蚂蚁灵波开源 LingBot-Video：一个专为机器人设计的视频生成模型，用 MoE 架构把推理成本打下来

蚂蚁灵波开源全球首个面向具身智能的MoE视频基模LingBot-Video

蚂蚁灵波发布了 LingBot-Video，一个专门给具身智能用的视频生成模型，代码已开源。它用 MoE 架构（混合专家）替代了传统的密集模型，总参数量 30B，但生成视频时只激活约 3B 参数，推理速度比同规模的密集模型快 3 倍左右。训练数据是 7 万小时的机器人相关视频，包括灵巧操作、导航和第一人称视角交互，不是网上随便扒的风景片。为了让生成的动...

推荐理由：蚂蚁灵波开源了 LingBot-Video，一个用 MoE 架构做的具身智能视频基模。我会先打个折：这是刚发布的新东西，还没有外部复现报告，效果别急着全信。但亮点挺实在——30B 参数只激活 3B，推理快 3 倍，意味着本地跑或上机器人端成本低不少。训练数据是 7 万小时机器人相关视频，不是网上扒的通用素材，这点比很多视频模型更对口。代码已开源，做这行的人可以直接拉下来试。