TL;DR场景你看到 LingBot-World 2.0又称 Infinity演示起来像「无限世界」但公开仓库只有 8 GPU / 480p 的研究命令你想搞清楚它到底强在哪、限在哪、本地能不能跑。结论World 2.0 不是更长的视频生成器而是**「因果分块 KV Cache 1.3B/14B 双规格 Agentic Harness」驱动的可交互世界模型公开了研究推理代码和 14B 权重但不公开生产部署栈**720p/60 FPS 是官方系统上限公开仓库按 480p/361 帧/8 GPU 复现。产出四层世界模型定义、World 1.0/2.0 对比、因果生成公式、KV Cache 机制、4 类长期漂移、Agentic Harness 双 Agent 闭环、开源/许可证边界、8×A6000 48GB 资源规划、6 类评估方法、10 条常见误解速查。版本矩阵维度World 1.02026-01-29World 2.0 / Infinity2026-07-09状态基础视频底座Wan2.2 14BWan2.2 14B✅ 已验证论文 公开仓库公开权重Base-Cam / Base-Act / Fast14B causal-fast✅ 已验证HF/ModelScope 公开1.3B 蒸馏版—计划中⚠️ 截至 7-11 未公开发布⚠️ 用户声明媒体提及未独立命中下载源核心架构双向 DiT MoE28B 总参 / 14B 激活块因果注意力Block Causal MoBA 14B causal-fast✅ 已验证论文 官方介绍注意力机制双向混合双向/自回归MoBA✅ 已验证论文 多家媒体实时性16 FPS / 端到端 1 秒720p / 60 FPS官方系统上限✅ 已验证公开命令 / 官方介绍时长近 10 分钟连续稳定小时级无界✅ 已验证一小时压力测试公开报道交互能力相机/动作/文本事件相机 攻击/射箭/施法/射击 文本事件 Pilot/Director Agent✅ 已验证多用户—支持多人同世界✅ 已验证官方介绍公开推理命令480P/720P8 GPU480×832 / 361 帧 / 8 GPU / DiT FSDP T5 FSDP Ulysses 8✅ 已验证README许可证Apache 2.0CC BY-NC-SA 4.0✅ 已验证商业使用允许仅非商业✅ 已验证生产部署代码研究代码公开⚠️ 明确不计划公开✅ 已验证README 声明官方实时系统—Reactor 平台 / 灵光 APP 体验入口✅ 已验证官方介绍与 SGLang 适配—Day 0 适配✅ 已验证官方介绍World 1.0 论文 arXiv IDarXiv:2601.20540—⚠️ 用户稿未引用 World 1.0 论文World 2.0 论文 arXiv ID—⚠️ 用户声明 arXiv:2607.07534⚠️ 联网未独立命中此 ID请核 arXiv 实际编号模型包体积—14B causal-fast 约 86.1 GB⚠️ 用户声明HF 公开仓库可印证大致量级显存规划8×A6000 48GB—容量可运行公开路径✅ 已验证容量匹配 8 GPU 进程World 1.0 商业兼容路径NF4 量化社区版—✅ 已验证cahlen/lingbot-world-base-cam-nf4 公开LingBot-World 2.0 的全名是LingBot-World-Infinity。它会生成视频但不能只把它理解成一个更长的视频生成模型。它的目标不是根据一句提示词一次性完成一段固定视频而是接收持续的控制输入让场景、角色和镜头在交互过程中不断演化。普通图生视频的逻辑更接近初始图片 文本提示词 ↓ 一次性采样固定长度的视频交互式世界模型的逻辑更接近当前世界状态 控制信号 ↓ 生成下一段世界状态 ↓ 接收新的控制信号 ↓ 继续生成下一段世界状态第二种形式要求模型维护历史、响应动作、保存空间关系并控制长期误差。视频是它表现世界状态的媒介而不是唯一目标。什么条件下才能称为“世界模型”“世界模型”这个词被使用得很宽泛。对 LingBot-World 这类系统可以至少从四个层面判断。层面普通视频生成交互式世界模型条件输入文本、图片、参考视频文本、图片、相机轨迹、角色动作、事件指令时间结构一次性生成固定片段按时间块持续生成并保留历史状态用户控制通常在采样前给定生成过程中持续输入主要评估画质、运动、提示词遵循控制响应、因果一致性、长期记忆、世界稳定性LingBot-World 2.0 官方强调四个升级方向无界交互时长即生成过程不再预设一个严格的终点。通过蒸馏得到实时变体官方系统可驱动 720p、60 FPS 视频流。增加攻击、射箭、施法、射击等动作以及文本驱动的世界事件。加入 Agentic Harness由 Pilot Agent 控制角色行为由 Director Agent 在推进过程中生成新的环境元素。这些描述说明它试图把视频生成器变成一个可以被人或 Agent 驱动的状态演化系统。