搜索
蚂蚁灵波开源全球首个具身视频基模
1 小时前
7月9日，蚂蚁灵波开源全球首个基于MoE架构、面向具身智能的视频生成基础模型LingBot-Video。该模型融合7万小时具身数据，围绕机器人核心需求重新设计视频预训练范式，在推理效率、物理合理性、动作理解和任务完成度上取得系统性提升。在北京大学联合字节跳动发布的基准RBench上，LingBot-Video总分0.620，超越Wan2.6、Seedance 1.5 Pro、Cosmos3 Super等模型。在内部评测中，LingBot-Video在具身领域表现优于NVIDIA Cosmos3、Wan2.2 A14B等五个开源模型。该模型采用DiT+MoE架构，30B总参数模型生成时仅激活约3B参数，推理效率约为同规模Dense架构的3倍。LingBot-Video可用于机器人动作预测、仿真数据生成、动作条件建模、世界模型研究等领域，目前已正式开源。
