Modelos de mundo (world models): o que são e o que já existe

Modelos de mundo (world models) são sistemas de inteligência artificial que simulam um ambiente e preveem como ele muda depois de cada ação. Em vez de responder com texto ou entregar um vídeo pronto, eles geram um mundo em que dá para andar, mexer em objetos e testar cenários. Genie, Cosmos e Marble são os exemplos mais conhecidos.

O assunto saiu do laboratório nos últimos meses. O Google mostrou o Genie 4, a AMD fechou a compra da World Labs e a Nvidia trata a simulação como base da próxima fase da robótica. Este guia explica o que essa tecnologia faz, como cada projeto funciona, onde ela já está sendo usada e o que ela ainda não consegue entregar.

O que são modelos de mundo?

A definição mais clara vem do próprio Google DeepMind. No anúncio do Genie 3, de agosto de 2025, o laboratório descreve um modelo de mundo como um sistema que usa o que aprendeu sobre o mundo para simular partes dele. Isso permite que um agente preveja como o ambiente vai mudar e como as próprias ações vão afetá-lo.

Pense num simulador de direção. Um jogo comum segue regras que um programador escreveu à mão: a gravidade, o atrito, o jeito como a porta abre. Num modelo de mundo, ninguém escreve essas regras. A IA aprende o comportamento das coisas assistindo a enormes quantidades de vídeo e de dados de sensores, e passa a gerar o próximo instante a partir do que acabou de acontecer.

A ideia é antiga na pesquisa, mas ganhou força porque os modelos de linguagem, sozinhos, não entendem bem o espaço físico. Um chatbot sabe descrever como se dobra uma toalha; um robô precisa prever o que acontece com o tecido a cada movimento da mão. Essa é a lacuna que os modelos de mundo tentam cobrir.

Como funcionam, sem jargão

O funcionamento lembra o de um gerador de vídeo, com uma diferença importante: o vídeo é criado quadro a quadro enquanto você interage. Você aperta para a esquerda, e o modelo inventa o que existe à esquerda. Você pede chuva, e a cena muda sem recomeçar. Para isso, o modelo precisa lembrar do que já mostrou, ou o mundo vira uma colagem incoerente.

Essa memória é o ponto fraco atual. O Genie 3 roda a 24 quadros por segundo em 720p e mantém o ambiente consistente por alguns minutos, com memória visual de cerca de um minuto, segundo o DeepMind. Quem quer entender como a IA passou a combinar visão, som e texto encontra o pano de fundo no guia de IA multimodal.

Quem está construindo: Genie, Cosmos e Marble

Genie, do Google DeepMind

O Genie cria mundos navegáveis a partir de uma frase. O Genie 3 trouxe pela primeira vez a interação em tempo real e os chamados eventos de mundo, em que um comando de texto muda o clima ou acrescenta objetos. A versão seguinte, descrita na notícia sobre o Genie 4 com áudio e edição em tempo real, adicionou som e manteve a cena coerente por até dois minutos. As duas saíram como prévia de pesquisa para um grupo fechado.

Cosmos, da Nvidia

O foco da Nvidia é outro: a chamada IA física. A plataforma Cosmos reúne modelos de mundo abertos, sob a licença OpenMDW 1.1 da Linux Foundation, em três tamanhos (Super, Nano e Edge). A empresa os apresenta para gerar dados sintéticos, como o mesmo trajeto sob chuva, neblina ou à noite, para treinar robôs e sistemas de direção autônoma. Por serem abertos, entram no mesmo debate do guia sobre IA de código aberto.

Marble, da World Labs

A World Labs, fundada pela pesquisadora Fei-Fei Li, lançou o Marble para o público em novembro de 2025. Segundo o anúncio da empresa, ele gera mundos 3D a partir de texto, fotos, vídeos curtos ou um esboço feito com formas simples, e exporta o resultado em formatos usados por estúdios de jogos e animação. A startup está sendo comprada pela AMD, como mostra a notícia da compra da World Labs por US$ 8,2 bilhões.

Para que servem na prática

O uso mais maduro é a robótica. Treinar um robô no mundo real é caro e lento: cada queda quebra peça, cada teste leva horas. Na simulação, o mesmo robô tenta milhares de vezes em uma noite. É por isso que fabricantes como a Figure apostam em pré-treino amplo; a notícia sobre o robô da Figure em 30 casas nunca vistas mostra até onde isso já chegou. O contexto maior está no guia sobre robôs humanoides no mercado de trabalho.

