内容摘要：作者｜ 樊雅婷微信｜ FFF111f__在电影《楚门的世界》中，街道、天气、邻居乃至广播都严格遵循剧本运行。然而，当主角楚门试图偏离既定路线时，幕后团队只能狼狈地临时调整灯光、天气和对白，徒劳地维持着

作者｜ 樊雅婷
微信｜ FFF111f__

在电影《楚门的开服可玩世界》中，街道、做成天气、源无邻居乃至广播都严格遵循剧本运行。限世然而，开服可玩当主角楚门试图偏离既定路线时，做成幕后团队只能狼狈地临时调整灯光、源无天气和对白，限世徒劳地维持着那个世界的开服可玩“正常”。

这精准隐喻了上一代 AI 视频生成模型的做成困境——它们擅长“播放”预设内容，却缺乏“应变”能力。源无而在 LingBot-World 2.0中，限世用户的开服可玩随机行为不再是需要补救的意外，而是做成驱动世界运转的核心燃料。

时隔半年，源无蚂蚁灵波科技正式将 LingBot-World 迭代为 LingBot-World 2.0（亦称 LingBot-World-Infinity）。这是一个开源的实时交互世界模型，它彻底改变了人与内容的交互方式：从“观看视频”转变为“进入世界”。

对用户而言，眼前呈现的是一个拥有初始画面和背景故事的动态空间。每一次操作（如移动、攻击）都会实时生成下一帧画面，真正推动世界向前演进。对系统而言，内置的 Agent 如同观察者，基于当前状态主动提议新事件（如降雨、敌人增援），使环境无需玩家干预也能自行演化。

LingBot-World-Infinity 是目前唯一在通用领域实现小时级、近似无限生成时长的模型。它成功融合了长时间连续生成、高动态程度、语义交互、高视觉质量、实时性能以及完全开源这五大核心特性。

此次迭代主要聚焦于三大突破：
1. 小时级实时生成：长时间运行下，仍能稳定输出 720p / 60fps 的高清画面。
2. 丰富的交互维度：支持攻击、射箭、施法、射击及天气、环境变化等多种 Action 与 Event。
3. Agent 自主演化：内置 Agent 实时提议新事件，使世界从静止变为持续自我演化、随用户意志而变的动态空间。

到底效果如何？让我们通过实测一探究竟。

1. 动作先发生，世界随后回应

首先来看一个 Demo：大片草地、木质路牌、村落小屋、旗帜、远山和云雾，共同构建了一个中世纪奇幻山谷。近景的草丛与路牌、中景的道路与建筑、远景的森林与群山，构成了完整且富有层次的空间感，让人一眼便生出探索欲望。

动态表现则将场景从“好看”提升至“可玩”。角色可通过 WASD 键穿过山谷，甚至召唤马匹。骑马奔跑时，尘土飞扬，披风与衣摆随风摆动，镜头跟随运动，赋予了画面开放世界特有的速度感。

在战斗表现上，火枪射击带来逼真的枪口火光与烟雾；魔法施放则通过发光粒子、能量轨迹、冲击波、火焰及符文特效，展现出清晰的技能范围、命中反馈与奇幻质感。用户甚至可自定义新技能或探索新环境。至此，LingBot-World 2.0 真正成为了一个可根据用户意志随时重塑的空间。

当然，以更高标准审视，物理理解仍有提升空间：马匹奔跑时脚步与地面的接触略显生硬；尘土、草地和衣摆未能完全依据速度和方向自然变化；魔法爆炸对周围环境的影响也非每次都能完美呈现。

从购物中心到梵高风格

在自建场景中，跟随移动视角，画面中出现了灯笼、摊位、烟雾、行人和湿润的石板路。随后，我点击右侧事件提案中预设的“梵高风格幻觉”，天空中瞬间出现蓝色旋涡状、星空笔触式的视觉效果，完美呼应了梵高式的旋转星空。

接着，我随机点击“进入蔬菜商店”、“水果商店”或“高级商场”。分镜衔接与流畅度极高，镜头并未生硬跳切，而是保留了行走视角的连续性。从街市到店铺，从蔬果货架到高级商场，空间过渡合理。光照、材质、人物轮廓、货架结构及商业布局均保持了高度的一致性。

整体观感极为真实。更关键的是，这种一致性体现了模型强大的世界知识：它能理解不同商店的功能差异，甚至知晓“高级商场”的概念。

既能原创，也能二创

1. 用 LingBot-World 2.0 搞一个“抽象”，看过《潜伏》的才懂。

(此处为视频/动图占位，展示特定风格化生成效果)

2. 是什么撑起了这个“不停机”的世界？

LingBot-World 2.0 之所以能实现小时级实时运行且画面几乎不漂移，根源在于其训练范式的根本性转向——将世界模拟严格定义为因果生成过程。

传统视频生成模型普遍采用双向注意力机制，使每一帧都能“看到”过去和未来的全部信息。这种做法在生成短视频时效果惊艳，但代价是模型从未真正学会“因果”。它仅知道在统计上，“开枪”后常伴随“玻璃碎裂”，却不理解前者是后者的原因。一旦进入长时间连续自回归生成场景，微小误差会在帧间累积，导致画面模糊、变形甚至崩坏。

