【蚂蚁灵波开源面向具身智能的视频生成基础模型 LingBot-Video】

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)