Corrida dos World Models 2026: Como LeCun, DeepMind e World Labs Estão Redefinindo o Caminho para a AGI

Três bilhões de dólares em avaliação pré-lançamento para uma startup que ainda não lançou um único produto.[^1] A AMI Labs de Yann LeCun representa a maior aposta até agora em uma tese que tem dividido pesquisadores de IA há anos: grandes modelos de linguagem nunca alcançarão inteligência geral, e o caminho adiante passa pelos world models.

TL;DR

O paradigma dos world models explodiu no desenvolvimento mainstream de IA no final de 2025 e início de 2026. Yann LeCun deixou a Meta após 12 anos para lançar a AMI Labs, levantando €500M com avaliação de €3B para construir sistemas de IA que entendem física em vez de apenas prever texto.[^2] O Google DeepMind lançou o Genie 3, o primeiro world model interativo em tempo real capaz de gerar ambientes 3D persistentes a 24 fps.[^3] A World Labs de Fei-Fei Li lançou o Marble, tornando a geração de world models comercialmente disponível com preços de gratuito a $95/mês.[^4] A plataforma Cosmos da NVIDIA teve 2 milhões de downloads enquanto desenvolvedores de robótica e veículos autônomos adotam dados de treinamento sintéticos conscientes de física.[^5] Para organizações construindo infraestrutura de IA, os world models sinalizam uma mudança computacional do processamento de texto para geração de vídeo, simulação de física e raciocínio incorporado.

O Teto dos LLMs

Grandes modelos de linguagem alcançaram capacidades notáveis através de escala. GPT-4, Claude e Gemini demonstram raciocínio sofisticado, geração de código e resolução de problemas em múltiplas etapas.[^6] No entanto, uma limitação fundamental persiste: esses modelos aprendem padrões estatísticos do texto, não compreensão da realidade física.[^7]

Pesquisas publicadas em 2024 provaram matematicamente que LLMs não podem aprender todas as funções computáveis e, portanto, inevitavelmente vão alucinar quando usados como solucionadores de problemas gerais.[^8] A causa raiz está em como os LLMs operam: prevendo quais tokens seguem tokens anteriores com base em padrões aprendidos dos dados de treinamento, sem qualquer ancoragem na realidade física.[^9]

O Problema da Alucinação

LLMs geram texto que soa plausível mas pode descrever cenários fisicamente impossíveis, eventos historicamente imprecisos ou raciocínio logicamente inconsistente.[^10] Diferentemente dos humanos que aprendem sobre gravidade através de experiência incorporada, LLMs apenas aprendem que a palavra "gravidade" tende a aparecer perto de certas outras palavras.[^11]

Yann LeCun tem argumentado publicamente há anos que escalar LLMs não produzirá inteligência geral.[^16] "LLMs são muito limitantes", afirmou LeCun em sua apresentação no NVIDIA GTC. "Escalá-los não nos permitirá alcançar a AGI."[^17]

A alternativa que ele propõe: world models que aprendem representações da realidade física, permitindo previsão, planejamento e raciocínio sobre causa e efeito.[^18]

AMI Labs de Yann LeCun

LeCun deixou a Meta em dezembro de 2025 após 12 anos, cinco como diretor fundador do Facebook AI Research (FAIR) e sete como cientista-chefe de IA.[^19] Seu novo empreendimento, Advanced Machine Intelligence (AMI) Labs, representa a tentativa mais ambiciosa até agora de comercializar pesquisa em world models.[^20]

Financiamento e Estrutura

A AMI Labs entrou em discussões de financiamento buscando €500 milhões com avaliação de €3 bilhões antes de lançar qualquer produto.[^21] O objetivo representaria uma das maiores captações pré-lançamento da história da IA, refletindo a confiança dos investidores na visão e histórico de LeCun.[^22]

A empresa planeja estabelecer sede em Paris até janeiro de 2026.[^25] Embora a Meta não invista diretamente na AMI Labs, as empresas planejam forjar uma parceria permitindo que LeCun mantenha conexões de pesquisa.[^26]

Visão Técnica

A AMI Labs visa criar sistemas de IA que entendem física, mantêm memória persistente e planejam ações complexas em vez de simplesmente prever sequências de texto.[^27] LeCun descreve um world model como "seu modelo mental de como o mundo se comporta."[^28]

"Você pode imaginar uma sequência de ações que pode tomar, e seu world model permitirá que você preveja qual será o efeito da sequência de ações no mundo", explicou LeCun.[^29]

A abordagem difere fundamentalmente dos LLMs. Enquanto modelos estilo GPT preveem a próxima palavra, world models preveem o próximo estado de um ambiente físico dadas as ações tomadas dentro dele.[^30] Isso permite:

• Planejamento: Simular resultados antes de agir
• Raciocínio sobre física: Entender que objetos têm massa, momento e relações espaciais
• Compreensão de causa-efeito: Aprender que ações produzem consequências previsíveis
• Memória persistente: Manter estado do mundo consistente ao longo do tempo

Fundação I-JEPA

A AMI Labs se baseia na pesquisa I-JEPA (Image Joint Embedding Predictive Architecture) de LeCun na Meta.[^31] O I-JEPA aprende prevendo representações de regiões de imagens a partir de outras regiões, desenvolvendo compreensão abstrata de cenas visuais sem precisar de rótulos explícitos.[^32]

A abordagem paralela como humanos desenvolvem física intuitiva através da observação. Uma criança observando objetos caírem desenvolve um modelo interno de gravidade sem ninguém explicar as leis de Newton.[^33] O I-JEPA e arquiteturas sucessoras visam replicar esse processo de aprendizagem em sistemas artificiais.[^34]

