在北京大学联合字节跳动发布的基准RBench上，LingBot-Video的总分是0.620，超越了Wan2.6（0.607）、Seedance1.5 Pro（0.584）、Cosmos3 Super（0.581）。RBench作为面向机器人操作视频的综合评测基准，重点考察模型能否生成符合真实物理规律的机器人行为。这一结果表明，LingBot-Video在生成机器人相关视频时，更能保持动作过程的合理性和任务执行的完整性。
为进一步验证LingBot-Video对物理世界变化的建模表现水平，蚂蚁灵波在内部benchmark中从通用质量和具身领域两个维度进行评估。结果显示，对比NVIDIA Cosmos3、Wan2.2 A14B、LongCat-Video、Hunyuan Video1.5、LTX-2.3等五个开源模型，LingBot-Video在具身赛道表现优于主要基线模型。
7月9日，蚂蚁灵波开源LingBot-Video，这是全球首个基于Mixture-of-Experts（MoE）架构、面向具身智能的开源视频生成基础模型。该算法模型围绕机器人和具身智能的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等方面取得系统性拉升，为视频基础智能模型从数字内容创作走向具身智能提供了新的开源底座。
在架构上，LingBot-Video采用DiT+MoE设计，以MoE替代传统Dense架构，在扩大模型容量的同时控制单次推理计算成本。其30B总参数规模大模型在生成时仅激活约3B参数，相比同等参数量规模Dense架构拥有约3倍模型推理效率。这一设计使模型既能获得大规模参数带来的视觉表达能力，又更适合具身智能对高效推理的要求。
在数据上，LingBot-Video构建了数据画像引擎，在海量互联网视频的基础上进一步引入VLA、VLN、Ego等机器人相关数据，覆盖灵巧操作、机器人移动和第一视角交互等场景，总规模达7万小时的具身数据。这些数据帮助AI模型学习动作与环境变化之间的关系，而不只是学习视频的表面纹理和视觉风格。
过去几年，视频生成模型在画质、流畅度和创意表达上高速进步，但对于具身智能来说，一个看起来逼真、动作流畅的视频，却无法反映真实的物理规律，难以支撑机器人连续预测、规划和执行任务。与此同时，具身智能还要求智能模型具备更高推理效率，以适应实时交互和控制闭环。
在训练上，LingBot-Video引入多维强化学习奖励系统。除美学、prompt跟随和运动一致性等常规指标外，模型进一步围绕物理合理性和任务完成度进行对齐，使生成结果更符合真实世界规律，也更贴近机器人在真实世界完成任务的需求。
这也让视频生成开始出现两种不同的演进方向：一条通向影院，服务于内容创作；另一条通向机器人，服务于物理世界的理解、预测与交互。LingBot-Video正是蚂蚁灵波面向具身智能开辟视频生成新路线的重要探索。
据介绍，LingBot-Video可用于机器人动作预测、仿真数据生成、动作条件建模、世界智能模型研究等方向。目前，LingBot-Video已正式开放源代码。
（图说：综合评测显示，LingBot-Video在具身相关场景中展现出更强的物理理解和动作一致性）
蚂蚁灵波LingBot-VA论文被机器人顶会RSS 2026接收，让机器人边推演、边行动
行业首个具身原生世界动作智能模型来了！蚂蚁灵波发布LingBot-VA 2.0
行业开先河具身原生世界动作模型来了！蚂蚁灵波推出LingBot-VA 2.0
蚂蚁灵波开源LingBot-Video，全球首个面向具身的视频基模来了！
人工智能聪明够了，行动呢？WAIC首夜，来聊点下一步的真实判断｜活动报名
具体来看，LingBot-Video从架构、语料数据和训练三方面进行了系统创新。
刚刚，机器人练成了宁次的「白眼」：∞帧画面边看边3D重建我们的世界！
世界模型能实时玩了，蚂蚁灵波开源LingBot-World-Fast
（图说：LingBot-Video在RBench上性能最优）
本文由蚂蚁灵波提供，量子位获授权转载，观点归原作者所有。
第十一届中国航空创新创业大赛报名开启｜熵跃苍穹 无界新元
版权所有，未经授权不得以任何形式转载及使用，违者必究。
2026年世界人工智能大会，7月17-7月20上海举办
具身智能为什么还没真正落地？问题卡在这｜沙龙报名
蚂蚁灵波第三弹：LingBot-World
收获了国际机器人研究共同体的高度认可
这么哇塞的世界模型，竟然是开源的！
持续的技术创新正在推动产业升级。
持续的技术创新正在推动产业升级。
整理编辑：硅基前哨