Un modelo del mundo es un sistema de IA que predice cómo cambiará un entorno, incluido lo que ocurre cuando algo actúa dentro de él. Un chatbot predice la siguiente palabra. Un generador de vídeo predice los siguientes fotogramas de un clip. Un modelo del mundo predice el siguiente estado de un lugar, de modo que una persona o un robot pueda actuar en él y ver qué sucede después.
Esa idea se ha vuelto carísima este año. AMD ha acordado comprar World Labs, la startup que Fei-Fei Li fundó en 2024, en una operación íntegramente en acciones valorada en unos 8.200 millones de dólares (AMD). AMI Labs, de Yann LeCun, levantó 1.030 millones de dólares antes de lanzar nada (TechCrunch). Google DeepMind, NVIDIA, Meta y Runway tienen ya modelos del mundo en alguna forma.
Los productos son mucho más modestos que el dinero. Hoy puedes comprar un generador de escenas 3D, alquilar un prototipo de investigación de corta duración mediante una suscripción de Google, o descargar modelos abiertos si desarrollas software para robots o coches autónomos. Nuestra opinión: los usos en escenas 3D y software de robótica ya son reales, y la promesa de simular la realidad sigue siendo sobre todo un carrete de demos. Abajo te explicamos cómo distinguirlos, con los precios de todo lo que puedes probar.
Un modelo del mundo predice el siguiente estado, no la siguiente palabra
Las definiciones de los laboratorios coinciden. Google DeepMind dice que los modelos del mundo usan su comprensión de los entornos físicos para simularlos, de modo que un agente pueda predecir cómo evoluciona un mundo y cómo le afectan sus propias acciones (Google DeepMind). La versión de Runway es más corta: un sistema que construye una representación interna de un entorno y la usa para simular eventos futuros dentro de él.
La palabra clave es acción. Pregúntale a un modelo de lenguaje por una pelota que rueda por el borde de una mesa y escribirá una frase. Pídeselo a un generador de vídeo y renderizará un clip que tú miras. Un modelo del mundo toma el estado actual más una entrada (un paso adelante, un giro de cámara, una pinza de robot que se cierra) y devuelve el siguiente estado; luego repite con tu siguiente entrada.
Lee la fila inferior como la idea completa. La salida vuelve a entrar como la siguiente entrada, así que a un modelo del mundo se le juzga por mantenerse coherente a lo largo del tiempo. Un solo fotograma espectacular demuestra muy poco.
El concepto es más antiguo que el bombo actual. En 2018, David Ha y Jürgen Schmidhuber publicaron World Models, donde un agente aprendía un modelo comprimido de un juego y se entrenaba por completo dentro de su propio «sueño alucinado» antes de actuar en el entorno real. Lo que ha cambiado es la escala. Los modelos entrenados con enormes cantidades de vídeo ahora producen mundos de aspecto fotográfico, y eso sacó la idea de los artículos de aprendizaje por refuerzo y la llevó a las presentaciones de resultados.
Los hitos de abajo muestran lo rápido que avanzó todo cuando los modelos de vídeo mejoraron.
Seis años separan el artículo del «sueño» de los mundos jugables aprendidos de grabaciones de internet. Casi todo lo demás, desde los modelos abiertos para robots hasta un fabricante de chips firmando un cheque de 8.200 millones de dólares, llegó en unos dos años.
Cuatro apuestas sobre cómo construir uno
Los laboratorios no se ponen de acuerdo en qué debe producir un modelo del mundo, y ese desacuerdo explica la mayoría de los productos. La taxonomía de World Labs es la forma más clara de ordenarlos. Divide los modelos del mundo en tres tipos. Los renderizadores producen «píxeles pensados para ojos humanos». Los simuladores producen una «representación del mundo fiel geométrica, física o dinámicamente». Los planificadores producen acciones (World Labs).
Su advertencia sobre los renderizadores conviene tenerla presente en cada vídeo de lanzamiento: los edificios de una toma con dron «pueden verse impecables desde arriba, pero intenta conducir por la ciudad de abajo y se desmoronan». Con esa lente, el sector se divide en cuatro bandos.
