网易首页 > 网易号 > 正文 申请入驻

全球首个小时级世界模型来了!中国造,已开源

0
分享至


新智元报道


【新智元导读】一个永不结束的AI世界正式开服。720p/60fps满血输出,内置双Agent让场景彻底「活」了,人人皆可当造物主。

这个夏天,一部叫《后室》的电影,成了现象级爆款。

没有超级英雄、没有大场面,甚至几乎不靠台词推进。全片仅靠一个空间撑起:

霉旧的地毯、嘶嘶作响的日光灯、令人窒息的黄色墙纸,构成了一条看不见尽头的长廊。


然而,就在《后室》席卷全球院线的同一时刻,另一群人做成了一件更疯狂的事——

他们用AI实时「生成」了这个走不到头的黄色房间,还让你能亲自走进去。


只需上传一张图片,让AI生成图中的世界,一个新世界的「大门」就打开了。

全程60秒,孤身一人徘徊在无边无际的黄色房间时,那种身临其境的战栗与恐惧,将直击灵魂。


实现这一刻的,就是今天正式开源的全新一代「实时交互世界模型」——LingBot-World 2。

如今,2.0一经发布,迅速空降Reddit热榜,其颠覆性的实力让全网为之惊叹。




一个走不到头的黄色房间,AI让它「活」了过来。

它的诞生证明了一件事:AI已经不满足于仅仅「生成一个世界」,它现在要做的,是实时「运行一个世界」。

这一次,世界自己长了出来


  • 从「十分钟」到「小时级」,一个不停机的世界

LingBot-World 2.0最直观的进化,率先体现在时间维度上。

一直以来,视频世界模型都有个备受诟病的顽疾——「长时漂移」(Long-horizon Drifting)。

只要生成的时间轴一拉长,物体就开始扭曲、细节不可逆转地塌陷、主体离奇消失、场景结构全线崩坏。

你刚刚建好的一栋房子,镜头转一圈回来,原地就成了一片废墟。一个连「记性」都没有的模型,谈何构建「世界」?

