Ant Group, jednostka zajmująca się inteligencją wcieloną, wydała LingBot-World-Infinity - model przyczynowego generowania wideo działający jako interaktywny symulator świata. Innowacja rozwiązuje dwa krytyczne problemy modeli poprzedniej generacji: długoterminowy drift (kumulujące się błędy w dłuższych sekwencjach) oraz opóźnienia podczas interakcji w czasie rzeczywistym.
Model generuje klatkę po klatce, reagując na strumień akcji użytkownika, gdzie każdy stan wizualny zależy jedynie od poprzednich ramek i bieżącego wejścia. Architektura wykorzystuje inoacyjną maskę uwagi MoBA (Mixture of Bidirectional and Autoregressive), która unika problemu driftu. Akcje użytkownika łączą pozycję kamery (zakodowaną za pomocą osadzeń Plückera) oraz polecenia tekstowe wprowadzane poprzez cross-attention. System obsługuje znacznie szerszą przestrzeń akcji niż poprzednicy - ataki, łucznictwo, rzucanie zaklęć i strzelanina.
Model dostępny w dwóch wariantach: główny 14B parametrów do pełnego symulowania oraz lżejszy 1.3B zdolny do działania na jednej karcie graficznej, generujący wideo 720p z szybkością 60 klatek na sekundę. LingBot-World-Infinity wprowadza również agentic harness - parę agentów (pilot i director), które umożliwiają autonomiczne eksplorowanie i sterowanie symulowanym światem. To stanowi znaczący krok w stronę rzeczywistych agentów AI mogących działać w interaktywnych środowiskach bez stałej ingerencji człowieka.