Van één afbeelding een nooit eindigende 3D-wereld genereren: LingBot-World 2.0 vandaag open source, grenzeloze interactie op 60fps

In de wereld van wereldmodellen is opnieuw een zware bom gevallen. Op 9 juli heeft het Lingbo-team van Ant (Robbyant) LingBot-World 2.0 (codenaam LingBot-World-Infinity) officieel open source uitgebracht: paper, code én modelgewichten zijn allemaal publiek. Deze keer hebben ze de twee lastigste kneuzen van wereldmodellen – 'onbeperkte duur' en 'een wereld met willekeurige veranderingen' – eindelijk weten te kraken.

Laten we eerst de meest indrukwekkende cijfers noemen: 720p, 60fps, onbeperkte duur. Niet 'bijna onbeperkt', maar echt grenzeloze interactie binnen het causale pretraining-paradigma – zolang je GPU maar stroom krijgt, kan het model eindeloos blijven genereren, en de kwaliteit van de output degradeert niet in de loop van de tijd. Vergeleken met versie 1.0, die slechts bijna 10 minuten stabiele generatie volhield, is deze generatie volledig op de limiet getuned.

Vier grote ker upgrades: van 'bruikbaar' naar 'leuk'

LingBot-World 2.0 brengt kwalitatieve sprongen op vier dimensies, die elk recht op de pijnpunten van wereldmodellen gericht zijn.

① Onbeperkte interactieduur

Dit is de meest fundamentele doorbraak. Versie 1.0 ondersteunde weliswaar bijna 10 minuten stabiele generatie, maar er was uiteindelijk een limiet. Versie 2.0 gebruikt een zorgvuldig ontworpen causaal pretraining-paradigma (causal pretraining paradigm), waarmee het model een onbeperkte interactieduur kan bereiken met behoud van consistente outputkwaliteit. In het kort: je personage kan eindeloos blijven rondlopen in de wereld, het beeld wordt niet steeds waziger en de fysieke logica raakt niet in de war.

De technische sleutel ligt in het schuivende-vensterontwerp van de KV Cache. Het model stopt niet alle historische frames in het videogeheugen, maar bewaart de KV-cache van sink-frames (ankerframes) plus de laatste N frames, en beweegt vooruit als een stromende rivier. Zo blijft de langetermijnconsistentie gewaarborgd én wordt het videogeheugengebruik onder controle gehouden.

② Realtime respons op 60fps

Versie 1.0 draaide op 16FPS met een latentie onder één seconde. Versie 2.0 heeft de realtime variant gedistilleerd naar 720p 60fps. Dit is geen vooraf gerenderde video-afspeling, maar echte realtime generatie – je drukt op een toets en het beeld reageert direct. Via modeldistillatie heeft het team uit het 14B-basismodel een lichtgewicht realtime-variant gedestilleerd die de inferentielatentie aanzienlijk verlaagt met behoud van beeldkwaliteit.

③ Rijkere interactie-elementen

Versie 1.0 ondersteunde vooral camerabediening (pan, rotatie) en basisacties (vooruit, springen). Versie 2.0 breidt de actieset flink uit: aanvallen, boogschieten, spreuken en schieten worden allemaal ondersteund. Belangrijker nog: er is een tekstaangedreven gebeurtenissysteem geïntroduceerd – je kunt met een tekstbeschrijving de toestand van de wereld veranderen, bijvoorbeeld 'een stoel oproepen' of 'een bloem toveren', en het model genereert realtime de bijbehorende inhoud en voegt die in de scène in.

④ Agentic Harness: de AI regisseert zichzelf

Dit is de meest vooruitstrevende poging. Het team heeft een agent-framework in het wereldmodel geïntegreerd, met twee rollen:

Pilot Agent: verantwoordelijk voor het plannen en uitvoeren van het gedrag van het personage; bepaalt waar het personage naartoe gaat en welke acties het uitvoert
Director Agent: verantwoordelijk voor het samenstellen van nieuwe omgevingselementen; genereert dynamisch nieuwe content naarmate de scène vordert

In feite kan het model zelf fungeren als game-engine én gamedesigner: je geeft het slechts één afbeelding en een tekstbeschrijving, en het draait zelfstandig een voortdurend evoluerende wereld.

Modelspecificaties: 14B vlaggenschip + 1.3B lichtgewicht

Er zijn twee modelgroottes uitgebracht:

14B vlaggenschipversie: biedt drie varianten – causal-fast (causale snelle inferentie), causal-pretrain (causale pretraining) en bidirectional (bidirectioneel) – met volledige prestaties
1.3B lichtgewichtversie: biedt de varianten causal-fast en causal-pretrain, ondersteunt implementatie op één GPU

De 14B-versie heeft 8 GPU's nodig voor parallelle inferentie over meerdere kaarten; de 1.3B-versie draait op één kaart. Beide versies zijn al geüpload naar HuggingFace en ModelScope. 1.0 gebruikte de soepele Apache 2.0-licentie; 2.0 is gewijzigd naar CC BY-NC-SA 4.0 (niet-commercieel).

