今天，蚂蚁灵波科技正式开源 LingBot-Video。这是全球首个基于 Mixture-of-Experts架构、面向具身智能的开源生成基础模型。

　　过去几年，生成模型在画质、流畅度和创意表达上取得了快速进步。但对于具身智能来说，一个看起来逼真、动作流畅的，未必能反映真实的物理规律，往往难以支撑机器人连续预测、规划和执行任务。与此同时，具身智能还要求模型具备更高的推理效率，以适应实时交互和控制闭环。

　　这也让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 正是我们面向具身智能开辟生成新路线的重要探索 —— 围绕具身智能的核心需求，重新设计预训练范式，在推理效率、物理合理性、动作理解和任务完成度等方面实现系统性提升。

　　我们以 MoE 替代传统 Dense 架构，在扩大模型容量的同时控制单次推理成本。LingBot-Video 的 30B 总参数模型在生成时仅激活约 3B 参数，相比同等参数规模的 Dense 架构拥有约 3 倍的推理效率。这一设计使模型既能获得大规模参数带来的

　　我们构建了数据画像引擎，在海量互联网的基础上，进一步引入 VLA、VLN、Ego 等机器人相关数据。这些数据覆盖了灵巧操作、机器人移动和第一视角交互等场景，总规模达 7 万小时。这些数据帮助模型学习动作与环境变化之间的关系，而不只是学习的表面纹理和

　　我们引入了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。我们还引入了真实世界作为偏好信号，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。

　　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、Seedance 1.5 Pro、Cosmos3 Super。RBench 作为面向机器人操作的综合评测基准，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 在生成机器人相关时，更能保持动作过程的合理性和任务执行的完整性。

　　LingBot-Video 可用于机器人动作预测、仿真数据生成、动作条件建模、世界模型研究等方向。目前，LingBot-Video 已正式开源。

　　特别

　　同学聚会，发现一个扎心的现实：年过40的女同学中，1/3没有工作，1/3做着低薪但没前途工作，剩下的1/3基本都在体制内

　　✨闪闪小葵花 成长正当时✨ 勇敢展示，向阳成长 一场才艺盛会，保持热爱 自在发光

　　长沙这座千年古刹，收留毛孩子，也资助贫困孩子，被亲切地称为“猫猫寺”；师傅们说：读书是改变命运的路，不能因为钱停下