Mundos interactivos que diriges en tiempo real
Genie 3, de Google DeepMind, convierte un prompt de texto en un mundo por el que te mueves a 720p y de 20 a 24 fotogramas por segundo. Google asegura que sus mundos se mantienen en gran medida coherentes durante varios minutos y que recuerda los cambios de interacciones concretas hasta por un minuto (Google DeepMind). GWM Worlds 2 de Runway, una vista previa de investigación, hace algo parecido con vídeo y audio y sigue generando mientras tú sigas dirigiéndolo. La taxonomía de World Labs clasifica a Genie 3 como renderizador, y GWM Worlds 2 suena a un sistema del mismo tipo: obtienes un flujo de píxeles y nada que puedas abrir en otra herramienta.
Creadores de mundos 3D que te entregan un archivo
Marble, el primer producto de World Labs, convierte texto, fotos, vídeo o bloques 3D toscos en un mundo persistente que puedes editar y exportar como Gaussian splats o mallas (documentación de World Labs). El mundo no reacciona a ti como lo hace uno de Genie. A cambio, existe como un archivo que los motores de juego y las herramientas de diseño pueden abrir. World Labs dice que su nuevo modelo Atlas, en acceso anticipado con socios selectos, impulsará futuras versiones de Marble.
Modelos de IA física para robots y coches
NVIDIA los llama world foundation models. NVIDIA Cosmos 3 razona sobre vídeo, genera metraje sintético a partir de texto, imágenes, vídeo, sonido y acciones, y puede servir de base para la política de control de un robot. Los pesos son abiertos bajo la licencia OpenMDW 1.1 (NVIDIA). Oasis 3, de Decart, es más específico: un mundo de conducción multicámara en tiempo real al que los equipos de conducción autónoma acceden por API.
Predictores latentes que se saltan los píxeles
La línea V-JEPA de Meta ni siquiera intenta dibujar el futuro. V-JEPA 2 codifica el vídeo en representaciones compactas y predice cómo cambian, lo que es más barato que renderizar cada píxel y aun así basta para planificar. Meta reporta entre un 65 % y un 80 % de éxito al coger y colocar objetos desconocidos en entornos nuevos, tras entrenar con el conjunto de datos abierto de robots DROID y desplegarlo directamente en robots de laboratorio sin recopilar antes datos de ellos (Meta AI).
Este es el bando que LeCun lleva años defendiendo. Desde entonces se ha ido de Meta, y AMI Labs se basa en la misma Joint Embedding Predictive Architecture que él propuso en 2022.
Si el vocabulario se está poniendo denso, estos son los términos en los que se apoyan los discursos comerciales.
Action-conditioned es el término con el que debes exigir cuentas a los proveedores. Si un producto no admite tu entrada durante la generación y no te da un estado 3D con el que trabajar, es un generador de vídeo con una etiqueta nueva.
Los generadores de vídeo parecen modelos del mundo hasta que los pones a prueba
OpenAI presentó su investigación de Sora de 2024 como un camino hacia simuladores de propósito general del mundo físico, aunque admitía que el modelo no acertaba con interacciones básicas como un cristal que se rompe. Con Sora 2 señaló avances: cuando un jugador de baloncesto falla un tiro, el balón ahora rebota en el tablero en vez de teletransportarse al aro. OpenAI también calificó el modelo de «lejos de ser perfecto» (OpenAI).
Luego el producto desapareció. OpenAI indica que las experiencias web y de app de Sora se discontinuaron a principios de este año, y su centro de ayuda sitúa el cierre de la API de Sora más adelante en 2026. Es una decisión de negocio, pero sirve de recordatorio de que «simulador del mundo» era un planteamiento de investigación pegado a una app de vídeo para consumidores.
La investigación independiente es más tajante. El benchmark Physics-IQ probó Sora, Runway, Pika, Lumiere, Stable Video Diffusion y VideoPoet en dinámica de fluidos, óptica, mecánica de sólidos, magnetismo y termodinámica. Su conclusión: la comprensión física «es muy limitada y no guarda relación con el realismo visual» (arXiv). Otro estudio entrenó modelos de vídeo con física simulada sencilla y comprobó que copian el ejemplo de entrenamiento más cercano en lugar de aprender la regla, y concluyó que escalar por sí solo no descubrirá las leyes físicas.
Así que trata modelos de vídeo como Veo 3.1 y Runway Gen-4.5 como excelentes renderizadores y simuladores flojos. Está bien para un anuncio o un storyboard. Es una mala apuesta si piensas confiar en esas imágenes para enseñarle a un robot lo que hace un suelo mojado. Si lo que necesitas es vídeo, empieza por nuestra comparativa del stack de vídeo con IA y el ranking de generadores de vídeo con IA.
