蚂蚁灵波开源具身视频基础模型LingBot-Video

7月9日，蚂蚁灵波宣布开源开源把代码、数据集或硬件设计公开给所有人免费使用。机器人公司常用开源来换取开发者和科研生态的支持。◆ 小白科普 · 现身LingBot-Video，这是全球首个基于Mixture-of-Experts（MoE）架构、面向具身智能具身智能Embodied AI让 AI 通过机器人身体感知并作用于真实世界，不只在屏幕里回答问题。◆ 小白科普 · 现身的开放视频生成基础模型模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身。该模型模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身颠覆传统视频生成范式，在推理效率、物理合理性、动作理解和任务完成度上实现系统性提升，为视频基础模型从数字内容创作走向具身智能提供新底座。LingBot-Video拥有30B总参数，但生成时仅激活约3B，相比同规模Dense架构推理效率提高约3倍。数据方面，团队构建数据画像引擎，引入VLA、VLN、Ego等机器人数据，覆盖灵巧操作、移动和第一视角交互，总计7万小时具身数据。训练采用多维强化学习强化学习一种 AI 训练方法：让机器人在亿万次「试错」中自己摸索，做对了就给奖励。机器人走稳路、跑酷空翻，大多是这么练出来的。◆ 小白科普 · 现身奖励系统，重点对齐物理合理性和任务完成度。

在北京大学与字节跳动联合发布的RBench基准上，LingBot-Video总分0.620，超越Wan2.6（0.607）、Seedance 1.5 Pro（0.584）和Cosmos3 Super（0.581）。内部评测显示，其在具身领域表现优于NVIDIA Cosmos 3、Wan 2.2 A14B等开源模型。模型已开源，可用于机器人动作预测、仿真数据仿真数据在电脑虚拟世界里「印刷」出来的训练数据，成本几乎为零、可以海量生产。缺点是虚拟世界的物理和真实世界总有差距。◆ 小白科普 · 现身生成、世界模型研究等方向。