Mô hình thế giới đầu tiên đạt khả năng tạo nội dung 'cấp giờ': Ant Group mở mã nguồn LingBot-World 2.0 hỗ trợ tương tác đa người dùng

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">

09/07/2026 11:39:41 Nguồn: QbitAI

Ngày 9 tháng 7, Ant Lingbo Technology đã mã nguồn mở thế hệ mới của mô hình thế giới tương tác thời gian thực LingBot-World 2.0 (còn gọi là LingBot-World-Infinity). Mô hình này được nâng cấp toàn diện về khả năng dự đoán và tương tác với thế giới, hỗ trợ tạo nội dung thời gian thực theo giờ, xuất hình ảnh độ phân giải cao 720p/60fps, cùng các hành động và sự kiện tương tác phong phú hơn. Đặc biệt, đây là lần đầu tiên trong ngành, cơ chế Agent được đưa vào mô hình thế giới, giúp thế giới được tạo ra không chỉ dừng lại ở mức "có thể xem, có thể điều khiển" mà còn tiến xa hơn tới "tương tác bền vững và biến đổi linh hoạt".

(Chú thích ảnh: LingBot-World 2.0 đạt trình độ hàng đầu trong ngành về thời lượng tạo, mức độ năng động và tính thời gian thực)

Tháng 1 năm nay, Ant Lingbo đã mã nguồn mở thế hệ đầu tiên của mô hình thế giới LingBot-World, tập trung giải quyết vấn đề "trôi dạt dài hạn" (long-term drift) thường gặp trong tạo video dài, tức là khi thời gian tạo càng lâu, hình ảnh dễ bị mờ và cấu trúc dễ bị biến dạng. LingBot-World 1.0 đã đẩy thời lượng tạo ổn định liên tục lên gần 10 phút, đồng thời hỗ trợ điều khiển bằng bàn phím, chuột và thay đổi môi trường thông qua văn bản, thu hút sự quan tâm rộng rãi của ngành.

Trên cơ sở đó, LingBot-World 2.0 tiếp tục tiến tới "tạo vô hạn". Mô hình áp dụng mô hình tiền huấn luyện nhân quả (causal pre-training paradigm) và đưa vào cơ chế MoBA tự phát triển, cho phép mô hình học cách thế giới vận hành theo trình tự thời gian của các tương tác thực tế — dựa trên hình ảnh, hành động và trạng thái cảnh đã xảy ra để liên tục dự đoán những thay đổi tiếp theo, từ đó giảm thiểu vấn đề sai lệch tích tụ trong quá trình tạo dài hạn, tránh tình trạng hình ảnh càng tạo càng mờ, cấu trúc càng tạo càng mất đi tính chân thực.

Trong bài kiểm tra áp lực liên tục kéo dài một giờ, hình ảnh của LingBot-World 2.0 luôn giữ được kết cấu sắc nét, cấu trúc cảnh quay nhất quán mà không có sự suy giảm chất lượng hình ảnh rõ rệt.

Để đảm bảo trải nghiệm tương tác thời gian thực, Ant Lingbo đã chưng cất (distill) từ mô hình tiền huấn luyện ra một phiên bản nhanh dành cho tương tác thời gian thực, đồng thời tối ưu hóa hệ thống quy trình tạo. Hình ảnh không còn phải đợi tạo xong toàn bộ mới phát, mà được thực hiện theo cơ chế vừa tạo, vừa truyền tải, vừa hiển thị. Kết quả là LingBot-World 2.0 đã đạt được khả năng xuất hình ảnh ổn định 720p/60fps, khi người dùng điều khiển nhân vật di chuyển hoặc thay đổi góc nhìn bằng bàn phím, hình ảnh phản hồi tức thì gần như không có độ trễ.

Về mặt tương tác, LingBot-World 2.0 không còn chỉ là "đi lại, ngắm nhìn". Mô hình hỗ trợ nhiều loại hành động như tấn công, bắn cung, thi triển phép thuật, bắn súng, nhảy, lướt, v.v. Kết quả hành động được mô hình tạo ra theo thời gian thực dựa trên trạng thái cảnh, đảm bảo tính hợp lý về vật lý và sự nhất quán về thị giác; đồng thời hỗ trợ kích hoạt các sự kiện như chuyển đổi ngày đêm, thay đổi thời tiết, chèn thực thể thông qua văn bản. Hệ thống còn tích hợp cơ chế Dual-Agent: Pilot Agent chịu trách nhiệm lập kế hoạch và thực hiện hành vi nhân vật, trong khi Director Agent đưa ra các sự kiện mới theo thời gian thực trong quá trình phát triển cảnh. Ngoài ra, mô hình hỗ trợ nhiều người dùng cùng lúc bước vào một thế giới vận hành liên tục để cùng khám phá và tương tác, mở ra trải nghiệm tương tác nhiều người chơi nguyên bản từ AI.

Đợt mã nguồn mở lần này cũng hạ thấp đáng kể ngưỡng sử dụng mô hình thế giới. Là mô hình thế giới tương tác thời gian thực thế hệ mới, LingBot-World 2.0 không chỉ được ứng dụng rộng rãi trong tạo nội dung game, tiền kỳ phim ảnh, mô phỏng ảo, bản sao kỹ thuật số (digital twin), mà quan trọng hơn, với tư cách là một phần quan trọng của "bộ não toàn năng" Ant Lingbo 2.0, nó còn hỗ trợ các kịch bản huấn luyện robot và trí tuệ hiện thân (embodied AI).

Hiện tại, người dùng có thể trải nghiệm trực tuyến trên nền tảng Reactor và ứng dụng Lingguang để cảm nhận khả năng tạo thời gian thực, tương tác liên tục và sự tiến hóa thế giới năng động do Agent điều khiển của LingBot-World 2.0.

Bài viết này do Ant Lingbo cung cấp, QbitAI được ủy quyền đăng tải lại, quan điểm thuộc về tác giả gốc.

Bản quyền thuộc về đơn vị sở hữu, không được phép sao chép hoặc sử dụng dưới mọi hình thức khi chưa được ủy quyền, mọi hành vi vi phạm sẽ bị xử lý theo pháp luật.