Modelos del Mundo: La Tecnología de IA que Enseña a las Máquinas a Entender la Física
Una nueva generación de sistemas de IA puede simular la gravedad, predecir colisiones y generar mundos 3D interactivos. Aquí te explicamos qué son los modelos del mundo, quién los está construyendo y por qué importan.
Puntos clave
- Nvidia lanzó Cosmos 3, una familia de sistemas de IA de modelo del mundo de pesos abiertos, en junio de 2026, con versiones que van de 16 mil millones a 64 mil millones de parámetros.
- Genie 3 de Google DeepMind, presentado en agosto de 2025, genera mundos 3D interactivos fotorrealistas a partir de una descripción de texto a 24 fotogramas por segundo.
- Waymo adoptó Genie 3 en febrero de 2026 para simular escenarios de conducción poco frecuentes, como comportamientos inusuales de peatones, sin poner un vehículo en carreteras públicas.
- World Labs recaudó 1.000 millones de dólares y la AMI de Yann LeCun recaudó 1.030 millones de dólares para financiar investigación en modelos del mundo en 2025 y 2026.
- Alibaba presentó su modelo del mundo, Happy Oyster, en abril de 2026, capaz de generar clips de video en el mundo de tres minutos de duración.
La mayoría de la IA de la que has oído hablar, los chatbots, los generadores de imágenes, los asistentes de escritura, funciona prediciendo patrones en texto o píxeles. Pregúntale a uno qué sucede cuando una pelota se cae de una mesa y te dará una respuesta que suena plausible. No sabe realmente qué hace la gravedad. Nunca ha modelado la física.
Los modelos del mundo son diferentes. Un modelo del mundo es un sistema de IA que construye una imagen interna de un entorno, incluyendo causa y efecto, y usa esa imagen para predecir qué sucederá a continuación. Piensa en ello como la diferencia entre un loro que puede describir una partida de ajedrez y un jugador que realmente entiende las consecuencias de cada movimiento.
¿De dónde vinieron los modelos del mundo?
La idea es más antigua de lo que la mayoría de la gente cree. El investigador Jürgen Schmidhuber introdujo el concepto en 1990, proponiendo redes neuronales recurrentes (capas de software ligeramente inspiradas en el cerebro) que podían predecir estados futuros de un entorno. David Ha y Schmidhuber lo revivieron en un artículo de 2018, en el que agentes de IA aprendieron a conducir autos virtuales practicando dentro de simulaciones que generaban ellos mismos.
Yann LeCun, el científico jefe de IA de Meta, llevó la idea más allá en un artículo de 2022 argumentando que la verdadera inteligencia de máquina necesita modelos predictivos del mundo, no solo coincidencia de patrones. Su equipo desarrolló V-JEPA 2, que alcanzó el mejor rendimiento en comprensión de video y razonamiento físico y puede guiar un robot en una sala que nunca ha visto antes. Hemos seguido el trabajo de LeCun desde nuestro primer informe el 16 de julio de 2026.
¿Qué se está construyendo realmente en este momento?
El campo se ha movido rápidamente. Aquí hay una instantánea de los lanzamientos principales.
| Modelo / Producto | Creador | Fecha | Qué hace |
|---|---|---|---|
| Genie 3 | Google DeepMind | Agosto de 2025 | Mundos 3D interactivos fotorrealistas a partir de texto, a 24 fps |
| Waymo World Model | Waymo / DeepMind | Febrero de 2026 | Simula casos extremos raros de conducción para autos autónomos |
| Happy Oyster | Alibaba | Abril de 2026 | Genera video en el mundo de 3 minutos; incluye modo de dirección |
| Spark 2.0 | World Labs | Abril de 2026 | Motor de renderizado 3D de código abierto para hardware de clase smartphone |
| Cosmos 3 | Nvidia | Junio de 2026 | Combina razonamiento físico, simulación y generación de acciones |
Cosmos 3 de Nvidia es la entrada más ambiciosa técnicamente. Procesa texto, imágenes, video y audio junto con secuencias de acciones físicas, en lugar de tratar cada uno como una tarea separada. Cosmos3-Nano, con 16 mil millones de parámetros (un parámetro es un valor único ajustable dentro del modelo, con más parámetros generalmente significando más capacidad), está diseñado para ejecutarse en una estación de trabajo. Cosmos3-Super, con 64 mil millones de parámetros, se dirige a laboratorios de investigación.