World 1.0 与 World 2.0 的关系LingBot-World 1.0 于 2026 年 1 月公开。它基于 Wan2.2重点是高保真环境、分钟级一致性、相机或动作控制以及低延迟交互。官方随后发布 Camera Control、Action Control 和 Fast 模型。LingBot-World 2.0 于 2026 年 7 月 9 日公开技术报告、推理代码和模型。升级重点不是简单增加分辨率而是重构连续生成方式和交互类型。维度World 1.0World 2.0 / Infinity主要控制相机姿态、动作相机、角色动作、文本事件、Agent 行为时间目标分钟级长视频与实时交互无界交互时长公开模型Base Cam、Base Act、Fast 等14B causal-fast公开推理480P/720P多 GPU 参考脚本480P、8 GPU、按块因果推理许可证Apache 2.0CC BY-NC-SA 4.0商业使用许可证层面允许仅非商业使用生产部署代码研究代码公开官方明确不计划公开生产部署代码World 2.0 不是 World 1.0 的无约束替代。许可证更严格公开系统与官方演示系统之间的差距也更明确。因果视频生成如何维持连续世界传统扩散视频模型常把一个视频片段作为整体处理片段内可以使用双向上下文。交互系统不能依赖尚未发生的未来信息用户下一秒可能按下不同按键模型必须根据已经发生的历史继续生成。LingBot-World 2.0 的公开推理代码采用因果生成和 KV Cache按 chunk 处理视频帧而不是一次性把所有帧放入模型。可以把每一步写成简化形式[X_{t1:tk} \sim p_\theta\left(X_{t1:tk}\mid X_{\le t}, U_{\le t}, C\right)]其中(X) 是视频世界状态(U) 是相机、角色动作或事件控制(C) 是文本和初始条件(k) 是一次生成的视频块长度。KV Cache 用来复用历史注意力结果避免每次生成都从第一帧重新计算。它降低了连续生成成本但也带来缓存显存、长期漂移和错误固化问题。“无限”不代表不会漂移“无界交互时长”描述的是模型可以继续生成不等于任何时长下都能保持完美一致。长期世界生成通常面临四类累积误差几何漂移道路、房间、山体和建筑的空间结构在多轮生成后可能变化。用户转身回到原处时原来的物体可能消失、位移或变形。身份漂移角色服装、武器、手部、载具和环境标志可能逐渐变化。世界越长维持对象身份需要的记忆越多。控制漂移用户输入“向左”后镜头或角色可能响应不足、延迟响应或者执行了视觉上相似但语义不同的动作。因果漂移已经完成的事件可能被后续画面撤销。例如门已经打开下一段又自动关闭物体已被破坏之后重新完整出现。因此“无限世界”应当被理解成一种生成接口和训练目标而不是对无限时长一致性的数学保证。Agentic Harness 在做什么LingBot-World 2.0 把交互控制扩展到了 Agent。官方描述了两个角色Pilot Agent规划并执行角色动作 Director Agent随着场景推进生成新的环境元素和事件这会形成一个两层闭环世界模型提供可观察环境Pilot 负责局部行为Director 负责场景扩展。这个结构可以用于自动探索、游戏测试、数据生成或 Agent 评估。但公开仓库主要提供世界模型推理而不是一套可以直接复现官方 Agent 系统的完整产品栈。Agent 的规划模型、状态抽取、控制协议、故障恢复和并发调度仍然是独立工程问题。它可以生成什么类型的视频LingBot-World 2.0 的输入是初始图像、文本描述和控制序列。公开演示覆盖写实、幻想、室内、自然环境和角色交互等场景。它适合的输出包括第一人称或第三人称可移动场景受相机轨迹控制的环境探索角色攻击、射击、施法等行为文本触发的环境事件Agent 连续操作产生的世界状态视频。它不等于传统游戏引擎。公开模型没有显式输出可编辑网格、碰撞体、刚体参数、导航网格或确定性的游戏状态。视频中“看起来发生了碰撞”不代表存在可查询的物理碰撞对象。更准确的定位是一个以视频作为状态表示、以生成模型作为转移函数的神经世界模拟器。开源状态与许可证截至 2026 年 7 月 11 日官方公开内容包括LingBot-World 2.0 GitHub 仓库14B causal-fast 权重基于 Wan2.2 的推理代码480P、8 GPU 参考命令因果分块生成和 KV Cache技术报告示例输入和动作控制文件。没有公开的部分包括官方 720p、60 FPS 生产部署代码官方完整实时服务架构生产环境使用的调度、量化和内核优化1.3B World 2.0 权重完整 Agentic Harness 产品代码。官方仓库明确表示不计划发布生产部署代码并建议参考 SGLang 的 LingBot-World 部署或 flashdreams。许可证为CC BY-NC-SA 4.0必须署名只允许非商业使用修改和衍生作品必须采用相同许可证。