Los generadores de v ídeo con IA pueden hacer que cada fotograma resulte convincente mientras la secuencia rompe la física más básica: un vaso rebota en lugar de romperse, una fila de fichas de dominó cae pero deja el jarrón intacto. PhysLoop, un preprint de investigadores de la Universidad de Pekín, ByteDance Seed, el MIT y otros centros, intenta corregirlo poniendo un simulador físico entre el conocimiento de un modelo de lenguaje y el vídeo final. Es un sistema de investigación, no un producto, pero muestra una vía práctica hacia vídeos de IA más creíbles.
El método funciona por etapas. Un agente de programación, por defecto GPT-6 Astra de OpenAI, convierte una petición en una especificación de tarea, anota supuestos como la altura de caída o la superficie, reúne recursos 3D y monta una escena en Unreal Engine 5.7. El simulador ejecuta el suceso, un verificador lo contrasta con la especificación y solo entonces un modelo de vídeo, por defecto Seedance 2.5, refina la apariencia; el vídeo final se vuelve a comprobar. El mismo proceso puede reparar un vídeo ya generado reconstruyendo solo el tramo defectuoso. El equipo publica PhysLoop-100K, 100K vídeos de 2.5K sucesos físicos distintos, además de dos conjuntos de prueba.
Los resultados son más claros en la reparación. En PhysLoop-Repair el sistema completo acertó el 86,00% de las veces, frente al 19,33% de Seedance 2.5 solo, y ningún generador independiente superó el 20%. En tareas de generación logró un 85% de éxito frente a un 73%, con mejores notas humanas en verosimilitud física, 4,06 frente a 3,80, pero peor realismo visual, 3,72 frente a 4,29. En la prueba externa Physics-IQ Verified obtuvo 52,06 frente a 48,07; usar Claude Opus 5 como agente dio la mejor puntuación, 53,75, pese a menor éxito en las otras pruebas. Los autores cifran el coste de diez tareas de generación en 42,99 dólares en cargos de vídeo más los tokens del modelo, y cada vídeo tarda unos 7 a 12 minutos.
El enfoque esquiva una debilidad conocida: los evaluadores generales y los modelos de vídeo juzgan mal la física, mientras que un simulador no tiene que juzgar, calcula. Eso lo acerca más a los diseños de agentes guiados por verificadores, hoy habituales en las herramientas de programación, que a insistir con los prompts a un modelo de vídeo.
Los límites son importantes. Es un preprint de arXiv, sin revisión por pares. El planteamiento de automejora recursiva es una aspiración; la propia sección de limitaciones dice que un ciclo de entrenamiento completo aún necesita conectar la detección de debilidades con la selección de datos. Los resultados dependen de la cobertura del simulador y de los materiales supuestos, las tasas de victoria por pares las puntuó un solo autor sin ocultar las condiciones, y las métricas automáticas de calidad sitúan a PhysLoop algo por debajo de los generadores independientes.