OmniTools 7月9日消息，蚂蚁灵波科技正式开源LingBot-Video，宣称其为全球首个基于MoE架构、面向具身智能的视频生成基础模型。该模型总参数量达30B，推理时仅激活约3B参数，效率较同规模Dense架构提升约3倍。
LingBot-Video引入了7万小时VLA、VLN、Ego等机器人相关视频-语言-动作数据，并通过多维强化学习奖励系统优化物理合理性与任务完成度的对齐。
在RBench评测中，该模型总分达0.620，超越Wan2.6等同类模型；在Physics-IQ Verified评测中位列第一。该模型主要适用于机器人动作预测、仿真数据生成等具身智能场景。