这意味着它可以用于研究、教学和非商业实验但不能仅凭公开权重就投入商业产品。官方公开推理配置官方当前公开的命令使用 8 个 GPU 进程torchrun--nproc_per_node8generate.py\--taski2v-A14B\--size480*832\--ckpt_dirlingbot-world-v2-14b-causal-fast\--imageexamples/03/image.jpg\--action_pathexamples/03\--dit_fsdp\--t5_fsdp\--ulysses_size8\--frame_num361\--local_attn_size18\--sink_size6\--promptA serene lakeside scene...这个命令明确了公开参考路径分辨率480 × 832 帧数361 GPU 进程8 并行DiT FSDP T5 FSDP Ulysses 8 生成方式因果分块 KV Cache361 帧不等于无限时长。无限交互需要外层服务持续提交控制信号、保存状态并串联生成块公开命令只是单次研究推理入口。模型体积与资源需求Hugging Face 上的lingbot-world-v2-14b-causal-fast模型仓库约 86.1 GB其中包含 14B 世界模型、UMT5-XXL 文本编码器、VAE、Tokenizer 和其他组件。模型包体积不能直接等同于显存但可以判断单卡装载边界14B BF16 主模型参数理论上约占 28 GB文本编码器、VAE 和其他权重继续占用内存长视频注意力、KV Cache、扩散中间张量和 CUDA 工作区会显著增加显存公开代码按 8 GPU 分片设计。单卡 A6000 48GB 能否运行按官方公开路径答案是不能作为受支持配置。原因不是单纯“14B 大于 48GB”而是完整系统包含多个组件和长视频状态且官方没有提供 World 2.0 的单卡 CPU Offload、量化或低显存脚本。理论上可以自行进行以下改造将文本编码器和 VAE 卸载到 CPU对 DiT 进行 8-bit 或 4-bit 权重量化缩短帧数与上下文窗口降低分辨率分阶段加载组件将部分 KV Cache 放到主机内存。但这些都不是官方验证路径可能导致速度极慢、量化不兼容、注意力 OOM 或质量下降。不能把“理论上可以改造”写成“单卡 48GB 可以直接跑”。单卡想先验证 LingBot 世界模型现实选择是 World 1.0 的社区 NF4 量化版本。World 1.0 官方 README 对显存受限用户给出了该方向但它不是 World 2.0也不具备 Infinity 的全部能力。8×A6000 48GB 能否运行8×A6000 的拓扑与官方 8 rank 命令一致总显存 384 GB从容量上具备运行公开 14B causal-fast 推理的条件。建议资源规划如下。除官方命令外内存和磁盘数值是工程估算不是官方最低配置资源建议性质GPU8×RTX A6000 48GB与官方 8 GPU 进程匹配总显存384 GB硬件事实系统内存256 GB 起步512 GB 更稳工程估算本地磁盘至少 200 GB NVMe工程估算PyTorch2.4 及以上官方要求FlashAttention需要安装官方要求精度以官方 checkpoint 和代码默认值为准不应擅自假设A6000 可以解决显存容量但不会复现官方生产系统的吞吐。影响性能的因素包括A6000 是 Ampere 架构计算和低精度能力弱于 H100/H200多卡通信取决于 NVLink 拓扑和 PCIe 带宽Ulysses Sequence Parallel 对跨卡通信敏感长视频 KV Cache 会增加显存访问和同步成本生成速度还受到 CPU、磁盘和首次模型装载影响。公开仓库没有给出 8×A6000 的帧率或总生成时间。因此正确表述是“容量上可运行公开路径”不是“能够达到 720p、60 FPS”。公开代码与官方实时系统不是同一个交付物这是评估 LingBot-World 2.0 时最重要的边界。能力官方描述公开仓库可直接复现14B causal-fast 权重是是480P、361 帧、8 GPU 推理是是KV Cache 因果分块生成是是720p、60 FPS 实时流是否生产代码未公开无限交互服务是需要自行搭建外层状态与请求循环Agentic Harness 完整系统是否不是开箱即用模块商业部署许可证限制不允许官方演示指标说明团队内部系统的上限不构成公开仓库在任意 8 卡机器上的性能承诺。如何评估一个世界模型是否真的可用普通视频评价指标不足以判断交互式世界。至少需要以下测试。控制响应连续输入前进、后退、左转、右转、攻击和停止检查动作是否及时、方向是否正确、是否存在控制串扰。闭环一致性执行一组动作后回到起点检查场景结构和对象身份是否保持。只看单向移动无法发现回环漂移。