Ant Group ra mắt LingBot-World 2.0: Mô hình thế giới 14B duy trì tương tác thời gian thực suốt 60 phút

Thế giới mô hình mã nguồn mở vừa có thêm một cái tên cực kỳ ấn tượng!

Các mô hình thế giới tương tác (interactive world models) từ lâu đã tồn tại một khiếm khuyết cố hữu. Chúng trông rất tuyệt trong vài giây đầu, nhưng sau đó thế giới dần trở nên hỗn loạn. Kết cấu (textures) bị nhòe, hình học (geometry) bị biến dạng, và hiện tượng trôi (drift) bắt đầu xuất hiện.

LingBot-World 2.0 mới của Robbyant là mô hình đầu tiên tôi thấy thực sự vượt qua được giới hạn đó. Đây là một mô hình thế giới nhân quả (causal world model) mà bạn có thể khám phá theo thời gian thực ở độ phân giải 720p và 60fps, đã được kiểm chứng độ bền qua một phiên chạy liên tục 60 phút xuyên suốt 20 cảnh mà không hề có dấu hiệu suy giảm chất lượng. Việc duy trì sự nhất quán trong thời gian dài như vậy mới chính là bài toán khó thực sự, và đây chính là kết quả đạt được.

Điều khiến tôi ấn tượng nhất chính là vòng lặp tác nhân (agent loop) được tích hợp bên trên. Một VLM (Vision Language Model) sẽ đề xuất các sự kiện trong khi bạn chơi, còn một tác nhân điều phối (director agent) sẽ liên tục tạo ra những nhiệm vụ mới, giúp thế giới không ngừng vận động thay vì đứng yên. Di chuyển, chiến đấu, thay đổi thời tiết theo yêu cầu, thậm chí là chơi nhiều người trong cùng một thế giới chung.

Và Robbyant, công ty AI hiện thân (embodied-AI) của Ant Group, đã mở mã nguồn cho trọng số mô hình và mã nguồn của họ. Một mô hình 14B đã được phát hành, và bài báo nghiên cứu cũng mô tả một phiên bản 1.3B được thiết kế để triển khai trên GPU tiêu dùng đơn lẻ, với đầy đủ trọng số và mã nguồn đi kèm. Hiện đã có bản demo trực tuyến do đối tác ra mắt của họ là Reactor vận hành, bạn có thể vào chơi thử ngay. @robbyant_brain #ad