Hola! Soy tu amigo periodista financiero y economista. Hoy no vamos a hablar de fríos códigos, sino de una “nueva especie” que está cambiando silenciosamente nuestro estilo de vida en el futuro: el Modelo Mundial (World Model).
Recientemente, el término “Modelo Mundial” se ha vuelto muy popular en el círculo tecnológico. Empresas gigantes como Li Feifei, ByteDance, Tencent, Alibaba y Ant Group han participado activamente en este campo. Pero la gente podría preguntarse: ¿Qué es realmente esto? ¿Qué tiene que ver conmigo? ¿Se puede usar ya?
Para aclarar estas dudas, analicé en profundidad un artículo de prueba realizada por “Xi Xiaoyao Technology”. Este artículo no utiliza términos difíciles, sino que explica el funcionamiento de los 5 principales productos de Modelo Mundial disponibles en China como si estuviera jugando a un videojuego.
A continuación, desglosaré este análisis técnico en 5 dimensiones clave para que entiendas fácilmente a qué nivel ha llegado la generación de mundos virtuales.
---
Primera dimensión: Desmitiendo conceptos: el Modelo Mundial no es un “video”, sino un “universo paralelo interactivo”
Primero, debemos corregir una gran confusión: el Modelo Mundial ≠ modelos de generación de videos.
- Modelos de videos (como Sora): Son como ver una película: solo puedes mirar, no puedes interactuar. Lo que el director filma, eso es lo que ves. Son lineales y fijos.
- Modelos Mundiales: Son como jugar a juegos como “The Legend of Zelda” o “Minecraft”. Puedes interactuar en tiempo real:
- Puedes caminar hacia adelante, hacia atrás o girar.
- Puedes dar instrucciones al mundo: “Haga que llueva”, “Abra la puerta”, “Convierta a ese gato en un superhéroe”.
- Lógica central: La próxima imagen se genera en tiempo real, basándose en tus acciones y órdenes.
Metáfora para explicar: Si un modelo de videos es como una cinta de vídeo que muestra un “mundo submarino”, un Modelo Mundial es como si te lanzaran a ese mundo real. Si quieres nadar hacia la izquierda, los peces se dispersan; si lanzas una piedra, las olas salpican. Es un proceso continuo con feedback inmediato.
Actualmente, hay 5 empresas en China que han abierto sus productos para pruebas:
1. Ant LingBot-World 2.0
2. Loopit Zing-0.5
3. Alibaba HappyOyster 1.0
4. Aishi R1
5. Tencent Hunyuan HY-World 2.1
Estos productos se dividen en tres categorías:
- Exploradores: El mundo cambia mientras caminas (Tencent, algunas versiones de Alibaba).
- Directores: El mundo se desarrolla según tus órdenes (Aishi, algunas versiones de Alibaba).
- Control conjunto (más cercano a un juego): Puedes cambiar el mundo mientras caminas (Ant, Loopit).
---
Segunda dimensión: ¿Pueden “recordar” quién eres?
En los juegos, lo que más molesta es que los personajes cambien repentinamente o que el entorno no sea consistente. El artículo revela el nivel real de cada producto en términos de consistencia a través de dos pruebas clave:
1. Restauración de la entrada (¿La partida comienza de manera estable?)
- Prueba: Se proporciona una imagen de una “carroza en el desierto” y se ve quién puede generar la escena inicial con precisión.
- Resultados: Zing, HappyOyster, LingBot tuvieron el mejor desempeño, reproduciendo con bastante fidelidad la imagen original.
- Ejemplos de errores:
- Aishi R1: Si proporcionas una imagen de la espalda de una persona, el modelo muestra su rostro de frente, cambiando completamente la escena.
- Tencent HY-World: Rechaza las imágenes de personas y solo reconoce paisajes, lo que indica que se enfoca más en la generación de escenas que en la interacción con personajes.
2. Consistencia después de moverse (¿El mundo se desvanece al caminar?)
Esta es la clave para que el juego funcione bien. Si caminas hacia adelante, el mundo no debe cambiar de forma, desaparecer o generar objetos aleatorios.