因果持久性对世界做出可观察改变例如打开门、拿走物体、破坏障碍物然后经过多轮生成检查结果是否持续存在。长期退化记录第 1、10、50、100 个生成块的画质、几何、角色身份和控制准确率而不是只展示最初几十秒。反事实可控性从同一初始状态分别执行不同动作观察生成结果是否产生有意义的分叉。若不同控制得到近似视频模型并未真正使用控制信号。延迟分解将性能拆为模型装载、文本编码、每块扩散、VAE 解码、跨卡同步、视频编码和端到端响应时间避免只报一个模糊 FPS。它适合哪些项目LingBot-World 2.0 适合交互式视频世界研究生成模型中的长期记忆与因果建模Agent 在视频世界中的规划与探索游戏概念验证和视觉原型为机器人或具身模型生成高层视觉经验多卡视频推理、KV Cache 和序列并行研究。它不适合直接替代需要确定性碰撞和可查询状态的物理仿真器要求商业授权的游戏或内容产品单卡实时部署要求公开代码复现官方 720p、60 FPS 指标的项目对几何、物理和状态一致性要求可验证的安全关键系统。结论LingBot-World 2.0 的核心不是“生成更长的视频”而是把视频生成改造成一个可以持续接受动作和事件的因果状态转移系统。它公开了 14B causal-fast 权重和 8 GPU 研究推理代码足以研究连续生成、控制响应和 KV Cache但没有公开官方 720p、60 FPS 生产部署栈。对单卡 A6000 48GB不应把 World 2.0 当作可直接部署模型对 8×A6000 48GB可以按官方 8 rank 路径进行离线研究推理但速度和实时性必须实测。最准确的认知是LingBot-Video生成一段视频 LingBot-World让视频世界在控制下继续发生 游戏引擎维护显式、可查询、确定性的世界状态LingBot-World 位于视频生成与交互式模拟之间。它拓展了生成模型的交互边界但尚未消除神经视频世界在长期一致性、显式状态和可验证物理上的限制。参考资料LingBot-World 2.0 官方 GitHubLingBot-World 2.0 项目页LingBot-World 2.0 论文LingBot-World 2.0 14B causal-fast 权重LingBot-World 1.0 官方 GitHub错误速查卡症状根因定位修复把 LingBot-World 2.0 当成「更长的视频生成器」它是因果分块 KV Cache 的状态转移系统不是固定长度视频采样看「因果视频生成如何维持连续世界」节用「当前状态 控制 → 下一段状态」理解输出只是状态表示误以为 World 2.0 是 World 1.0 的无约束升级许可证改为 CC BY-NC-SA 4.0限制商用看「World 1.0 与 World 2.0 的关系」节商用前看许可证要 Apache 2.0 用 World 1.0把「无界交互时长」当成长度保证它是生成接口和训练目标不是无限时长一致性的数学保证看「无限不代表不会漂移」节看四类长期漂移几何/身份/控制/因果把 720p / 60 FPS 当作公开仓库性能承诺公开命令是 480P/361 帧/8 GPU720p/60 FPS 是官方生产系统上限看「公开代码与官方实时系统不是同一个交付物」表按 8 GPU/480p 估算不要把官方演示当复现性能误以为单卡 A6000 48GB 能直接跑 World 2.014B 主模型 UMT5 VAE 长视频 KV Cache官方未提供单卡 offload 脚本看「单卡 A6000 48GB 能否运行」节走 8 GPU 路径或退回 World 1.0 NF4 量化版Apache 2.0把 8×A6000 当成能复现 720p/60 FPS 的硬件A6000 是 Ampere 架构 Ulysses SP 通信敏感 长视频 KV Cache官方未给 8×A6000 实测帧率看「8×A6000 48GB 能否运行」节表述成「容量可运行公开路径」不报帧率误以为 World 2.0 已经有 1.3B 公开权重1.3B 蒸馏版在官方介绍中提及⚠️ 截至 7-11 未独立命中公开下载源看版本矩阵 1.3B 行现阶段以 14B causal-fast 为唯一公开权重把 Agentic Harness 当成开箱即用的产品公开仓库主要给世界模型推理不是 Agent 产品栈看「Agentic Harness 在做什么」节Agent 规划 / 状态抽取 / 控制协议 / 故障恢复 / 调度需自己搭用普通视频评估指标判断世界模型质量普通指标只评画质和运动不评控制响应和长期记忆看「如何评估一个世界模型是否真的可用」节跑 6 类测试控制响应 / 闭环一致性 / 因果持久性 / 长期退化 / 反事实可控性 / 延迟分解误以为商业产品可以直接用 World 2.0 权重CC BY-NC-SA 4.0 限制商用衍生作品必须同许可证看「开源状态与许可证」节商用前评估许可证边界或等 Apache 2.0 的 World 1.0 / 商业授权