此前,LingBot-World 1.0凭借一套可扩展的数据引擎和多阶段训练,将连续无损生成做到了近十分钟,初战告捷;但这显然不是终局。

这一次,2.0直接把度量单位换了:支持小时级时长的实时生成,且长时间运行画质无可见衰减。


世界第一次能够真正地「持续存在」,化身为一个永不停机的世界。

你可以直接把自己「生成」到雪山群峰的环抱之中。乘着滑翔伞,以第一视角翱翔在一片翠绿的山谷之上,迎面而来的,只有仿佛连绵不绝的真实视界。

上传一张莫奈的《印象·日出》,随着镜头不断后撤,这幅原本扁平、静止的油画,竟直接向外生成出了一个立体的真实空间。画外的港口、建筑与水波,全都被无缝补全。


不仅仅是时间维度的抗漂移,在物理空间的「锚定」上,2.0同样展现出了同样的严谨。

在神庙废墟中,以第一视角不断左右环顾。日光穿过石柱,光线变化如真实世界般自然,建筑群没有出现任何模型常见的扭曲或形变。


骑马穿越游戏世界,脚下的草地在实时演算并向后退去,但天际线外的巨型天体和远方城堡却始终屹立。每一次转动视角,世界的反馈都严丝合缝。

  • 720p/60fps实时生成,跨过「游戏级」门槛

如果说时长决定了世界的耐力,那么帧率就决定了世界的「手感」。

一个世界模型要真正做到「可玩」,画面就必须对你的每一次操作给出即时反馈,慢半拍都会让人瞬间出戏。

这里的生死线,是帧率和延迟。而LingBot-World 2.0极大地补齐了这块短板——在720p的分辨率下稳定跑出60fps。

画面跟着指令即时反馈,转身、加速、急停,几乎感觉不到延迟。

比如在「沙漠滑沙」这类高速移动的复杂场景中,它依然能保持近乎零延迟的实时演算与画面更新。


哪怕是挑战同时渲染「霸王龙逃生、火山喷发、陨石坠落且烈火蔓延」这种大片级的灾难场景,也能精准拿捏极其复杂的动态光影与环境交互。

  • 攻击、射箭、施法,一句话改世界

横亘在「逼真」与「世界」之间的另一道天堑,是交互太浅。

在1.0时代,你能对世界做的干预主要停留在移动和转换视角,也就是简单的WASD加鼠标。

到了LingBot-World 2.0,动作库被大幅扩容,一口气加入了攻击、施法、射击等复杂交互。

生成一个戴黑色尖顶帽、穿长风衣的巫师,背景设定在雾气弥漫的城市街头。

当你按下键盘触发不同的「攻击」指令时,上一秒还在雨中漫步的角色,下一秒就会猛然挥起魔杖,释放出极具视觉冲击力的华丽法术,将场景的沉浸感瞬间拉满。




左右滑动查看

在令人血脉贲张的第一视角射击游戏中,系统的动作解算能力更为硬核。

只需按下系统设定的「近战」或「远程」键,VLM就会根据你的交战距离和战况需求,实时为你「捏」出最契合的战斗反馈。

伴随着满屏飞溅的火花与极具冲击力的爆炸光影,你可以一路摧枯拉朽,直接轰杀袭来的重装机甲、魔法巨兽,乃至正面硬刚长着巨翼的最终Boss。



与此同时,它还支持更丰富的,由文本驱动的事件注入——你可以通过直接打字来改写世界。

从「能移动」到「能行动」,世界模型的交互维度被彻底打开了。

当探险家步入幽暗的洞穴时,你可以在控制台的输入框里写下「突然出现一群蝙蝠」。接下来,好戏开场。

只见,一群蝙蝠就会立刻从深处扑面而来,与角色产生极为真实的物理互动。


在控制台敲下一句「变成冰窟」。眼前的岩洞就会在一瞬间冻结成湛蓝的冰晶,一个全新的极寒秘境轰然敞开,任由NPC自由探索。


更有趣的是,在用Prompt构建整个初始世界的时候,甚至能直接把「交互规则」一并给做出来。

比如,当你创造一只在云海上滑翔的雄鹰时,可以同步在设定中写明:将「翅膀闪耀」、「风暴袭来」、「急速侧转」等特定的干预事件,分别绑定在键盘的 1、2、3 键上。


  • 内置Agent,让世界自己「长」起来

在2.0之前,几乎所有实时世界模型,都共享一个隐藏的默认设定:世界是被动的。

一旦失去外部输入,整个世界就会像按下暂停键的电影,瞬间陷入停滞。

2.0在这里装上了一颗会自己跳动的「心脏」,称之为Agentic Harness。

于是,世界第一次拥有了自主性:你不操作,它也会自己往前演化。天气会变,角色会动,新的事件会不请自来,它主动propose新的可能。

我们仅仅是上传一张静止的油画,故事便开始了自我繁衍:

不一会儿,画中的服务员端上了咖啡,街边开始出现熙熙攘攘的路人、穿梭的车辆。

一个画中的世界,正在真实地「长」出来。

一套双层设计,同时拿下「长」与「快」

LingBot-World 2.0能让世界活起来,背后真正的核心,深植在「因果」二字里。

几乎同一时间,蚂蚁团队放出了一份技术报告,让我们一起深扒背后的原理。


技术报告开宗明义,引用了大卫·休谟《人性论》的一句话——原因必先于结果。

因果推理的第一原则是:结果永不先于原因,未来由过去塑造,反之则不成立。

这一次,2.0把这条哲学原则,直接写进了架构。


它把世界模拟形式化为一个沿时间轴的因果生成过程:每一个状态,只依赖它的历史上下文与当前输入。

团队在训练全程原生地强制这种「因果性」。


在此之上,是一套「教师-学生」的两阶段设计,堪称整篇论文的骨架。

第一阶段是预训练,先炼一个「教师」。

一个能长时间稳定、且能被动作精确控制的「因果世界模型」。

为了对付前面那只漂移虎,团队设计了一种叫MoBA(双向与自回归混合)的注意力掩码。

通俗说,就是在保证「只能看过去、不能偷看未来」的前提下,又给模型补了一点全局视野,专门用来抑制长序列里的过拟合和画质塌陷。

这一步换来的,是报告反复强调的一个词:抗漂移(anti-drifting)。


但光有一个强大的「教师模型」还不够,它太慢,没法实时生成。

于是第二阶段后训练阶段,再蒸馏出一个「学生」。

即用一致性蒸馏把去噪步数大幅压缩,再用「分布匹配蒸馏」(DMD)提升画质、压制漂移。

最关键的是,模型自己长时间跑出来的轨迹上做校正,进一步压住累积误差。最终,它能在720p分辨率、60fps帧率下,撑起一个永远不必结束的可交互世界。

而这套设计究竟成不成,论文给了一个近乎「耐力赛」的证据——

长达一小时,跨越20个不同场景,从竹林运河一路走到月宫、地球之窗,全程画质没有可见的衰减。

因此,它的稳定,是一种结构性的属性,而非某段「运气好」的短片才有的昙花一现。

装上大脑与小脑

让「死」的世界活过来,也是LingBot-World 2.0真正想讲的故事。

为此,它装了一颗会自己跳动的「心脏」,团队将其称之为Agentic Harness。这是一套很妙的「大脑—小脑」协同架构。

  • 一个视觉语言模型(VLM)当「大脑」,负责宏观的语义规则与因果推理。它持续观察当前画面、预判用户行为的逻辑后果,然后抛出一个个明确的「事件提案」。

  • 而底层的视频生成模型(DiT)当「小脑」,负责把这些语义决策落地成符合物理直觉、连贯流畅的画面。

大脑想,小脑做,一个负责「接下来该发生什么」,一个负责「把它画出来」。


因此,这套框架里跑着两个各司其职的Agent:Pilot Agent + Director Agent。

  • Pilot Agent,负责规划和执行角色的行为;

