Em 11 de julho de 2026, a Robbyant, unidade de IA incorporada da gigante chinesa de fintech Ant Group, apresentou o LingBot-VA 2.0, um modelo de manipulação robótica que a empresa define como o primeiro modelo fundacional "embodied-native". A afirmação diz respeito ao método: em vez de adaptar um gerador de vídeo pronto, a Robbyant diz ter pré-treinado do zero um diffusion transformer causal especificamente para controle físico.
Por que 'do zero'
A empresa argumenta que ajustar um modelo de vídeo para robótica traz limitações — latentes visuais que preservam a aparência, mas pouco da estrutura física, denoising lento demais para controle em malha fechada e objetivos de treinamento que nunca ensinam como as ações remodelam o mundo. A resposta da versão 2.0, na formulação da Robbyant, é que ela "pré-treina um DiT causal de forma nativa", construindo toda a pilha para embodiment em vez de aproveitar uma emprestada da geração de conteúdo.
Os números
O LingBot-VA 2.0 usa cerca de 15,3 bilhões de parâmetros totais, com aproximadamente 2,5 bilhões ativos por token, divididos em um "video expert" de mixture-of-experts (128 especialistas roteados) e um "action expert" denso. A Robbyant informa 93,6% de sucesso médio em 50 tarefas no benchmark de simulação RoboTwin 2.0 — acima dos 92,2% da própria v1 e de um método anterior, o Motus, com 87,9%. Uma série de otimizações de inferência reduziu a latência de 927 para 142 milissegundos por bloco, permitindo controle assíncrono a 225 Hz, um ganho de velocidade de cerca de seis vezes.
As ressalvas
Todas as cifras aqui são informadas pela própria fornecedora, extraídas do artigo e da página do projeto da Robbyant e resumidas pelo veículo MarkTechPost, sem replicação independente. Os resultados do benchmark são apenas de simulação; o desempenho do modelo em robôs reais é descrito de forma qualitativa (tarefas como air hockey e manuseio em esteira transportadora). E, ao contrário do modelo irmão LingBot-VLA 2.0 — um modelo separado de 6 bilhões de parâmetros lançado sob Apache-2.0 em 8 de julho —, pesos ou código abertos para a VA 2.0 não tiveram confirmação de liberação, de modo que, por ora, o caso deve ser lido como um anúncio em artigo e página de projeto.
A corrida chinesa de IA incorporada
O lançamento encerra uma semana incomumente densa: a Robbyant lançou depth, visão, uma política vision-language-action e um world model em poucos dias. Em conjunto, esse ritmo indica a Ant Group escalando uma pilha completa de IA incorporada, e se insere em um movimento mais amplo da China em direção a modelos fundacionais para robótica e lançamentos abertos.