Carros autônomos seguem a mesma lógica. Situações raras, como uma criança atravessando entre carros parados na chuva, são difíceis de filmar, mas fáceis de simular. O panorama de quando essa tecnologia chega às ruas daqui está no guia sobre robotáxi no Brasil.

Há também usos criativos e educativos: protótipos de jogos, storyboards de filmes e aulas em que o aluno entra numa cena histórica. E há um parentesco com a ciência do clima, que também simula o mundo para prever o próximo estado, como mostra o guia de IA na previsão do tempo.

Um exemplo brasileiro: protótipo de jogo em duas semanas

Imagine um estúdio independente de Recife, com quatro pessoas, que quer apresentar um jogo ambientado no Recife Antigo para um edital de fomento. Antes, o cenário de demonstração exigia um artista 3D por cerca de dois meses. Com um gerador de mundos como o Marble, o fluxo pode mudar assim:

1. Dias 1 a 3: a equipe fotografa ruas e fachadas e gera três versões do bairro a partir das fotos.
2. Dias 4 a 8: escolhe a melhor, exporta a malha 3D e leva para o motor do jogo, onde ajusta colisões e iluminação.
3. Dias 9 a 14: o artista corrige fachadas que saíram erradas, acrescenta detalhes históricos e grava o vídeo de demonstração.

O ganho está em chegar a um protótipo apresentável em duas semanas, não em dispensar o artista: ele continua necessário para corrigir o que a IA inventou e para garantir fidelidade histórica. Antes de usar, a equipe precisa conferir os termos de uso e o plano da ferramenta na página oficial, porque limites e licença comercial mudam.

Limites e riscos que ainda pesam

O próprio DeepMind lista as limitações do Genie 3: o leque de ações do agente é restrito, várias personagens independentes interagindo ainda é um problema aberto, lugares reais não saem com precisão geográfica e a interação dura minutos, não horas. Na prática, o mundo gerado parece plausível, mas não é fiel.

• Física errada. Um robô treinado numa simulação com atrito irreal pode falhar no mundo real. Por isso o teste físico final continua obrigatório.
• Custo e energia. Gerar mundos em tempo real exige muita computação, o que aumenta a pressão sobre data centers, tema do guia de data centers de IA e energia no Brasil.
• Conteúdo falso mais convincente. Um ambiente que reage em tempo real torna mais fácil criar cenas que nunca existiram. Saber checar a origem de imagens, como mostra o guia de Content Credentials (C2PA), ganha peso.
• Acesso restrito. Parte dessas ferramentas segue em prévia fechada, então muito do que se vê são demonstrações escolhidas pelas empresas.

O que muda para quem trabalha e como acompanhar

No curto prazo, quem sente primeiro são as áreas de simulação: engenharia de robótica, automação industrial, jogos, efeitos visuais e arquitetura. A IA não tira o trabalho de quem modela cenários, mas muda a tarefa: menos construir do zero e mais dirigir, corrigir e validar. Um estudo sobre quais tarefas físicas os robôs já conseguem fazer aponta que dar conta da tarefa e compensar financeiramente são coisas diferentes, o que segura a velocidade dessa mudança. Para quem pensa em carreira, o guia de profissões que vão surgir por causa da IA ajuda a mapear o caminho.

Para acompanhar sem cair em promessa exagerada, use um chatbot como tutor e peça sempre a fonte:

Explique o que é um modelo de mundo em IA para alguém sem formação técnica.
Compare com um gerador de vídeo e com um simulador de jogo tradicional.
Dê dois exemplos reais de uso em robótica e diga quais limitações
as próprias empresas reconhecem. Cite as fontes oficiais.

Trabalho como [sua função] em [setor]. Liste três formas realistas
de modelos de mundo afetarem meu trabalho nos próximos três anos,
separando o que já existe hoje do que ainda é demonstração de laboratório.

Modelos de mundo são a aposta das grandes empresas para tirar a IA da tela e levá-la ao espaço físico. Vale acompanhar com curiosidade e ceticismo na mesma medida: o avanço é real, os limites também. Para seguir nesse tema, veja como os agentes de IA devem usar essas simulações e acompanhe as novidades na categoria Futuro.