刚刚，全球首个具身专属的MoE视频模型，开源了！

一句话看懂：蚂蚁灵波于2026年7月9日正式开源LingBot-Video，这是全球首个面向具身智能的大规模MoE视频基础模型。它不是生成更美的视频，而是生成更符合物理规律的视频，直接服务于机器人训练、策略评估与动作规划。

事件核心：发生了什么

蚂蚁灵波（Robbyant）开源了LingBot-Video，定位为“视频物理引擎”。该模型采用MoE架构，总参数量达30B，推理时仅激活3B参数。训练数据引入超过70000小时具身相关视频，覆盖机器人操作、导航、第一视角等场景。模型同时搭载分层强化学习奖励体系，从感知、物理、执行三个维度约束生成结果，以保障物理合理性。在RBench评测中，LingBot-Video已超越业内通用视频生成标杆模型。模型及相关技术报告已发布在GitHub、arXiv和HuggingFace等平台。

为什么重要

通用视频模型优化的是画质、美学和运镜，但机器人需要的不是“好看的视频”，而是“可信的物理模拟”。LingBot-Video直接把视频生成从内容创作赛道拉进具身智能赛道。它的核心价值在于提供低成本、可反复试错的物理世界模拟器，作为Data Engine（数据引擎）、Policy Evaluator（策略评估器）和Action Planner（动作规划器）。这与李飞飞World Labs和LeCun团队的V-JEPA 2方向一致，即用视频模型理解并预测物理世界。MoE架构的引入使得30B参数、仅3B激活的训练和推理成本下降，为机器人领域的实际部署扫清了效率障碍。

对用户/开发者/创作者的影响

机器人开发者：可直接利用LingBot-Video生成机器人操作视频，替代部分真实数据采集，降低遥操作成本与sim-to-real gap风险。同时可用于策略离线评估，减少真实环境中的训练风险。AI研究者：开源模型和完整技术报告提供了MoE视觉基础模型的参考实现，特别是在多模态、长时序、物理约束融合方面的设计思路可供复现或改进。具身智能创业者：模型原生支持Action-to-Video，可直接对接机器人运动规划模块，缩短从模拟到实物的验证周期。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

1. 闭环落地验证：目前公开信息显示，模型生成效果评测在视频生成基准上表现领先，但真实机器人政策闭环（即生成视频能否直接用于训练真实机器人）尚需进一步公布定量结果。2. 生态扩展：模型已支持多平台（人形机器人、四足机器人、工业机械臂），能否形成社区共识并吸引更多机器人团队接入，将影响具身视频模型的标准演化。3. 竞品跟进：NVIDIA Cosmos系列、LongCat-Video等开源模型已被作为直接对比对象，后续可能加速专用化竞争。4. 长时序与复杂物理：柔体、液体等复杂交互的长时序一致性仍是难点，后续模型迭代速度与性能提升幅度值得关注。

来源：量子位 · 每日最新