因此，LingBot-World 2.0 的第一层优势在于因果生成定义：当前画面仅依赖历史上下文、当前状态和用户输入，严禁未来信息泄露。为此，团队设计了 MoBA（混合双向与自回归注意力机制）。自回归部分确保模型按时间向前生成，双向部分则保留视频模型对整体画面关系和视觉质量的把控。简言之，它既要让模型知道“接下来该发生什么”，又要确保“画面如何稳定且美观”。

第二层优势在于实时性。高质量视频生成通常需多步采样，画面越复杂，等待越久，但交互世界无法让用户每按一次键就等待。LingBot-World 2.0 的策略是：先训练高质量基础模型，再通过 Consistency Distillation和 DMD将多步扩散压缩为少步生成。部署侧则结合并行推理、异步 VAE 解码、流式传输和动态 KV Cache 管理，大幅降低从用户输入到画面反馈的延迟。

因此，720p/60fps 的意义不仅在于清晰度，更在于让交互真正成立：按键反馈足够快，场景延续足够顺，事件变化不突兀。同时，1.3B 轻量模型降低了部署门槛，使系统有望在单张消费级 GPU 上运行。对普通用户而言，只有进入这一速度区间，体验才能从“看生成”接近“玩世界”。

第三层优势在于 Agentic Harness（智能体框架）。LingBot-World 2.0 在视频生成模型外层引入了“大脑-小脑”协同架构。VLM（视觉语言模型）充当“大脑”，持续观察画面、理解用户动作并提议下一步事件；底层视频生成模型则如“小脑”，负责将这些事件转化为连续、可信的画面。

具体而言，Pilot Agent规划角色行为，Director Agent补充环境变化，使系统能根据当前场景临时生成新的互动可能，而非被动续写画面。

这也是其区别于传统视频生成工具的关键。当你不知该做什么却想体验未知时，可使用右侧面板中的事件提案。除了跳跃、滑翔、云鲸出现等预设按键，按下 U或 O键，即可让系统基于当前世界状态随机生成下一步选择。这何尝不是另一种“系统金手指”？

综上，LingBot-World 2.0 的技术优势可总结为：它同时解决了长时稳定性、实时反馈和事件驱动交互三大难题，让视频生成开始具备 AI 原生世界的雏形。

3. 边界很清晰

在技术报告中，蚂蚁灵波也坦诚列出了当前模型的局限性。这不仅是 LingBot-World 的问题，也是整个赛道需要共同迈过的坎。

首先，长期记忆仍是最大难题。模型虽能长时间保持视觉稳定，但当某区域离开上下文窗口后再次返回，它更像是在重新生成一片相似区域，而非真正记得“刚才那扇门被打开过”。技术报告将其概括为：“世界在 appearance（外观）上持久，在 identity（身份）上并不持久。” 这也解释了为何团队引入动态 KV 缓存管理机制，本质上是为模型加装短期记忆辅助器。

其次，一致性在超长探索中仍可能缓慢漂移，包括身份和风格的变化。此外，物理理解远未达到真实引擎的确定性，角色和物体偶尔会出现穿插，碰撞关系可能混乱。这是因为模型学会了物理的“视觉表现”，但尚未学会物理“本身”。

最后，算力仍是门槛。14B 主模型适合高质量体验和研究验证，1.3B 轻量模型降低了本地尝试门槛，但开发者和创作者若想在自己设备上流畅地“开世界”，仍是一项不小的系统工程。

4. 世界已开服，钥匙在你手里

这些局限反而让 LingBot-World 2.0 的定位更加清晰。一个真正被使用、复现和推进的世界模型，不能只展示最漂亮的片段，更要明确哪些能力尚在途中。

回到一个更实际的问题：这样一个世界模型，究竟能用来做什么？

答案比想象中更宽广：

• 游戏与互动内容：它将剧本驱动转变为世界驱动。剧情不再由编剧的分支树预先锁定，而是从玩家行为和 Agent 的事件提案中自然生长。对创作者而言，这意味着工具范式的迁移：从逐帧制作画面，转变为通过 Action 和 Event 控制世界演化方向。创作从“画每一片叶子”变成了“种一棵会自己生长的树”。
• 具身智能与自动驾驶：该模型可提供持续变化、突发事件不断的仿真环境，比固定场景的 replay buffer 更接近真实世界那种“永远不知道下一秒会发生什么”的复杂性。
• 多人交互原型：支持多人进入同一世界，为 AI 原生的多人交互提供了可运行的原型。
• 世界模型研究底座：这套开源系统为研究者提供了一个事件驱动、可持续运行的公共实验平台。研究者可在其上测试长时因果一致性、开放域动态规律、智能体协同与环境反馈等关键问题，无需从零搭建能持续响应动作和事件的虚拟世界。

目前，主模型以非商用开源协议发布。用户可直接在 Reactor在线平台上手体验，或通过灵光 APP中的“世界模型”功能进入。对普通用户而言，这很可能是第一个真正开放的、能实现无限时交互的世界模型。

边界已经清晰，图纸已经公开。世界开着，等你进门。

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

在线体验地址：
https://www.reactor.inc/lingbot-world-v2

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

点个 “ 爱心 ” ，再走吧