继今年 7 月开源 LingBot-World 2.0 14B 模型后，今天，我们进一步开放三款模型：LingBot-World 2.0 Small（1.3B）、LingBot-World 2.0 Bidirectional 和 LingBot-World 2.0 Causal Pretrain。
这一次，我们首先希望解决一个更直接的问题：当世界模型已经能够长时间持续生成、实时响应操作并不断创造新事件，怎样让更多开发者真正把它跑起来？
1.3B 小模型面向消费级单卡 GPU，可在单卡上实现实时世界生成；Bidirectional 与 Causal Pretrain 则进一步开放模型蒸馏和因果预训练能力。我们希望让 LingBot-World 2.0 不仅可以被体验，也更容易被运行、研究和改进。
从持续生成一个世界，到让更多人把它跑起来
LingBot-World 2.0 是一个实时交互世界模型。在此前 7 月发布的 14B 主模型中，我们重点推进了长时序稳定性、实时生成和交互能力。模型支持小时级连续生成，并可以响应攻击、射箭、施法、射击等角色动作，以及下雪、下雨等环境事件。Pilot Agent 与 Director Agent 组成的 Agentic Interaction Harness，则协同完成角色行为与环境内容生成，让世界在探索过程中继续演化。在更高算力与相应推理配置下，LingBot-World 2.0 可进一步达到 720P / 60FPS 的高清实时体验。
然而，持续生成高清画面，并及时响应用户操作，仍对算力、显存和推理系统提出了较高要求。对于个人开发者、高校实验室和小型团队而言，能够看到一个世界模型，并不等于能够在本地运行它。这正是我们此次首先希望改变的事情。
1.3B 小模型：让实时世界跑上消费级单卡
本次开源的 LingBot-World 2.0 Small 采用 1.3B 参数规模，面向消费级单卡 GPU 设计，可在单卡上实现实时生成。
模型变小所带来的变化，不只是一组参数数字。过去，开发者可能更多通过公开视频或在线 Demo 观察世界模型的能力；现在，他们可以在本地直接运行模型，观察连续生成过程，修改输入方式，测试不同的交互设计，并搭建应用原型。
这让个人开发者、高校实验室和小型团队也可以从本地体验和复现开始，进一步探索交互方式、推理优化与场景应用。
Bidirectional：为更轻、更快的模型提供蒸馏源
仅仅开放一个可以直接运行的小模型，还不足以支持社区继续训练和改进世界模型。因此，本次我们同步开放 LingBot-World 2.0 Bidirectional，即双向 Teacher 模型。
它面向实时世界模型训练，提供高质量的蒸馏源。高质量生成通常需要多步去噪，计算成本较高，难以直接满足实时交互需求。通过蒸馏，可以将 Teacher 的多步生成轨迹压缩到少步 Student，在降低生成成本的同时，尽可能保留预训练阶段学习到的动作条件动态能力。
在 LingBot-World 2.0 的技术路径中，我们结合一致性蒸馏与分布匹配蒸馏：前者用于减少去噪步数，后者进一步改善视觉保真度，并抑制 Student 在长时序自回归过程中不断累积误差。
通过开放 Bidirectional，我们希望为研究者提供更完整的蒸馏起点，用于训练更轻、更快，或更适合特定场景的 Student 模型。
Causal Pretrain：开放世界模型的因果预训练底座
本次开放的第三款模型是 LingBot-World 2.0 Causal Pretrain。它面向后训练、评测和场景适配，提供因果预训练底座。
在 LingBot-World 2.0 中，当前世界状态只依赖过去的视觉观察，以及截至当前时刻的用户输入，不能访问未来信息。Causal Pretrain 支持相机位姿与文本提示（Prompt）两类输入，让用户既可以控制移动和视角，也可以通过文本改变局部事件与世界状态。
为了兼顾自回归生成与视觉质量，我们引入 Mixture of Bidirectional and Autoregressive Attention Mask（MoBA）。它在 Teacher Forcing 掩码中加入双向注意力组件，用于缓解纯 Teacher Forcing 带来的过拟合和画质下降，并帮助模型从双向生成过渡到自回归生成。与之配套的因果交叉注意力，则用于防止未来语义泄漏，同时保留灵活的交互控制能力。
技术报告中的定性对比显示，Causal Pretrain Backbone 在较长生成过程中能够更好地保持清晰纹理、稳定几何结构和场景连贯性，为后续实时模型提供更稳定的预训练基础。
（来源：蚂蚁灵波科技）
