LingBot-World 2.0

LingBot-World 2.0, som också kallas LingBot-World-Infinity, är en världsmodell: en AI som genererar video av en värld bild för bild medan man rör sig i den, ungefär som ett datorspel där allt ritas av AI:n i stället för en spelmotor. Man styr med tangentbordet (WASD för att gå och IJKL för att titta) och kan utlösa händelser som magi, hopp eller att en flock fåglar dyker upp.

Jämfört med den första versionen lyfter Robbyant fram fyra förbättringar. Världen kan pågå utan slut, enligt projektsidan i timmar utan att bilden glider iväg. En snabbare realtidsvariant, framtagen genom destillering, räcker enligt Robbyant för 720p-video i 60 bilder per sekund med under en sekunds fördröjning. Det finns fler sorters handlingar, som att anfalla, skjuta pil, kasta trollformler och skjuta, och fler händelser som styrs med text. Dessutom finns två AI-agenter: en pilot som planerar och utför figurens handlingar och en regissör som lägger till nya saker i miljön medan scenen pågår. Flera personer kan vara i samma värld samtidigt, till exempel en som spelar och en som regisserar.

Huvudmodellen har 14 miljarder parametrar och en lättare variant på 1,3 miljarder parametrar ska gå att köra på ett enda grafikkort. Enligt modellkortet släpptes den tekniska rapporten, koden och modellen den 9 juli 2026; den släppta checkpointen är 14B-modellen "causal-fast", medan övriga varianter (bland annat 1.3B) ännu står som kommande. Vikterna ligger på Hugging Face och ModelScope under licensen CC BY-NC-SA 4.0, som bara tillåter icke-kommersiell användning. Robbyant släpper inte sin egen driftkod, och de webb- och mobildemos som finns (Reactor och appen LingGuang) saknar enligt modellkortet vissa funktioner.

Robbyant skriver själva att modellen ännu saknar ett riktigt långtidsminne för världen och har begränsad förståelse för fysik. De ser den också som ett verktyg för robotik, till exempel för att simulera och förutsäga vad som händer härnäst.