LingBot-World 2.0 — world model โอเพน 14B ที่จำลองโลกได้ไม่รู้จบ พร้อมเอเจนต์ Director-Pilot คุมฉาก

Robbyant หน่วยงานด้าน embodied intelligence ของ Ant Group ปล่อยเปเปอร์ “Infinite Worlds with Versatile Interactions” ขึ้น arXiv เมื่อ 8 กรกฎาคม 2026 พร้อมเปิดโค้ด inference และเช็กพอยต์ตัวแรกในวันถัดมา — เป็นระบบชื่อ LingBot-World 2.0 (สื่อบางแห่งเรียกว่า LingBot-World-Infinity)

มันไม่ใช่โมเดลภาษา ไม่ใช่โมเดลสร้างวิดีโอธรรมดา แต่เป็น world model แบบ causal ขนาด 14B ที่ทำตัวเป็น ตัวจำลองโลกที่โต้ตอบได้ — ผู้ใช้สั่งการเข้าไป โมเดลเรนเดอร์เฟรมถัดไปตามผลของการกระทำนั้น ต่อเนื่องไปได้โดยไม่มีขอบเขตเวลาตายตัว

ปัญหาที่แก้: โลกที่ค่อย ๆ ละลาย

จุดอ่อนคลาสสิกของ world model คือ long-horizon drift — ยิ่งจำลองนานเฟรมยิ่งเพี้ยน ต้นไม้เปลี่ยนรูป กำแพงหายไป ความสอดคล้องของฉากสลายทีละนิด

ทางแก้ของเปเปอร์คือ attention mask ที่เรียกว่า MoBA (Mixture of Bidirectional and Autoregressive Attention Mask) — แนบบล็อก full-attention แบบสองทิศทางเข้าไปใน teacher-forcing mask เพื่อทำหน้าที่เป็น ตัว regularize ระหว่างเทรน ผลคือโมเดลยัง generate แบบ causal (ทีละเฟรม ไม่เห็นอนาคต) แต่ระหว่างเรียนรู้มันถูกบังคับให้รักษาความสอดคล้องข้ามช่วงเวลายาว

โครงสร้างการทำงานแบ่งเป็นเอเจนต์คู่:

• Director — Vision-Language Model ที่ดูแล “กฎเชิงความหมายระดับมหภาค” และการให้เหตุผลเชิงเหตุผล-ผลลัพธ์ รวมถึงสังเคราะห์สภาพแวดล้อมและเหตุการณ์ที่สั่งด้วยข้อความ
• Pilot — Diffusion Transformer ที่จำลองฟิสิกส์ระดับล่างและเรนเดอร์การเปลี่ยนผ่านของเฟรม รวมถึงวางแผนพฤติกรรมของตัวละคร

ระบบรองรับชุดการกระทำที่หลากหลายกว่าเดิม — โจมตี ยิงธนู ร่ายเวทมนตร์ ยิงปืน — และรองรับผู้เล่นหลายคนพร้อมกันในโลกเดียว

อ่านตัวเลขให้ระวัง: อะไรปล่อยแล้ว อะไรยังไม่ปล่อย

นี่คือส่วนที่ต้องแยกให้ออก เพราะ สิ่งที่เปเปอร์อ้าง กับสิ่งที่ดาวน์โหลดได้จริง ไม่ใช่ของเดียวกัน

ที่ปล่อยแล้ว (9 ก.ค. 2026): เปเปอร์, โค้ด inference และเช็กพอยต์เดียวคือ lingbot-world-v2-14b-causal-fast บน Hugging Face และ ModelScope

ที่ยังไม่ปล่อย (ระบุเป็น TODO ในรีโป): 14b-causal-pretrain และ ตัวเล็ก 1.3B ทั้งสองรุ่น — ซึ่งแปลว่าคำโฆษณาที่ว่า “รันได้บน GPU ใบเดียว” ยังใช้ไม่ได้จริงในวันนี้ เพราะรุ่น 1.3B ที่เอาไว้ทำแบบนั้นยังไม่ถูกปล่อย

ข้อจำกัดที่ควรรู้อีกสองข้อ:

