蚂蚁灵波具身大模型LingBot-VLA正式开源，后训练代码全开放

蚂蚁集团在具身智能领域的战略布局再次取得关键突破，旗下灵波科技正式将其自主研发的具身大模型 LingBot-VLA 向全行业开源，同步开放了完整代码、权重及数据集。

这款模型的实际能力究竟有多强？一组硬核数据给出了直观答案。在上海交通大学发布的具身智能评测基准 GM-100 上——该基准涵盖 100 项真实世界操作任务，含金量极高——LingBot-VLA 在三种完全不同的物理机器人平台上展现出令人瞩目的跨本体泛化能力。尤其值得关注的是，即使在不使用深度信息（w/o Depth）的情况下，其平均任务成功率也从 Pi0.5 的 13.0% 显著提升至 15.7%。而一旦引入深度感知（w/ Depth），模型的空间理解能力明显跃升，平均成功率进一步攀升至 17.3%。这一提升幅度充分印证了其在准确性与泛化性上的领先优势。

再看仿真环境中的表现。在 RoboTwin 2.0 仿真评测基准中，模型需应对 50 项高难度任务，测试环境充满了各种“刁难”设定——动态光照变化、场景干扰物、平台高度随机偏移等。LingBot-VLA 依托自主研发的可学习查询对齐机制，深度融合深度模态信息，最终操作成功率相较 Pi0.5 提升了整整 9.92%。这意味着，从仿真训练到实体部署的全链路性能突破已不再是理论设想，而是切实可行的成果。

低后训练开销、高训练效率、全代码开源——真正面向落地应用的 VLA 模型

仅有性能优势还远远不够，落地才是硬道理。LingBot-VLA 依托覆盖主流机器人构型及多样化操作场景的大规模预训练，已打下坚实的通用操控基础。更关键的是，它能够以极低的成本高效适配各类下游机器人任务。

实测数据显示，LingBot-VLA 在少量标注数据下即可超越 Pi0.5 的性能表现；并且随着训练数据规模的持续扩大，其性能优势还会进一步放大。

研发团队还同步打造了一套高性能后训练工具链。在仅配备 8 卡 GPU 的硬件环境下，单卡每秒可处理 261 个样本的训练吞吐量。这一效率相比 StarVLA、OpenPI 等主流框架提升了 1.5 至 2.8 倍，直观地降低了数据与算力的投入成本。

此次开源，灵波科技不仅提供了完整模型权重，还全面开放了覆盖数据预处理、高效微调策略及自动化评估流程的一站式代码库。对于有意深入研究和快速落地的团队而言，这无疑是一份极具价值的“启动包”。