- Consistencia de personajes y objetos:
- Zing & HappyOyster: Son muy estables: el carro sigue siendo el mismo, y la persona también.
- LingBot: Tiene un pequeño problema: de repente aparecen cuatro grandes ruedas negras debajo del carro, y el estado original no se puede recuperar.
- Aishi R1: Desempeño catastrófico: El personaje que conduce en el desierto cambia de rostro tres veces: de la espalda al rostro normal, luego a uno con gafas de sol, y finalmente a uno femenino. Esto indica que aún no puede mantener la memoria a largo plazo de los personajes.
- Consistencia del entorno:
- HappyOyster: Campeón: Al levantar la vista al cielo estrellado y luego bajarla al pueblo, el cielo sigue en su lugar.
- Zing: No está mal, pero el cielo estrellado tiene ligeras distorsiones.
- LingBot: ¡Error grave!: Al volver, aparece un segundo sol en el cielo, y el paisaje estrellado se convierte en líneas azules.
Comentario del periodista: Actualmente, Alibaba HappyOyster es el mejor en mantener la estabilidad del mundo, lo que lo hace ideal para experiencias inmersivas; Loopit Zing está cerca de su nivel; Ant LingBot y Aishi R1 tienden a olvidar lo que has hecho después de un rato largo de interacción y necesitan mucha mejora.
---
Tercera dimensión: ¿Entienden el “senso común”?
El Modelo Mundial no solo debe ser atractivo visualmente, sino que también debe tener sentido lógico. Por ejemplo, si un tsunami llegara desde la parte superior de un barco, el juego no sería jugable.
El artículo probó dos escenas físicas:
1. Ataque de tsunami
- Orden: “Está llegando un tsunami”.
- Zing: Las olas surgen del mar y golpean el muelle, siguiendo las leyes de la física.
- LingBot: El agua fluye como una cascada desde la parte superior del barco, mientras que el mar a su alrededor permanece plano. Es absurdo, como si el agua cayera del techo y te ahogara.
2. Proceso de amanecer
- Orden: “Está amaneciendo”.
- Zing: El cielo y el mar se iluminan gradualmente, con una transición natural de luz y sombra, como en un amanecer real.
- LingBot: Los cambios son sutiles y no parecen reales.
Comentario del periodista: Zing lidera en términos de lógica física. El mundo que genera se parece más a un sistema operativo ordenado, no solo a una acumulación de efectos visuales. Esto es crucial para el futuro desarrollo de juegos y simulaciones, ya que si la física no es correcta, los usuarios no lo creerán.
---
Cuarta dimensión: ¿Es para “ver” o para “jugar”?
Esta es la clave para distinguir entre un simple video y un Modelo Mundial avanzado. El artículo clasifica los productos en modo director (el modelo genera la escena automáticamente) y modo control conjunto (el usuario puede cambiar el mundo mientras juega).
1. Capacidad de dirección (el modelo actúa por sí mismo)
- Aishi R1: Es como un guionista creativo: las imágenes son impresionantes, pero a menudo la historia no sigue lógica (por ejemplo, un gato que de repente desarrolla alas o aparecen cadenas y plataformas de hierro).
- Alibaba HappyOyster: Es como un director profesional: utiliza la cámara de manera efectiva, sabiendo cuándo acercar la imagen o alejarla. Por ejemplo, al mostrar al gato caminando, primero muestra sus patas tocando el suelo, luego las flores y luego la vista general. La narrativa es clara, lo que ofrece la mejor experiencia.
2. Control conjunto (juegas mientras cambias el mundo)
Esto es lo más cercano a un juego real:
- Escenario: Controlas al personaje mientras combates contra un dragón y al mismo tiempo cambias el entorno.
- Zing: Su rendimiento es excelente: puedes caminar hacia adelante y disparar rayos al dragón; la cámara muestra claramente tu posición y la del dragón, lo que te ayuda a tomar decisiones.
