LingBot-Vision 是蚂蚁集团旗下 Robbyant 团队于 2026 年 7 月开源的一款边界中心视觉基础模型，参数量为 1.1B，专门用于密集空间感知与具身操作任务。它在多个基准上以 1B 级参数超越了 Meta 的 7B 参数 DINOv3 模型，标志着小参数模型在空间理解任务上的重要突破。
LingBot-Vision 近期进展
2026 年 7 月 7 日，Robbyant 正式开源 LingBot-Vision，该模型以边界中心为设计理念，旨在提升对密集空间结构的感知能力。据 Marktechpost 报道，模型在空间感知任务中达到行业领先水平 蚂蚁集团Robbyant开源LingBot-Vision：1B边界中心视觉模型。
同期发布的还有 LingBot-Depth 2.0，其训练数据规模跃升至 1.5 亿，深度估计精度大幅提升。IT之家指出，该版本在室内外场景的深度连续性上显著优于前代 数据规模跃升至 1.5 亿：蚂蚁灵波空间感知 AI 模型 LingBot-Depth 2.0 发布。
LingBot-Vision 与 LingBot-Depth 2.0 共同构成了 Robbyant 的“世界模拟器”技术栈，强调空间感知与具身操作的闭环。Pandaily 报道称，LingBot-Vision 1.1B 参数在多项空间理解指标上击败了 Meta 的 7B 模型 蚂蚁集团LingBot-Vision 1.1B参数模型超越Meta 7B DINOv3。
当前焦点与观察点
LingBot-Vision 的发布引发了关于视觉模型效率的讨论：小参数模型能否通过边界中心设计和高质量数据来挑战传统大参数模型？其 1.1B 参数在机器人操作和自动驾驶等场景中的实际部署效果尚需验证。此外，该模型的开源策略可能推动空间感知领域的基准更新，但中文社区的适配和生态建设仍是潜在挑战。