El 11 de julio de 2026, Robbyant, la unidad de IA encarnada dentro del gigante chino de tecnología financiera Ant Group, presentó LingBot-VA 2.0, un modelo de manipulación robótica que comercializa como el primer modelo fundacional "embodied-native". La afirmación se refiere al método: en lugar de adaptar un generador de vídeo disponible en el mercado, Robbyant dice haber preentrenado desde cero un transformer de difusión causal específicamente para el control físico.
Por qué 'desde cero'
La empresa sostiene que afinar un modelo de vídeo para robótica arrastra inconvenientes: latentes visuales que conservan la apariencia pero poca estructura física, un proceso de denoising demasiado lento para el control en bucle cerrado y objetivos de entrenamiento que nunca enseñan cómo las acciones reconfiguran el mundo. La respuesta de la versión 2.0, en palabras de Robbyant, es que "preentrena un DiT causal de forma nativa", construyendo toda la pila para la encarnación en lugar de tomar prestada una de la generación de contenidos.
Las cifras
LingBot-VA 2.0 utiliza unos 15.300 millones de parámetros totales, con aproximadamente 2.500 millones activos por token, repartidos entre un "video expert" de mezcla de expertos (128 expertos enroutados) y un "action expert" denso. Robbyant informa de un 93,6% de éxito medio en 50 tareas del benchmark de simulación RoboTwin 2.0, por delante de su propia v1, con un 92,2%, y de un método previo, Motus, con un 87,9%. Una serie de optimizaciones de inferencia redujo la latencia de 927 a 142 milisegundos por fragmento, permitiendo control asíncrono a 225 Hz, aproximadamente una mejora de seis veces.
Las reservas
Todas las cifras aquí son aportadas por el proveedor, proceden del propio artículo y la página del proyecto de Robbyant y han sido resumidas por el medio MarkTechPost, sin replicación independiente. Los resultados del benchmark son solo de simulación; el rendimiento del modelo en robots reales se describe de forma cualitativa (tareas como air hockey y manipulación de cintas transportadoras). Y, a diferencia del modelo hermano LingBot-VLA 2.0 —un modelo aparte de 6.000 millones de parámetros publicado bajo Apache-2.0 el 8 de julio—, no se ha confirmado la publicación de pesos o código abiertos para VA 2.0, por lo que por ahora conviene leerlo como un anuncio de artículo y página del proyecto.
La carrera china por la IA encarnada
El lanzamiento culmina una semana inusualmente densa: Robbyant publicó profundidad, visión, una política visión-lenguaje-acción y un modelo del mundo en cuestión de días. En conjunto, este ritmo señala que Ant Group está ampliando una pila completa de IA encarnada, y se inserta en un impulso más amplio de China hacia modelos fundacionales de robótica y lanzamientos abiertos.