  • Director Agent,像一位隐形的导演,在场景推进的过程中,基于当前世界的状态,实时生成并注入新的事件与环境元素。

一个当演员,一个当导演,两者合力,把一个「逐帧预测器」真正变成了一个像模像样的世界:

自我维持、目标驱动、开放无尽,没有谁在背后逐帧写好剧本。

而人类和这个世界打交道的方式,也一下子丰富了起来。

一种是「直接语义交互」:做个动作,大脑就地判断合不合物理常识、该发生什么后果。

另一种是「物体级交互」:借助SAM分割追踪,选中场景里某个具体物体,对它单独下指令,系统会一路追踪它、保持空间一致。

于是,一个双向演化的循环第一次真正闭合——

你的每一次动作都在改写世界状态,而「大脑」又根据新的世界状态,不断抛回新的事件与意外。

你影响世界,世界回应你,再反过来给你惊喜。

从「被动响应」到「主动演化」,这是LingBot-World 2.0与所有停留在「生成」层面的模型之间最深的一道分水岭。

一个「活世界」,能长出多少种未来?

当世界能持续运行、能自我演化、能多人共享,它的价值就远不止「好玩」两个字。

最先被点亮的,大概是游戏和创作。

过去做一款开放世界,得靠一支团队一砖一瓦把地图、剧情、事件全都预先写死。

而在LingBot-World 2.0里,直接开一台服务器,让世界自己生长,剧情不必事先编排,玩家走到哪,世界就演化到哪。

对创作者来说,这几乎换了一门手艺:与其逐帧去抠画面,不如像导演一样,用一个个Action和Event去调度一个会自己运转的片场。


屏幕之外,一个能持续演化、事件丰富、还能随你交互的虚拟世界,恰恰是机器人梦寐以求的训练场。

真实世界里,让机器人试错一次的成本高得吓人;而在一个高保真的「数字演练场」里,它可以低成本地跑上千万次。


自动驾驶,同样如此。

AI世界能把一些极端情况造出来,让车在虚拟马路上反复练,练到形成「肌肉记忆」。

等它真正上路那天,这些要命的瞬间,它早在数字世界里经历过千百回了。

而对学术圈来说,2.0更是一块难得的「公共地基」——一个开源的、事件驱动的、会自我演化的世界底座,谁都可以拿去接着往下研究。

多人同服,1.3B单卡可跑

Lingbot-World 2.0还专门开发了一套接口,支持多人同时进入同一个世界。


这一次,2.0一共提供了两个开源版本——

一个是14B主模型,面向最强画质、研究验证与复杂交互世界;

另一个是1.3B轻量模型,专为普及而生,一张消费级显卡就能轻松部署。

主模型负责把能力上限顶到最高,轻量模型负责把社区可用性拉到最广,二者兼顾,谁都不落下。

如今,Lingbot-World 2.0权重、代码与在线体验入口,都已随论文一并放出——

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

另外,所有人还能通过蚂蚁灵光App的「世界模型」功能,在手机上直接走进这个AI世界。



特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
中美俄调动10万兵力需要多久?俄罗斯3天,美国1天,中国呢?

中美俄调动10万兵力需要多久?俄罗斯3天,美国1天,中国呢?

铭记历史呀
2026-11-15 01:40:29
不到20岁!大连英博杨铭锐10天拿2个冠军 北京国安邓捷夫在名帅指导下 打出来

不到20岁!大连英博杨铭锐10天拿2个冠军 北京国安邓捷夫在名帅指导下 打出来

80后体育大蜀黍
2026-11-18 22:12:59
男子认48岁女房东当干妈,每周去其家中蹭饭,酿成一场悲剧

男子认48岁女房东当干妈,每周去其家中蹭饭,酿成一场悲剧

晓艾故事汇
2025-09-08 17:00:17
女人多久能忘记同居过的男友?

女人多久能忘记同居过的男友?

