时间：2026年7月9日
地点：中国北京
人物：蚂蚁集团旗下蚂蚁灵波科技（Robbyant Inc.）
事件详情：2026年7月9日，蚂蚁集团旗下具身智能公司蚂蚁灵波科技连续开源两款面向具身智能与实时交互场景的新一代基础模型——实时交互世界模型LingBot-World 2.0和视频生成基础模型LingBot-Video。LingBot-World 2.0全面升级了世界预测与交互能力，支持小时级实时生成、720p/60fps高清实时输出，并首次将Agent机制引入世界模型，通过Pilot Agent和Director Agent让生成的世界从可观看可操控走向可持续互动可动态变化。该模型还支持多人同时进入同一个世界进行交互。LingBot-Video则是全球首个基于Mixture-of-Experts（MoE）架构、面向具身智能的开源视频生成基础模型，总参数30B，每次推理仅激活约3B参数，相比同等规模Dense架构拥有约3倍的推理效率。模型训练使用了7万小时的具身数据，覆盖灵巧操作、机器人移动和第一视角交互等场景。
背景：当前视频生成大模型呈现两条明显演进路线：一条通向影院级内容创作，另一条通向机器人的物理世界理解与交互。LingBot-Video正是面向后者的重要探索。具身智能行业普遍面临机器人不会思考不懂变通的瓶颈，而通过MoE架构和强化学习奖励系统，蚂蚁灵波在物理合理性、动作理解和任务完成度等方面实现了系统性提升。蚂蚁灵波此前已开源LingBot-VLA 1.0/2.0和LingBot-Depth 2.0等模型，此次新增两款模型进一步完善了其面向具身智能的开源技术栈。
影响：
- 对具身智能行业而言，LingBot-Video作为首个面向机器人的开源视频基模，为全球机器人研究和开发提供了可复用的底层视频生成能力，大幅降低了具身智能基础研究的门槛。
- LingBot-World 2.0的Agent机制和实时交互能力，使世界模型从视频生成工具进化为可持续运行的交互式环境模拟器，可直接服务于自动驾驶仿真、游戏开发和具身智能训练等场景。
- 连续多款大模型的开源（LingBot-VLA 2.0、LingBot-World 2.0、LingBot-Video），标志着蚂蚁灵波正在构建一套完整的具身智能开源工具链，有利于加速全球具身智能生态的协同发展。
总结：蚂蚁灵波此次连续开源两款模型，是具身智能领域开源生态的重要里程碑。LingBot-Video开辟了视频生成面向机器人理解的第二路线，LingBot-World 2.0则将世界模型从被动观看升级为主动交互。蚂蚁灵波正在走开源驱动生态的路线，以降低门槛、吸引社区贡献的方式加速具身智能技术的落地。随着更多高校、研究机构和创业公司加入这一开源生态，具身智能有望在2026年下半年加速商业化进程。
参考来源：
- https://www.ithome.com/0/974/517.htm
- https://www.ithome.com/0/974/508.htm
- https://new.qq.com/rain/a/20260709A06JKH00
- https://new.qq.com/rain/a/20260709A07FC700
- https://www.marktechpost.com/2026/07/08/lingbot-vla-2-0/
- https://blog.csdn.net/2501_94005722/article/details/157693221
- https://robotsj.cn/