Модель мира Ant с открытым исходным кодом и 1,3 млрд параметров

Китайские ИИ-модели становятся компактнее: Ant Group открывает исходный код LingBot-World 2.0 — модели мира с 1,3 млрд параметров, которая генерирует видео в реальном времени на одной потребительской видеокарте.

Ant Group открывает исходный код модели мира с 1,3 млрд параметров, работающей в реальном времени на одной видеокарте

10 сентября 2026 года команда Lingbo из Ant Group выпустила облегчённую версию LingBot-World 2.0 — модель мира всего с 1,3 млрд параметров, рассчитанную на генерацию мира в реальном времени на одной потребительской видеокарте (QbitAI, 10 сентября 2026 года). Полная модель с 14 млрд параметров, исходный код которой был открыт в июле 2026 года, уже обеспечивала непрерывную генерацию длительностью до часа с выводом в реальном времени в разрешении 720p и частотой 60 кадров в секунду, но требовала серьёзной инженерной инфраструктуры. Версия с 1,3 млрд параметров переносит те же возможности на одну видеокарту (официальный сайт).

Момент на выставке IFA в Берлине

Выход версии с 1,3 млрд параметров предвещали дважды. Это число появилось в аннотации июльской научной работы, а затем на прошлой неделе на выставке IFA в Берлине старший вице-президент AMD Джек Хюнь назвал в своей вступительной речи три модели с открытым исходным кодом: Zhipu, Qwen и LingBot-World. Он провёл демонстрацию в реальном времени: по одному запросу сгенерировался мир, в котором персонаж долго исследовал китайский город и европейскую сельскую местность, а сцена непрерывно разворачивалась по мере его движения (QbitAI, 10 сентября 2026 года).

Вердикт Хюня уместился в одно предложение:

«За этим будущее персонального ИИ».

(Подтверждено: публикация QbitAI)

От 14 млрд параметров к 1,3 млрд: не просто уменьшение

Команда не стала сначала создавать модель с 14 млрд параметров, а затем уменьшать её. Вместо этого она прошла единый путь обучения до конца, и небольшая модель стала естественным результатом этого процесса (arXiv: 2607.07534).

Первым этапом было предварительное обучение на причинных моделях мира. «Причинный» означает, что модель генерирует текущее состояние, используя только прошлую визуальную информацию и ввод пользователя, доступные к настоящему моменту. Будущие кадры не могут просочиться в данные. Однако авторегрессионные модели подают собственные выходные данные обратно на вход, поэтому небольшая ошибка на раннем этапе со временем накапливается. Текстуры размываются, геометрия искажается, а сцены теряют связность.

MoBA: сочетание двунаправленного и авторегрессионного внимания

Чтобы качество генерации оставалось стабильным при работе с длинными контекстами, команда разработала MoBA (маску смеси двунаправленного и авторегрессионного внимания). Чистое обучение с принудительной подстановкой правильных ответов на длинных контекстах приводит к переобучению: модель чрезмерно полагается на безупречный контекст, и качество изображения ухудшается. MoBA добавляет в маску такого обучения долю двунаправленного внимания, действуя как регуляризатор, который помогает модели адаптироваться к видео разной длительности (arXiv: 2607.07534).

Команда сравнила эту базовую модель с MAGI и HY-World 1.5 при генерации длинных последовательностей. На отрезке от 5 до 60 секунд LingBot-World 2.0 стабильнее сохраняла текстуры, геометрию и целостность сцен (QbitAI, 10 сентября 2026 года).

Дистилляция: согласованность и сопоставление распределений

Даже высококачественная базовая модель работает медленно. Для каждого кадра требуется много шагов устранения шума, что слишком затратно для взаимодействия в реальном времени. Команда применила двухэтапную дистилляцию:

• Дистилляция согласованности сжимает многошаговую траекторию устранения шума учительской модели до нескольких шагов, сохраняя динамику, обусловленную действиями, которую модель усвоила во время предварительного обучения.

• DMD (дистилляция сопоставления распределений) обучает студенческую модель на её собственных длинных траекториях последовательного развёртывания. Состояния, с которыми модель действительно столкнётся при развёртывании, встречаются и во время обучения, что уменьшает накопление ошибок при длительной авторегрессионной генерации (arXiv: 2607.07534).

Три выпуска, одна цель: снизить порог входа

Каждый выпуск отвечал на свой вопрос. Версия с 1,3 млрд параметров, а также открытие доступа к базовой модели причинного предварительного обучения и двунаправленной учительской модели расширяют возможности исследовательского конвейера. Небольшая модель позволяет большему числу людей запускать модели мира локально. Модели, открытые на предыдущих этапах, дают сообществу возможность дообучать, дистиллировать, сжимать их и адаптировать к специализированным сценариям (QbitAI, 10 сентября 2026 года).

Что это значит

Эта закономерность повторяется на протяжении всей истории ИИ. Технологию обычно распространяет не самая мощная версия, а первая версия, достаточно компактная и дешёвая, чтобы её можно было попробовать. На первом этапе развития модели мира конкурировали по длительности генерации и точности. Следующий этап, возможно, будет посвящён вопросу о том, сможет ли обычная видеокарта запустить такую модель.

Источники

• QbitAI (Quantum Bit) — исходная публикация

• Официальный сайт

• Коллекция моделей на Hugging Face

• Код на GitHub

• Научная работа на arXiv