- LingBot: Los efectos visuales son demasiado llamativos; el halo azul y las llamas púrpuras bloquean tu visión, impidiéndote ver con claridad a tu oponente. Se centra más en los efectos visuales que en la interacción.
Comentario del periodista:
- Si quieres ver una historia, elige HappyOyster (Alibaba).
- Si quieres jugar e interactuar, elige Zing (Loopit).
- LingBot (Ant): Aunque tiene efectos visuales impresionantes, estos pueden interferir con tu experiencia.
---
Quinta dimensión: ¿Está listo para el mercado? ¿Es caro?
Incluso la mejor tecnología no sirve de nada si es lenta o demasiado cara para el público general.
1. Rápida respuesta (¿Reacciona rápidamente a tus órdenes?**
- Zing: Responde rápidamente a cambios en el entorno (como nubes de tormenta); el mundo cambia inmediatamente después de tus órdenes.
- LingBot: Responde rápido a las acciones del personaje (como girar); la imagen se actualiza rápidamente.
- Aishi R1: Es más lento; necesitas esperar unos segundos para que el cambio se visualice.
- HappyOyster: Es bueno para explorar, pero no puedes dar órdenes simultáneamente.
Conclusión: Zing ofrece la mejor experiencia en términos de respuesta inmediata, lo que lo acerca más a la fluidez de un juego real.
2. Costo (¿Es económico?**
Este es un aspecto muy práctico. El artículo compara el costo de uso durante 10 minutos:
| Producto | Costo por 10 minutos | Notas |
| :--- | :--- | :--- |
| Loopit Zing | Menos de 1 yuan | Este es el costo de computación y energía del servidor; si se vende a este precio, sería muy competitivo. |
| Ant LingBot | Alrededor de 2 dólares | Precio público para 10 minutos de uso. |
| Alibaba HappyOyster | Alrededor de 10.4 dólares | Incluye el costo de generar el mundo y la comunicación en tiempo real; es el más caro. |
| Tencent/Aishi | No hay datos disponibles o el método de facturación es diferente | Tencent cobra según el resultado generado; no hay datos comparables para Aishi. |
Comentario del periodista:
- Zing tiene una gran ventaja en términos de costo. Si puede mantener el costo de computación por debajo de 1 yuan y venderlo a ese precio, tendría un gran potencial de difusión.
- HappyOyster, debido al alto costo de generar el mundo, es más adecuado para creadores profesionales que para jugadores comunes.
---
📝 Resumen: ¿Hasta dónde ha llegado el Modelo Mundial?
Desde una perspectiva económica, el Modelo Mundial se encuentra en una etapa similar a la de GPT-3:
- No es como ChatGPT: Aún no está listo para uso inmediato, sin errores ni completamente funcional.
- Es como GPT-3: El camino tecnológico ya está claro y sus capacidades están demostradas; puedes sentir que el enfoque es correcto, pero la experiencia aún necesita mejorar y hay muchos errores.
Consejos para el público general:
1. No esperes jugar juegos complejos ahora: Los productos actuales son más bien versiones de prueba; tienen muchos errores (cambios en la apariencia de personajes, desvanecimiento del entorno).
2. Foca en la capacidad de control conjunto: Esta es la clave para que los Modelos Mundiales se diferencien de los modelos de videos. El que pueda cambiar el mundo de manera fluida y a un bajo costo ganará en el futuro.
3. Ten en cuenta a Alibaba y Loopit:
- Alibaba HappyOyster se destaca por su capacidad narrativa y estabilidad, ideal para películas y dramas interactivos.
- Loopit Zing se destaca por su interactividad y bajo costo, ideal para prototipos de juegos y interacciones en tiempo real.
En resumen: El Modelo Mundial ya no es solo ciencia ficción; se está convirtiendo en una nueva herramienta de creación. Aunque todavía tiene algunos problemas, ya hemos podido sentir los primeros pasos hacia la generación de mundos virtuales en tiempo real. Lo que queda por ver es si nos harán querer quedarnos allí todo el tiempo…