那年秋天
2026-10-12 20:30:52
西部排名又乱了:湖人创NBA奇迹,雷霆收大礼,8队排名互换

西部排名又乱了:湖人创NBA奇迹,雷霆收大礼,8队排名互换

篮球大视野
2026-11-18 18:24:03
克宫承认克里米亚大桥被炸塌,佩斯科夫称大桥将被修复且“比以前更好”

克宫承认克里米亚大桥被炸塌,佩斯科夫称大桥将被修复且“比以前更好”

山河路口
2026-11-17 19:41:55
和詹姆斯合作12年翻脸!惨遭老詹贴脸开大,自称学乔丹养成坏习惯

和詹姆斯合作12年翻脸!惨遭老詹贴脸开大,自称学乔丹养成坏习惯

你的篮球频道
2026-11-18 09:47:14
国足和U19主教练在新闻发布会,异口同声批评中超

国足和U19主教练在新闻发布会,异口同声批评中超

真理是我亲戚
2026-11-18 13:02:47
网友吵翻了!广州岳母半夜3点半起夜,撞见女婿常在阳台玩手机,女婿背负十多年房贷,该不该提醒?

网友吵翻了!广州岳母半夜3点半起夜,撞见女婿常在阳台玩手机,女婿背负十多年房贷,该不该提醒?

火山詩话
2026-10-30 09:20:13
说到底,身材才是最好的奢侈品

说到底,身材才是最好的奢侈品

疾跑的小蜗牛
2026-11-14 20:23:26
葡媒:C罗时代葡萄牙队进国际大赛比过去更容易

葡媒:C罗时代葡萄牙队进国际大赛比过去更容易

懂球帝
2026-11-18 23:15:11
公交系统终于想通了:与其让一城人抢上车,不如让他们先举手

公交系统终于想通了:与其让一城人抢上车,不如让他们先举手

琴音缭绕回
2026-11-18 12:25:15
美股存储板块,盘前集体大涨

美股存储板块,盘前集体大涨

中国基金报
2026-11-18 20:28:41
终结马刺!MVP第十!最不受待见的状元郎

终结马刺!MVP第十!最不受待见的状元郎

篮球实战宝典
2026-11-18 22:39:56
创业最怕自我感动,夫妻俩投资350万开三百平餐厅,不到一年半就关门大吉。光灯光就花了三十万,一个碟子一百块。

创业最怕自我感动,夫妻俩投资350万开三百平餐厅,不到一年半就关门大吉。光灯光就花了三十万,一个碟子一百块。

捣蛋窝
2026-11-17 17:50:23
民调:63%的美国选民称特朗普将个人利益置于国家利益之上

民调:63%的美国选民称特朗普将个人利益置于国家利益之上

阿尔卑斯瞭望
2026-11-18 17:03:22
榜眼摆上货架一天就下架了?没人要,交易杜兰特里外里亏了两次!

榜眼摆上货架一天就下架了?没人要,交易杜兰特里外里亏了两次!

你的篮球频道
2026-11-18 10:31:49
听我一句劝,千万不要去看《伟大的长征》,因为看完以后,你会发现第二天去上班只能肿着两只大眼泡,宏大叙事,最戳人的不是硝烟战场

听我一句劝,千万不要去看《伟大的长征》,因为看完以后,你会发现第二天去上班只能肿着两只大眼泡,宏大叙事,最戳人的不是硝烟战场

温柔记事簿
2026-10-19 15:11:16
信任,对巴林比赛半场邵佳一在更衣室亲自为吴曦扎上队长袖标

信任,对巴林比赛半场邵佳一在更衣室亲自为吴曦扎上队长袖标

懂球帝
2026-11-18 21:27:03
大二女生去按摩,男技师让她脱内裤跪着背对着他,整个人贴了上来,店长:包厢没监控,赔700块

大二女生去按摩,男技师让她脱内裤跪着背对着他,整个人贴了上来,店长:包厢没监控,赔700块

一丝不苟的法律人
2026-11-08 16:44:48
2026-11-18 23:48:49
新智元 incentive-icons
新智元
AI产业主平台领航智能+时代
16711文章数 67239关注度
往期回顾 全部

游戏要闻

已玩100小时《GTA6》!外媒确信PC版才是"完全体"

头条要闻

“感谢中方特殊安排” 特朗普又带着高规格代表团来了

头条要闻

“感谢中方特殊安排” 特朗普又带着高规格代表团来了

体育要闻

“中超卡里乌斯”,成了大连的夺冠英雄

娱乐要闻

主持人张泉灵被曝猛料,公司成老赖

财经要闻

黄仁勋留下的高分成绩单,能延续吗?

科技要闻

离职后首份声明!黄仁勋认错愿回归

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

教育
家居
数码
时尚
手机

教育要闻

老北京“拔根儿”争霸赛,嗨翻校园——

家居要闻

2026建博会(广州) 公装联探展交流活动

数码要闻

铭凡5L台式机T5 Max-388上市:48GB + 1TB,到手价9699元

穿好“长大衣”,这8个细节很重要!

手机要闻

2nm双芯悬案!vivo X Fold7不跟风阔折叠,先把散热账算明白了

无障碍浏览 进入关怀版