蚂蚁灵波开源面向具身智能的视频生成基础模型 LingBot-Video

7月9日消息，蚂蚁灵波今日开源LingBot-Video，系全球首个基于MoE架构、面向具身智能的开源视频生成基础模型。该模型融合7万小时具身数据，围绕机器人核心需求重设计视频预训练范式，在推理效率、物理合理性、动作理解与任务完成度上系统性提升，为视频基模从数字创作走向具身智能提供新底座。
评测层面，LingBot-Video在北大联合字节发布的RBench上总分0.620，超越Wan2.6、Seedance 1.5 Pro、Cosmos3 Super；内部benchmark对比Cosmos3、Wan 2.2等五款开源模型，具身领域表现领先。架构采用DiT+MoE，30B总参生成时仅激活约3B，推理效率约为同规模Dense的3倍。（广角观察）