螞蟻深夜開源世界模型LingBot-World，10分鐘穩(wěn)幀+WASD實時操控，比肩谷歌Genie 3！

作者｜子川

來源｜AI先鋒官

就在昨天，螞蟻靈波（Robyant）世界模型 LingBot-World，正式開源！

據(jù)官方介紹，LingBot-World不僅能生成長達(dá)10分鐘的連貫視頻，最離譜的是，它允許你像玩3A大作一樣，通過鍵盤（WASD）實時控制視角和動作。

甚至在某些維度的體驗上，完全可以和谷歌那個至今都沒公測的Genie 3一較高下。

那是騾子是馬，咱們直接看效果。

先來看這個讓無數(shù)網(wǎng)友直呼炸裂的10分鐘超長生成。

普通的視頻模型，生成個5秒、10秒就容易崩壞。

但LingBot-World硬是讓模型在一個古建筑群里瞎逛了整整10分鐘！質(zhì)量絲毫沒有降低，無論是光影的變化，還是建筑的透視關(guān)系，都非常穩(wěn)。

但這還不是最牛的。

LingBot-World和Sora、可靈這類AI視頻模型最大的區(qū)別在于：它是活的，可控的。

視頻模型是拍好的電影，你只能看，而LingBot-World是實時演算的游戲，你能玩！

看下面這個第一人稱視角，你按W它就往前生成，按D就拐個彎往右走。

所有的場景都是下一秒實時算出來的，這種“言出法隨”的掌控感，真的 太有技術(shù)含量了。

再來看看世界模型另外一個弱點：“長時記憶”能力，這可以說是世界模型的死穴。

很多模型一回頭，物體的位置，天空的顏色都發(fā)生了變化，但LingBot-World在這方面拿捏得相當(dāng)?shù)轿弧?/strong>

在這個案例里，鏡頭移開長達(dá)40多秒，當(dāng)你再轉(zhuǎn)回來時，海浪還在那兒，顏色沒變，形狀也沒變。

除此之外，它還是個聽話的“造物主”。

給它一張如下的初始圖。

輸入“鯊魚”，畫面立刻有一條大白鯊呲著個大白牙就游過來了。

或者輸入“龍”，畫面里就出來了一條眼神略顯呆滯的青龍！

同時團隊還把使用過程的視頻放出來了，主打的就是一個真實！

有個小遺憾，就是消費級芯片是無法正常運行這個模型的，得企業(yè)級的CPU才能扛住。

放眼全球，不僅僅是螞蟻，越來越多的科技巨頭正在瘋狂下場押注世界模型。

Google DeepMind的Genie系列試圖讓AI無師自通地學(xué)會控制虛擬世界。

Meta的前首席科學(xué)家楊立昆（Yann LeCun）死磕非生成式的JEPA架構(gòu)，試圖讓AI像動物一樣通過觀察掌握物理常識。

在AI圈，有許多人都覺得世界模型才是通往AGI的真正鑰匙！

他們普遍認(rèn)為單純靠“預(yù)測下一個詞”的大語言模型（LLM）可能真的到了瓶頸。

楊立昆曾一針見血地指出，LLM僅僅是在操縱語言符號，它們并不真正理解物理世界的因果邏輯。

隨著算力的爆炸和架構(gòu)的成熟，2026年，或許就是世界模型真正迎來爆發(fā)的一年。

屆時，我們看到的可能不再只是能生成10分鐘視頻的LingBot，而是真正能在數(shù)字與物理世界中自由穿梭、思考并行動的AGI雛形。

掃碼邀請進(jìn)群，我們帶你一起來玩轉(zhuǎn)ChatGPT、GPT-4、文心一言、通義千問、訊飛星火等AI大模型，順便學(xué)一些AI搞錢技能。