Por qué los fabricantes de chips y los inversores están pagando tanto
La operación de AMD es la señal más clara de hacia dónde va esto. La compañía valora la transacción íntegramente en acciones en unos 8.200 millones de dólares, espera cerrarla a finales de 2026 sujeta a aprobación regulatoria, y nombrará a Fei-Fei Li vicepresidenta ejecutiva y científica jefe, con dependencia de la CEO Lisa Su (AMD). TechCrunch informa de que AMD espera que las «cargas de trabajo de frontera» de World Labs moldeen su hoja de ruta de chips, y presenta la compra como una forma de competir con NVIDIA, que ya ofrece modelos del mundo abiertos con Cosmos (TechCrunch).
El capital riesgo se mueve en la misma dirección. Cada una de las rondas de abajo se anunció este año.
AMI Labs levantó 1.030 millones de dólares con una valoración pre-money de 3.500 millones, con NVIDIA, Samsung, Temasek y Toyota Ventures entre los inversores (TechCrunch). TechCrunch también informó de que World Labs recaudó 1.000 millones, 200 millones de ellos de Autodesk, meses antes de acordar su venta. Runway recaudó 315 millones con una valoración de 5.300 millones para preentrenar sus próximos modelos del mundo, y Odyssey recaudó 310 millones con una valoración de 1.450 millones, con participación de Amazon y AMD Ventures.
Se repiten cuatro motivos. Los fabricantes de chips quieren la carga de trabajo: un director de investigación de DeepMind le dijo a TechCrunch que durante una sesión de Project Genie «hay un chip en algún lugar que es solo tuyo» (TechCrunch).
Los equipos de robótica necesitan datos de entrenamiento que en el mundo real son lentos y arriesgados de recopilar. El contenido 3D es caro de construir a mano. Y algunos laboratorios sostienen que el lenguaje por sí solo no llevará la IA al mundo físico. Luma lo dijo claro cuando levantó 900 millones de dólares el año pasado: «Para simular el universo, los LLM y el texto no bastan». Fíjate en la frecuencia con que NVIDIA y el brazo de capital riesgo de AMD aparecen en estas tablas de capitalización. Las empresas que venden cómputo financian a las que lo van a quemar.
Qué puedes usar de verdad hoy
Si quitas las vistas previas de investigación y las listas de espera, la lista se acorta. Esto es lo que está abierto al público, o a cualquier desarrollador con una tarjeta de crédito, este año.
| Producto | Ideal para | Cómo acceder | Precio |
|---|---|---|---|
| Marble (World Labs) | Creadores, diseñadores, artistas de juegos | App web, autoservicio | Gratis hasta 4 mundos; 20, 35 o 95 $ al mes |
| World API (World Labs) | Desarrolladores | World Labs Platform | Créditos de API prepago |
| Project Genie (Google) | Consumidores curiosos | Plan Google AI Ultra, más de 140 países | Ultra desde 99,99 $ al mes |
| Cosmos 3 (NVIDIA) | Equipos de robótica, vehículos autónomos y visión | Pesos abiertos; prueba alojada | Pesos gratis, tu propio cómputo |
| Oasis 3 Preview (Decart) | Equipos de conducción autónoma | API, pago por uso | 0,02 $ por segundo |
| V-JEPA 2 (Meta) | Investigadores | Código y checkpoints | Gratis |
| GWM Worlds 2 (Runway) | Estudios y empresas | Vista previa de investigación, formulario de contacto | Sin precio publicado |
Los precios provienen de las páginas de los propios proveedores (precios de Marble, planes de Google AI). Destacan dos cosas. Marble es el único producto de la lista por el que un no desarrollador puede pagar y salir con un archivo. Y Project Genie, la demo más llamativa, es difícil de justificar por precio a menos que ya pagues Ultra por otros motivos. Google lo abrió al principio solo a suscriptores de EE. UU. mayores de 18 años y limitó las generaciones a 60 segundos; ahora figura en más de 140 países.
La matriz de abajo compara los cuatro que más probablemente pruebes, según atributos que pudimos confirmar en las páginas de los proveedores.
Marble recibe una marca parcial en robótica porque World Labs ofrece su World API a equipos de robótica, con conexiones a simuladores como NVIDIA Isaac, mientras que la app para consumidores no está pensada para ese trabajo.
