蚂蚁灵波开源一个神奇视频模型：让机器人看视频学动作，更聪明更靠谱

这件事跟你有啥关系？

以后你网购的扫地机器人、送餐机器人、工厂的机械臂，可能会因为一种新开源的视频模型变得更聪明——它们看视频学动作，不再只会“装样子”，而是真的理解物理世界的规律，干活更靠谱。

7月9日，蚂蚁灵波开源了LingBot-Video，这是全球第一个专门为具身智能（就是有身体的AI，比如机器人）设计的视频生成模型。以前那些视频生成模型（比如用来做短视频的AI）只追求画面好看、动作流畅，但机器人看完不一定能学到真本事——因为那些视频可能违反物理规律，比如物体穿过障碍物、动作不连贯。LingBot-Video则不同，它生成的视频里，机器人的动作、物体受力、任务顺序都符合真实世界规则，相当于给机器人提供了一套靠谱的“动作教材”。

它比别的模型强在哪？

在行业基准测试RBench（专门用来考视频模型能不能生成合理的机器人操作视频）中，LingBot-Video得分0.620，超过了Wan2.6（0.607）、Seedance1.5 Pro（0.584）、Cosmos3 Super（0.581）等知名模型。这意味着它生成的机器人视频更真实、动作更连贯、任务完成度更高。

三个创新让它更厉害

• 架构更高效：用了“专家混合”（MoE）架构，总参数300亿，但每次只激活约30亿参数，推理速度快了3倍。就像一个大工具箱，但每次只拿出最需要的几样工具，省力又高效。
• 数据更丰富：除了互联网视频，还引入了7万小时的机器人专用数据，包括机械手指精细操作、机器人在房间里走动、第一视角交互等，让模型理解动作与环境的关系。
• 训练更聪明：引入了多维度“奖励系统”，不光看画面美不美，还看动作是否符合物理规律、任务有没有完成，这样模型生成的视频才真正有用。

它能用来干啥？

目前LingBot-Video已经开源，可用于：

• 机器人动作预测（提前猜下一步该干啥）
• 仿真数据生成（在电脑里模拟真实场景）
• 动作条件建模（比如根据指令生成正确动作）
• 世界模型研究（让AI理解物理世界如何运作）

简单说，这项技术让视频生成从“拍电影”走向“教机器人干活”，离我们身边的智能机器人又近了一步。