Cosmos 3 se lanza como pesos abiertos, lo que significa que cualquiera puede descargar e inspeccionar los valores internos del modelo. Eso es importante para investigadores que desean construir sobre él sin pagar tarifas de API.
¿Qué significa esto para la gente común?
El impacto a corto plazo se concentra en algunos lugares.
Los autos autónomos reciben capacitación más segura. Un taxi robotizado no puede esperar a encontrar un tornado o un niño pequeño corriendo hacia el tráfico antes de aprender a manejarlo. Los modelos del mundo permiten que compañías como Waymo simulen esas situaciones miles de veces en software primero. Waymo se está expandiendo actualmente a tres nuevas ciudades, y la capacidad de probar casos extremos económicamente es parte de lo que hace que ese ritmo sea posible.
La robótica se vuelve más barata de desarrollar. Los robots entrenados dentro de simulaciones de modelos del mundo pueden transferir esas habilidades al mundo físico, reduciendo el número de ensayos costosos en el mundo real. Nuestro informe del 8 de septiembre sobre el investigador de IA que enseñó a los robots a imaginar muestra cuán seriamente los investigadores independientes están apostando por exactamente esto.
Los juegos y herramientas creativas cambian de forma. Genie 3 permite que un usuario escriba una descripción y camine dentro del entorno resultante segundos después. Los estudios de juegos ya están usando esto para prototipar niveles más rápidamente.
La financiación está fluyendo fuertemente hacia el espacio. General Intuition cerró una ronda semilla de 133,7 millones de dólares, World Labs recaudó 1.000 millones de dólares, y AMI de LeCun recaudó 1.030 millones de dólares. Cuando ese capital se concentra en un único enfoque, los productos tienden a llegar a los consumidores más rápido de lo que sugieren los cronogramas de investigación subyacentes.
Preguntas frecuentes
¿Es un modelo del mundo lo mismo que ChatGPT o Claude?
No. Los modelos de lenguaje grandes, la tecnología detrás de ChatGPT y Claude, predicen la siguiente palabra en una secuencia y funcionan casi completamente en texto. Los modelos del mundo predicen qué sucede a continuación en un entorno físico, trabajando con video, datos de sensores o información espacial. Se superponen en algunas arquitecturas pero sirven objetivos diferentes.
¿Puedo usar cualquiera de estas herramientas hoy?
Cosmos 3 de Nvidia está disponible como software de pesos abiertos para investigadores y desarrolladores. World Labs lanzó Spark 2.0 como código abierto. Los productos orientados al consumidor construidos sobre estos sistemas están comenzando a aparecer, pero la mayoría de las herramientas actuales se dirigen a desarrolladores y clientes empresariales en lugar de usuarios cotidianos.
¿Son seguros los modelos del mundo?
La precisión de predicción de video y las tasas de éxito de robots dentro de una simulación no siempre predicen el rendimiento en el mundo real, que es una razón por la que las pruebas de seguridad siguen siendo una preocupación vigente. El campo aún está definiendo estándares, y ningún regulador importante ha emitido orientación específica sobre modelos del mundo a mediados de 2026.
La lectura honesta de este momento: la física realmente funciona dentro de estos sistemas, que es nuevo, pero la brecha entre una simulación convincente y un comportamiento confiable en el mundo real es donde sucederá el próximo trabajo difícil de cinco años.
