今日，蚂蚁集团旗下蚂蚁灵波科技宣布开源世界模型LingBot-World，这是一个专为交互式世界模型设计的开源框架。LingBot-World-Base作为其核心，旨在提供高保真、可控制且逻辑一致的模拟环境。该模型由ScalableDataEngine驱动，通过学习物理规律与因果关系，实现与生成世界的实时交互，并在视频质量、动态程度、长时序一致性与交互能力等关键指标上展现出业界领先性能。

LingBot-World通过多阶段训练及并行化加速策略，解决了视频生成领域普遍存在的“长时漂移”问题，实现了近10分钟的连续稳定无损生成。在官方压力测试中，即使镜头移开长达60秒后返回，场景中的核心物体依然能保持其结构与外观的一致性。此外，LingBot-World支持精细化的、由动作驱动的生成，能够响应用户指令，渲染出符合物理真实感的动态场景，实现约16FPS的生成吞吐，并将端到端交互延迟控制在1秒以内。

为解决世界模型训练中高质量交互数据匮乏的问题，LingBot-World采用了混合数据采集策略，通过清洗大规模网络视频覆盖多样化场景，并结合游戏采集与虚幻引擎合成管线，从渲染层直接提取无UI干扰的纯净画面，并同步记录下操作指令与相机位姿。得益于此，LingBot-World具备了更好的Zero-shot泛化能力，仅需输入一张真实的城市街景照片或游戏截图，模型即可生成对应的可交互视频流，无需针对单一场景进行额外训练，降低了在不同场景中的部署与使用成本。目前，LingBot-World模型权重及推理代码已全面开源。