蚂蚁灵波开源面向具身智能的视频生成基础模型 LingBot-Video

2026.07.09 10:31  

钛媒体 App 7 月 9 日消息，蚂蚁灵波今日开源 LingBot-Video，系全球首个基于 MoE 架构、面向具身智能的开源视频生成基础模型。该模型融合 7 万小时具身数据，围绕机器人核心需求重设计视频预训练范式，在推理效率、物理合理性、动作理解与任务完成度上系统性提升，为视频基模从数字创作走向具身智能提供新底座。评测层面，LingBot-Video 在北大联合字节发布的 RBench 上总分 0.620，超越 Wan2.6、Seedance 1.5 Pro、Cosmos3 Super；内部 benchmark 对比 Cosmos3、Wan 2.2 等五款开源模型，具身领域表现领先。架构采用 DiT+MoE，30B 总参生成时仅激活约 3B，推理效率约为同规模 Dense 的 3 倍。（广角观察）

本文内容仅供参考，不构成投资建议，请谨慎对待。