Genie 3 da DeepMind

O Google DeepMind lançou o Genie 3 em agosto de 2025, representando o primeiro world model de propósito geral interativo em tempo real.[^35] Diferentemente de sistemas anteriores que geravam ambientes estáticos ou requeriam tempo de processamento significativo, o Genie 3 produz mundos 3D navegáveis a 24 quadros por segundo.[^36]

Capacidades Técnicas

O Genie 3 gera ambientes dinâmicos a partir de prompts de texto, mantendo consistência visual por vários minutos de interação em tempo real.[^37] O sistema não depende de engines de física codificados; em vez disso, o modelo ensina a si mesmo como o mundo funciona através do treinamento.[^38]

"O Genie 3 é o primeiro world model de propósito geral interativo em tempo real", afirmou Shlomi Fruchter, diretor de pesquisa da DeepMind. "Ele vai além dos world models estreitos que existiam antes. Não é específico para nenhum ambiente particular."[^44]

Arquitetura Auto-Regressiva

O modelo gera um quadro por vez, olhando para trás no conteúdo previamente gerado para determinar o que acontece em seguida.[^45] Alcançar desempenho em tempo real requer computar esse processo auto-regressivo múltiplas vezes por segundo enquanto mantém consistência com memória visual potencialmente de um minuto atrás.[^46]

Consistência física emerge do treinamento em vez de programação explícita.[^47] Ambientes do Genie 3 mantêm física estável porque o modelo aprendeu regularidades físicas dos dados de treinamento, não porque pesquisadores codificaram manualmente gravidade ou detecção de colisão.[^48]

Implicações para AGI

A DeepMind posiciona o Genie 3 como um degrau rumo à inteligência artificial geral.[^49] O laboratório espera que a tecnologia de world models desempenhe um papel crítico à medida que agentes de IA interagem mais com ambientes físicos.[^50]

"O Genie 3 marca um grande salto rumo à Inteligência Artificial Geral ao permitir que agentes de IA 'experimentem', interajam e aprendam com mundos ricamente simulados sem criação manual de conteúdo", de acordo com o anúncio da DeepMind.[^51]

Limitações Atuais

O Genie 3 permanece em preview de pesquisa limitada em vez de lançamento público.[^52] Restrições conhecidas incluem:

• Espaço de ação limitado para interações de agentes
• Quebra de consistência após vários minutos
• Precisão geográfica do mundo real incompleta
• Desafios modelando interações complexas multi-agentes

A DeepMind continua expandindo o acesso de teste para acadêmicos e criadores selecionados.[^53]

World Labs de Fei-Fei Li e Marble

A World Labs, fundada pela pioneira de IA Fei-Fei Li, lançou o Marble em novembro de 2025 como o primeiro produto de world model comercialmente disponível.[^54] A startup emergiu do modo stealth com $230 milhões em financiamento pouco mais de um ano antes do lançamento do Marble.[^55]

Arquitetura do Produto

O Marble gera ambientes 3D persistentes e baixáveis a partir de prompts de texto, fotos, vídeos, layouts 3D ou imagens panorâmicas.[^56] Diferentemente de concorrentes que geram mundos dinamicamente durante a exploração, o Marble produz ambientes discretos que usuários podem editar e exportar.[^57]

A plataforma oferece ferramentas de edição nativas de IA e um editor 3D híbrido permitindo bloqueio de estrutura espacial antes da IA preencher detalhes visuais.[^58] Arquivos exportam em formatos compatíveis com ferramentas padrão da indústria como Unreal Engine e Unity.[^59]

Modelo de Preços

A World Labs adotou uma estrutura freemium direcionada a profissionais criativos:[^60]

Aplicações Alvo

Casos de uso iniciais focam em jogos, efeitos visuais para cinema e realidade virtual.[^61] O Marble suporta headsets VR Vision Pro e Quest 3, com cada mundo gerado visualizável em VR.[^62]

Fei-Fei Li posiciona o Marble como "o primeiro passo para criar um world model verdadeiramente espacialmente inteligente."[^63] Além de aplicações criativas, a tecnologia permite treinamento de robótica através de ambientes simulados que seriam caros ou perigosos de criar na realidade física.[^64]

NVIDIA Cosmos: World Models em Escala Industrial

A NVIDIA lançou o Cosmos na CES 2025 como uma plataforma para desenvolvimento de IA física, especificamente direcionada a veículos autônomos e robótica.[^65] Até janeiro de 2026, os world foundation models do Cosmos haviam sido baixados mais de 2 milhões de vezes.[^66]

Arquitetura da Plataforma

O Cosmos compreende world foundation models generativos, tokenizadores avançados, guardrails e um pipeline de processamento de vídeo acelerado.[^67] Os modelos preveem e geram vídeos conscientes de física de estados futuros do ambiente, permitindo geração de dados de treinamento sintéticos em escala massiva.[^68]

A plataforma treinou em 9.000 trilhões de tokens de 20 milhões de horas de dados do mundo real abrangendo interações humanas, ambientes, configurações industriais, robótica e cenários de direção.[^72]

Adoção pela Indústria

Empresas líderes de robótica e automotivas adotaram o Cosmos para geração de dados sintéticos:[^73]

Tipos de Modelos Cosmos

Três tipos de modelos atendem diferentes necessidades de desenvolvimento de IA física:[^74]

Cosmos-Predict: Simula e prevê estados futuros do mundo em forma de vídeo **Co

[Conteúdo truncado para tradução]