Un plan de una semana para probar modelos del mundo
- Abre el plan gratuito de Marble y crea un mundo a partir de una foto de una habitación real. World Labs calcula unos cinco minutos para un mundo completo y unos 20 segundos para un borrador (documentación de World Labs).
- Construye la misma habitación a partir de un prompt de texto. Recorre ambas versiones y busca zonas borrosas o que parecen derretirse: ahí es donde el modelo adivinó.
- Si pagas Google AI Ultra, reconstruye la habitación en Project Genie. Aléjate de una puerta, vuelve y anota qué cambió.
- Si programas, descarga un checkpoint de Cosmos 3 desde Hugging Face o prueba un modelo alojado en el catálogo de NVIDIA antes de comprometer GPU.
- Anota una tarea que le encargarías a un modelo del mundo y la salida que necesita: vídeo, un splat, una malla o acciones. El formato decide la herramienta más que cualquier demo.
¿No sabes por dónde empezar? Este árbol te orienta según tu objetivo en dos preguntas o menos.
La mayoría de los caminos que terminan en una persona, y no en un robot, desembocan en Marble. Es la forma más barata de conseguir un mundo que puedas conservar.
Cómo juzgar una demo de un modelo del mundo
Los lanzamientos de modelos del mundo se montan para redes sociales, y los clips cortos y editados favorecen a cualquier modelo. Unas cuantas comprobaciones quitan el brillo.
Empieza por la duración. La propia página de Genie 3 de Google dice que el modelo admite «unos minutos de interacción continua, en lugar de horas prolongadas» (Google DeepMind). Su predecesor, Genie 2, mostraba ejemplos que en su mayoría duraban de 10 a 20 segundos. Un clip de 15 segundos no te dice casi nada en ningún sentido.
Después busca un viaje de vuelta. La memoria es la parte difícil. Genie 3 recuerda los cambios durante aproximadamente un minuto, y Runway reconoce que la memoria a largo plazo de GWM Worlds 2 es imperfecta. Si la cámara nunca vuelve a un lugar que ya ha mostrado, pregúntate por qué.
Comprueba quién conduce. Un recorrido cinematográfico suave puede planearse de antemano, mientras que una persona pulsando teclas deja ver el retardo. La prueba práctica de TechCrunch con Project Genie encontró controles poco receptivos y un personaje que a veces atravesaba paredes, aunque los mundos estilizados, como los de plastilina y acuarela, se veían bien (TechCrunch).
Por último, separa la apariencia de la física. Physics-IQ encontró que ambas no guardan relación en los modelos de vídeo, así que una demo llena de paisajes amplios y sin colisiones es una demo de renderizado. Usa el evaluador con el próximo vídeo de lanzamiento que veas.
Un clip de lanzamiento editado típico puntúa bajo aquí. Interprétalo como marketing y haz tu propia prueba práctica antes de planificar trabajo alguno en torno al modelo.
Los límites que nadie ha resuelto todavía
La coherencia es el primer muro. Estos modelos generan cada momento a partir de lo que ya han producido, así que los pequeños errores se acumulan. El análisis de TechCrunch sobre Oasis 3 de Decart encontró que su mundo de conducción perdía coherencia en sesiones largas, con coches que atravesaban obstáculos y una memoria de la escena que se degradaba al volver a zonas ya visitadas (TechCrunch).
El coste es el segundo. Oasis 3 cuesta 0,02 $ por segundo, es decir, 1,20 $ por minuto y 72 $ por una hora de conducción simulada. El límite de 60 segundos de Project Genie existe porque cada sesión ocupa hardware dedicado. Un nivel de juego terminado, en cambio, apenas cuesta nada extra cada vez que alguien lo juega.
La evaluación es el tercero, y el menos comentado. Los benchmarks son jóvenes, y varios proceden de los mismos laboratorios que publican los modelos. Las propias pruebas de razonamiento físico de Meta muestran a los humanos con un 85 % a 95 %, con una brecha notable respecto a los mejores modelos (Meta AI). NVIDIA afirma que Cosmos 3 ocupa el primer puesto en varias clasificaciones de generación de mundos. Trata los rankings de los proveedores como lo que son: rankings de los proveedores.
Las empresas tampoco cuentan mucho. TechCrunch informó este año de que las startups de modelos del mundo se guardan sus planes de producto, y el CEO de AMI Labs ha dicho que su empresa no es de esas startups que lanzan un producto en tres meses.
