
源码系统概览
文章正文
LingBot-World 2.0 又名 LingBot-World-Infinity,是 Robbyant 团队在 GitHub 开源的世界模型与互动游戏引擎源码,基于 Wan2.2 视频生成基座构建,一张图片加动作序列即可生成可无限游玩的交互世界,覆盖攻击施法等多元动作与文本事件玩法,同时公开 14B 与 1.3B 两档四个模型变体。
项目由 Robbyant Team 维护,论文作者含 Zelin Gao、Qiuyu Wang 等二十人,2026 年 7 月 9 日发布推理代码与模型,2026 年 9 月 10 日最后更新并补齐全部模型变体,技术报告编号 arXiv 2607.07534,当前版本口径 v2.0,许可证为 CC BY-NC-SA 4.0,仅限非商业使用,不同于 MIT 或 Apache 协议。
源码简介
相对上一代,这一版带来四项核心升级,首先是无限交互时长,通过因果预训练范式保持长时间交互下输出质量稳定不劣化。
其次是实时响应能力,团队从基座模型蒸馏出实时变体,推理速度足以驱动 720P 视频流跑满 60 帧。
第三是交互元素大幅丰富,动作空间扩展到攻击施法等更广谱行为,并叠加更多文本驱动事件。
业界率先把智能体框架引入世界建模,领航智能体规划执行角色行为,导演智能体随场景推进合成新的环境元素。
和同类互动生成方案对比 Genie,LingBot-World 2.0 的差异点在实时帧率与智能体编排。
| 对比维度 | LingBot-World 2.0 | Genie |
|---|---|---|
| 推理帧率 | 720P 60帧实时流 | 非实时或低帧率生成 |
| 模型开放 | 14B 与 1.3B 四变体可下载 | 未开放模型权重 |
| 交互空间 | 攻击施法射击等多元动作 | 键鼠基础操作为主 |
| 智能体 | 领航加导演双智能体编排 | 无智能体框架 |
整体来看,想研究世界模型实时交互或搭建 AI 原生游戏玩法的团队,这套源码提供了从模型到推理脚本的完整参考。
欢迎感兴趣的开发者到 GitHub 仓库 star 和 fork 参与贡献。
适用场景
- 游戏工作室用图片加动作序列快速生成可交互原型世界。
- 世界模型研究者复现因果预训练与实时蒸馏流水线。
- 智能体开发者研究领航加导演的双智能体协同架构。
- 交互叙事团队低成本产出多题材风格的沉浸式演示。
技术栈与运行环境
代码基于 Wan2.2 构建,Python 环境需 torch 2.4.0 以上,依赖由 requirements.txt 声明,另需装 flash-attn 闪存注意力库。
推理入口为 generate.py,支持 KV 缓存分块处理视频帧,14B 模型 480P 推理配 8 卡 GPU,1.3B 配 4 卡,ulysses_size 需整除注意力头数。
功能亮点
- 无限交互时长,因果预训练范式保证长程输出质量一致。
- 实时变体驱动 720P 视频流满 60 帧运行。
- 攻击施法射击等多元动作交互。
- 文本驱动事件系统,语言指令实时改变世界走向。
- 领航智能体规划角色行为,导演智能体合成新环境元素。
- 14B 与 1.3B 两档四个模型变体,HuggingFace 与 ModelScope 双渠道下载。
技术架构与部署指南
安装与部署提示
克隆仓库后 pip install -r requirements.txt 装依赖,再执行 flash-attn 的独立安装命令。
模型权重通过 huggingface-cli 或 modelscope 命令下载到本地,1.3B 包仅含 DiT 权重,T5、VAE 与分词器需复用 14B 目录以 assets_dir 传入。
官方提供 run_fast.sh 一键脚本,自动按权重目录名推断 14B 或 1.3B 任务及对应 GPU 数量。
官方未计划开源部署代码,自建在线服务可参考 SGLang 与 flashdreams 文档中的部署方案。
截图与演示说明

上图来自项目 README 的官方 teaser 图,无限符号内拼贴了古遗迹、沙漠滑沙、巫师施法、太空骑行等十种生成场景。
README 的 Demo Gallery 节按 14B 因果预训练、14B 实时、1.3B 实时三组模型列出视频演示,可直观看到操作与画面响应。
实时版本可在 Reactor 网页端与灵光移动端体验,官方还将在 WAIC 2026 提供现场演示。
常见问题
问. LingBot-World 2.0 是什么项目?
LingBot-World 2.0 是 Robbyant 团队开源的世界模型与互动游戏引擎源码,又名 LingBot-World-Infinity,基于 Wan2.2 构建,一张图片加动作序列即可生成可无限交互的世界。
问. LingBot 世界模型源码怎么部署?
准备 torch 2.4 以上 Python 环境装依赖与 flash-attn,用 huggingface-cli 下载 14B 或 1.3B 权重后运行 run_fast.sh 即可,1.3B 需复用 14B 的 T5 与 VAE 组件。
问. 和 Genie 对比有什么区别?
与 Genie 对比,LingBot-World 2.0 支持真实时的 720P 60帧交互并开源了四个模型权重,还引入领航加导演双智能体框架,Genie 系列未开放模型下载。
问. LingBot-World 可以商用吗?
许可证为 CC BY-NC-SA 4.0,允许署名分享与改编但仅限非商业用途,衍生作品须以相同协议分发,商业使用需联系 Robbyant 团队获取授权。
安全风险提示
对仓库 73 个源码文件做了高风险函数扫描,未发现 eval、exec、远程脚本执行等可疑命中,也未检出硬编码密钥,推理代码结构清晰。
项目推理需自行下载模型权重并占用多卡 GPU 资源,CC BY-NC-SA 4.0 许可证禁止商业用途,二次分发请保留署名并遵循相同协议。
下载说明
本页提供 LingBot-World 2.0 世界模型引擎的完整源码打包下载,含推理脚本、示例动作序列与全部配置文件。
压缩包为原始仓库文件,不含模型权重,模型需按部署提示从 HuggingFace 或 ModelScope 单独下载。
GitHub项目开源地址 https://github.com/Robbyant/lingbot-world-v2