LingBot-World 2.0 与 LingBot-Video 模型上线 Hugging Face

近日，LingBot 团队在 Hugging Face 平台同步上线两款 AI 模型：一款是主打长时序、可交互的「世界模型」LingBot-World 2.0（Infinity），另一款是面向具身智能（embodied intelligence）的 MoE 视频基础模型 LingBot-Video。两条消息均由社交媒体账号「AK」率先披露，附带了模型仓库链接。

LingBot-World 2.0：可像游戏一样游玩的交互式世界模型

LingBot-World 2.0 定位为「interactive world model」，主打几项关键能力：

• 小时级稳定生成：声称可实现小时级别（hour-long）的连续画面输出，且过程中几乎不出现质量漂移（zero quality drift）。
• 丰富的交互事件：支持攻击、施法、射击、召唤风暴等多种动作与事件触发。
• 智能体驱动世界演进：引入「Director Agent」作为导演智能体，实时推动世界状态演化。
• 高帧率高分辨率渲染：输出规格为 720p / 60fps，整体体验向游戏化靠拢。

该模型将「世界模型」从静态视频生成向「可游玩（playable）」方向推进，强调 agent 与环境之间的实时反馈，更接近通用游戏引擎的形态。

LingBot-Video：面向具身智能的 30B MoE 视频基础模型

同期发布的 LingBot-Video 是一款基于混合专家（MoE）的视频基础模型，主要面向具身智能场景：

• 模型规模：总参数量 30B，推理时仅激活约 3B 参数，属于典型的「总大激活小」稀疏架构。
• 训练数据：在互联网大规模视频预训练基础上，额外引入 7 万小时的具身相关数据进行增强训练。
• 开源情况：模型权重已在 Hugging Face 开放下载。

意义与局限

世界模型与具身智能是当前多模态 AI 的两条热门赛道。LingBot 一次性在两个方向都拿出具体指标（小时级生成、720p/60fps、30B 总参 / 3B 激活、7 万小时具身数据），说明团队有完整的技术路线。不过，消息来源仅为 X 平台个人账号，并非官方技术报告或论文，具体能力边界、benchmark 表现与可复现性尚需等待社区验证。从生态角度看，它为研究者提供了一个新的开源基线，尤其在稀疏激活视频模型与可交互世界模拟方面值得关注。