¿Quién debería esperar? Cualquiera que necesite un pipeline de producción fiable para juegos, cine o edificios este año. Los modelos del mundo sirven para borradores y material de referencia. Todavía no sustituyen a un motor de juego ni a un simulador de física que tu equipo haya validado.
Qué cambia para creadores, desarrolladores de juegos, arquitectos y equipos de robótica
Los creadores obtienen el valor más inmediato. Los mundos de Marble se exportan a Unreal Engine, Unity, Blender y Houdini mediante plugins de Gaussian splatting, y puedes grabar recorridos de cámara como vídeo. Para previsualización y sets virtuales, es un atajo real. Ojo con la licencia: los derechos comerciales empiezan en el plan Pro de 35 $, y el plan Standard de 20 $ no los incluye (precios de Marble). Para objetos sueltos en lugar de escenas completas, el ranking de generadores de modelos 3D encaja mejor.
Los desarrolladores de juegos deberían tratar por ahora los modelos del mundo como una herramienta de bloqueo y concepto. El modo Chisel de Marble convierte formas 3D toscas en un mundo detallado, lo que sirve para el diseño inicial de niveles. Los mundos generados no incluyen lógica de juego, colisiones ajustadas ni presupuestos de rendimiento, y eso es lo que permite publicar un juego. El ranking de herramientas de IA para desarrolladores de juegos recoge los asistentes que cubren el resto del pipeline.
Los arquitectos y diseñadores de interiores son los siguientes en la fila. Daron Green, científico jefe de Autodesk, le dijo a TechCrunch que ve a clientes empezando con «un boceto basado en un modelo del mundo en World Labs (por ejemplo, de la distribución de una oficina)» y refinándolo en las herramientas de Autodesk. Para trabajo listo para el cliente hoy, el ranking de diseño de interiores y arquitectura con IA y nuestro resumen de herramientas de diseño de interiores cubren opciones más maduras.
Los equipos de software de robótica tienen el caso más sólido. Cosmos 3 está pensado para postentrenarse con tus propios datos de cámara y robot y ejecutarse como simulador de bucle cerrado. World Labs dice que su sistema real-to-sim-to-real convierte una tarea real en miles de variaciones simuladas y prueba cada checkpoint de política en 2.000 ensayos simulados, con puntuaciones simuladas que siguen a las del hardware. La ventaja es el filtrado: menos checkpoints débiles llegan a tocar un robot físico. World Labs también conecta su World API con simuladores como Isaac Sim y MuJoCo, de modo que un piloto no implica reemplazar el simulador en el que tu equipo ya confía.
Preguntas frecuentes
¿ChatGPT es un modelo del mundo?
No en el sentido que le dan los laboratorios. ChatGPT predice texto. Puede describir qué pasa cuando un vaso cae de una mesa, pero no produce un estado sobre el que puedas actuar paso a paso. Todo el argumento de LeCun para AMI Labs es que los modelos de lenguaje por sí solos no llegarán ahí.
¿Puedo probar un modelo del mundo gratis?
Sí. El plan gratuito de Marble incluye hasta cuatro generaciones de mundos, y los pesos de NVIDIA Cosmos 3 y V-JEPA 2 de Meta se pueden descargar gratis si tienes GPU adecuadas. Project Genie requiere un plan de pago Google AI Ultra.
¿Los modelos del mundo sustituirán a los motores de juego?
No pronto. Los mundos generados interactivos se desvían en cuestión de minutos, y ninguna de estas herramientas incluye reglas de juego, así que el camino más probable es híbrido: generar un mundo borrador, exportarlo y terminarlo en Unreal, Unity o Blender. Las guías de exportación de World Labs ya asumen ese flujo de trabajo.
¿Qué pasará con Marble ahora que AMD compra World Labs?
Ninguna de las dos empresas lo ha dicho. La operación aún necesita aprobación regulatoria y se espera que cierre a finales de 2026, y World Labs dice que Justin Johnson y Ben Mildenhall seguirán liderando su equipo dentro de AMD. Si tu trabajo con clientes depende de Marble, exporta tus mundos y guarda copias locales.
¿Sigue disponible Sora?
No. OpenAI indica que el producto Sora ya no está disponible: las experiencias web y de app se discontinuaron a principios de este año, y la API estaba programada para cerrar más adelante en 2026. Para generar vídeo, nuestra guía de los mejores generadores de vídeo con IA cubre las herramientas que siguen en el mercado.