另一種系統金手指呢。

綜上，一句話總結LingBot-World 2.0 的技術優勢就是它同時解決了長時穩定、實時反饋和事件驅動交互三個問題，讓視頻生成開始具備 AI 原生世界的雛形。

1

邊界很清晰

在技術報告里，螞蟻靈波也用一小節坦誠地列出了當前模型的局限。

事實上，這是整個賽道需要共同邁過的坎。

首先，長期記憶依然是最大的難題。模型可以在很長時間里保持視覺穩定，但當某個區域離開上下文窗口后，再回到那里，它更像重新生成一片相似區域，未必真正記得“剛才那扇門被打開過”。技術報告里把這個問題概括為：“世界在 appearance 上持久，在 identity 上并不持久。”這也解釋了團隊為什么要引入動態 KV 緩存管理機制，本質上是在給模型裝一個短期記憶輔助器。

其次，關于一致性，存在著身份和風格在超長探索中也還是可能緩慢漂移等問題，以及物理理解也遠未達到真實引擎的確定性，角色和物體偶爾會穿插，碰撞關系會混亂。這都是因為它學會了物理的視覺表現，但還沒學會物理本身。

最后，算力同樣是門檻。14B 主模型更適合高質量體驗和研究驗證，1.3B 輕量模型降低了本地嘗試門檻，但開發者和創作者想在自己手頭的設備上流暢地“開世界”，仍然是一個不小的系統工程。

1

世界已開服，鑰匙在你手里

不過，這些局限也讓 LingBot-World 2.0 的位置變得更清楚。一個真正要被使用、被復現、被繼續推進的世界模型，不能只展示最漂亮的片段，也要說明哪些能力還在路上。

回到一個更實際的問題：這樣一個世界模型，到底能用來做什么？

答案比想象中更寬。

在游戲和互動內容領域，它可以把劇本驅動變成世界驅動，劇情不再由編劇的分支樹預先鎖定，而是從玩家行為和 Agent 的事件提案中自然生長出來。對創作者來說，這意味著工具范式的遷移，過去你逐幀制作畫面，現在你可以通過 Action 和 Event 控制世界的演化方向，創作從畫每一片葉子變成種一棵會自己生長的樹。

往更深處看，這個模型對具身智能和自動駕駛的價值同樣很大。它可以提供一個持續變化、突發事件不斷的仿真環境，比固定場景的 replay buffer 更接近真實世界那種永遠不知道下一秒會發生什么的復雜性。

同時，它還支持多人進入同一個世界，讓 AI 原生的多人交互有了可以跑起來的原型。

對世界模型研究而言，這套開源系統將提供一個事件驅動、可持續運行的公共實驗底座。研究者可以在上面測試長時因果一致性、開放域動態規律、智能體協同與環境反饋等關鍵問題，不必從零搭建一個能持續響應動作和事件的虛擬世界。

目前，主模型以非商用開源協議發布，用戶可以直接在 Reactor 在線平臺上手體驗，也可以通過靈光 APP 中的“世界模型”功能進入。對于普通用戶來說，這很可能是第一個真正開放的、能實現無限時交互的世界模型。

邊界已經清晰，圖紙已經公開。世界開著，等你進門。

Website：https://technology.robbyant.com/lingbot-world-v2

Model：

https://huggingface.co/collections/robbyant/lingbot-world-v2

https://modelscope.cn/collections/Robbyant/LingBot-World-V2

Code：https://github.com/Robbyant/lingbot-world-v2

在線體驗地址：

https://www.reactor.inc/lingbot-world-v2

Tech Report：

https://github.com/Robbyant/lingbot-world-v2/blob/main/paper.pdf

點個“愛心”，再走 吧