Ant Group hat LingBot-Video als Open Source veröffentlicht – das erste Grundmodell für Videoerzeugung, das auf einer Mixture-of-Experts-Architektur basiert und für körperbasierte Intelligenz konzipiert ist. Bei dem RBench-Benchmark erzielte es einen Wert von 0,620 und übertraf damit Modelle wie Wan2.6 sowie andere Konkurrenten. Trotz 30 Milliarden Parameter wird bei jeder Inferenz lediglich eine Menge von 3 Milliarden aktiviert, wodurch eine höhere Recheneffizienz gewährleistet wird. Durch das Trainieren mit 70.000 Stunden an körperbasierten Daten unter Verwendung eines mehrdimensionalen Belohnungssystems für das verstärkende Lernen zeichnet sich das Modell durch hohe physikalische Plausibilität sowie eine exzellente Fähigkeit zur Aufgabenerfüllung in der Robotik aus.