• คำอ้าง 720p ที่ 60 fps ต้องใช้ deployment stack ที่ ยังไม่เปิดเผย สคริปต์สาธารณะรันที่ความละเอียด 480×832 บน GPU 8 ใบ
• เปเปอร์ ไม่มีตัวเลข VBench หรือ FVD — การเปรียบเทียบกับงานอื่นเป็นเชิงคุณภาพล้วน

โค้ดฐานสร้างต่อจาก Wan2.2 และไลเซนส์เป็น CC BY-NC-SA 4.0 — คือ ห้ามใช้เชิงพาณิชย์ และงานต่อยอดต้องใช้ไลเซนส์เดียวกัน ณ ตอนเขียน รีโปมีราว 621 ดาว

มุมมอง AI Curator

ถ้าอ่านแค่พาดหัว งานนี้ดูเหมือน “เกมที่ AI สร้างเอง” แต่ที่น่าสนใจกว่าคือ มันเป็นสนามซ้อมสำหรับหุ่นยนต์

Robbyant เป็นหน่วย embodied intelligence — ไม่ใช่สตูดิโอเกม เป้าหมายที่แท้จริงของ world model ที่โต้ตอบได้และรักษาความสอดคล้องข้ามเวลายาว ๆ คือ การเทรนนโยบายของเอเจนต์โดยไม่ต้องมีร่างกายจริง โมเดลที่จินตนาการผลของการกระทำได้แม่นพอ คือสิ่งที่ทำให้เอเจนต์ลองผิดลองถูกได้ล้านครั้งโดยไม่พังหุ่นยนต์สักตัว เส้นทางนี้เชื่อมตรงกับสิ่งที่ LeRobot v0.6.0 กำลังทำ — policy ที่ “จินตนาการอนาคตก่อนลงมือ”

แต่โพสต์นี้ต้องซื่อสัตย์กับผู้อ่าน: ช่องว่างระหว่างเปเปอร์กับของที่ใช้ได้จริงกว้างผิดปกติ เปเปอร์ขาย 720p/60fps และรุ่น 1.3B บน GPU ใบเดียว ส่วนของที่ปล่อยจริงคือ 480×832 บน 8 ใบ และไม่มีตัวเลข benchmark เชิงปริมาณให้ตรวจสอบเลย นี่เป็นรูปแบบที่เห็นซ้ำ ๆ ในงาน world model ปีนี้ — ตัวเดโมน่าตื่นเต้น แต่การทำซ้ำได้ (reproducibility) ตามไม่ทัน อย่าเพิ่งวางแผนโปรเจกต์บนตัวเลขที่ยังไม่มีใครวัดได้

สำหรับนักวิจัยและนักพัฒนาไทย มุมที่ใช้ได้จริงคือ ตัวสถาปัตยกรรม ไม่ใช่ตัวน้ำหนัก ไลเซนส์ CC BY-NC-SA ปิดประตูเชิงพาณิชย์อยู่แล้ว และการรัน 8 GPU ก็ไม่ใช่ของที่แล็บส่วนใหญ่มี แต่ไอเดีย MoBA — ใช้ bidirectional attention เป็น regularizer ตอนเทรน แล้ว generate แบบ causal ตอน inference — เป็นเทคนิคที่ยืมไปใช้กับงาน sequence อื่นได้ และราคาถูกกว่าการเทรน world model เองมาก

ภาพใหญ่: เมื่อ Ant Group, Alibaba (AgentWorld) และ Meta ต่างส่ง world model ลงสนามในเวลาไล่เลี่ยกัน สิ่งที่กำลังถูกแย่งชิงไม่ใช่ตลาดวิดีโอเจนเนอเรชัน แต่คือ ชั้นจำลองสำหรับเทรนเอเจนต์ ใครคุมสนามซ้อม คนนั้นคุมต้นทุนการเทรนหุ่นยนต์ของทุกคน — และนั่นคือเดิมพันที่ใหญ่กว่าเกมมาก

แหล่งข่าว

• Infinite Worlds with Versatile Interactions — arXiv:2607.07534 (8 ก.ค. 2026)
• Robbyant/lingbot-world-v2 — GitHub
• Meet LingBot-World-Infinity — MarkTechPost (9 ก.ค. 2026)