Hoe je het aan de praat krijgt

De code is gebouwd op Wan2.2; het installatieproces is heel standaard:

git clone https://github.com/robbyant/lingbot-world-v2.git
cd lingbot-world-v2
pip install -r requirements.txt
pip install flash-attn –no-build-isolation

Download de modelgewichten (als voorbeeld 14B causal-fast):

huggingface-cli download robbyant/lingbot-world-v2-14b-causal-fast –local-dir ./lingbot-world-v2-14b-causal-fast

Draai een causale inferentie op 480P:

torchrun –nproc_per_node=8 generate.py \
–task i2v-A14B –size 480*832 \
–ckpt_dir lingbot-world-v2-14b-causal-fast \
–image examples/03/image.jpg \
–action_path examples/03 \
–dit_fsdp –t5_fsdp –ulysses_size 8 \
–frame_num 361 –local_attn_size 18 –sink_size 6 \
–prompt “A serene lakeside scene with a lone tree standing in calm water…”

Uitleg van de belangrijkste parameters:
– frame_num: aantal te genereren frames; 361 frames is ongeveer 22 seconden @16fps, maar bij causale inferentie kan dit groter worden ingesteld
– local_attn_size: grootte van het lokale aandachtsvenster; bepaalt hoeveel historische frames per stap worden bekeken
– sink_size: aantal ankerframes; de eerste paar frames worden bewaard als globale context

Online uitproberen

Geen 8 A100-kaarten? Geen probleem, het team biedt twee online platformen om het te ervaren:

Buitenland (Reactor): reactor.inc/lingbot-world-v2, direct speelbaar in de webbrowser
China (Lingguang): lingguang.com/support, te ervaren op de mobiele telefoon

Bovendien is er eind juli een officiële complete demostand op de WAIC 2026 (World Artificial Intelligence Conference); wie de volledige versie wil ervaren kan dan ter plaatse gaan.

Implementatie: SGLang ondersteunt het standaard

Als je zelf wilt implementeren: SGLang ondersteunt het realtime inferentiepad van LingBot-World 2.0 standaard. Het gebruikt het WebSocket + MessagePack-protocol; de server houdt één actieve sessie bij en genereert videoframes chunk voor chunk, met ondersteuning voor het dynamisch ontvangen van besturingsgebeurtenissen tijdens runtime (camera-acties, wijzigingen van tekstprompts, enz.).

De kern-API is een /v1/realtime_video/generate WebSocket-eindpunt; na verbinding stuurt de client eerst een init-bericht (met parameters zoals de afbeelding van het eerste frame, prompt, afmetingen, FPS), en daarna kan hij voortdurend event-berichten sturen om de scène bij te werken. De ondersteunde gebeurtenistypen zijn prompt-updates, camera-acties en samengestelde invoer.

Hoe verhoudt het zich tot Google Genie 3?

Bij de release van versie 1.0 positioneerde het team zichzelf expliciet ten opzichte van Google Genie 3. Van 1.0 naar 2.0 is de kloof niet alleen gedicht, maar op sommige fronten zelfs omgeslagen in een voorsprong:

Duur: Genie 3 heeft beperkte duur vs. LingBot 2.0 onbeperkt
Resolutie/FPS: Genie 3 heeft gedetailleerde specificaties niet openbaar gemaakt vs. LingBot 2.0 duidelijk 720p@60fps
Open source-graad: Genie 3 is gesloten vs. LingBot 2.0 volledig open source (paper + code + gewichten)
Rijkdom aan interactie: de Agentic Harness van LingBot 2.0 is een primeur in het domein van wereldmodellen

Beperkingen en tekortkomingen

Objectief gezegd een paar beperkingen:

De 14B-versie heeft 8 GPU's nodig, dus de drempel is niet laag (de 1.3B-versie verzacht dit probleem)
De licentie van 2.0 is gewijzigd naar CC BY-NC-SA 4.0; commercieel gebruik vereist aparte toestemming
Het team heeft expliciet aangegeven geen implementatiecode vrij te geven; je zult het zelf moeten uitzoeken met SGLang of flashdreams
De realtime 60fps-versie is een gedistilleerde lichtgewicht variant; de beeldkwaliteit is in theorie lager dan die van het volwaardige 14B

Wat betekent dit?

Wereldmodellen bewegen zich van 'labdemo' naar 'bruikbaar product'. De drie belangrijkste doorbraken van LingBot-World 2.0 – onbeperkte duur, realtime respons en agent-gedreven – komen precies overeen met de kernbehoeften van de drie grote toepassingsgebieden: games, virtuele werelden en robottraining.

Stel je voor: met één afbeelding en één stuk tekst genereert een AI een 3D-wereld die je vrij kunt verkennen en die nooit stopt, met personages die spreuken kunnen uitvoeren, willekeurig verschijnende nieuwe objecten en een voortdurend evoluerende omgeving. Dit is geen sciencefiction meer; dit is code die je vandaag al kunt draaien.

Van LingBot-Depth (ruimtelijke waarneming) via LingBot-VLA (belichaamde besluitvorming) tot LingBot-World (wereldsimulatie), plus het nieuw open source gekoppelde LingBot-Map (realtime mapping): het Lingbo-team van Ant heeft een complete technologiestapel voor belichaamde intelligentie opgebouwd. Het wereldmodel is het belangrijkste puzzelstuk daarin – het stelt AI niet alleen in staat de wereld te 'begrijpen', maar ook te 'creëren'.

Eén afbeelding, één zin, een oneindige wereld. Dit is het jaar 2026 van de wereldmodellen.

Projectadres: github.com/Robbyant/lingbot-world-v2
Paper: arxiv.org/abs/2607.07534
Online uitproberen: reactor.inc/lingbot-world-v2