Pular para o conteúdo
ReviewRamble

A newsletter semanal

IA, analisada, na sua caixa de entrada.

  • Novas análises de ferramentas, modelos, servidores MCP e repositórios, com o veredicto logo no início
  • Preços e notas reconferidos quando algo muda
  • Novos artigos de análise assim que são publicados

Modelos, agentes, servidores MCP e as ferramentas que realmente valem seu tempo.

Um e-mail por semana. Cancele pelo link em qualquer edição. Como usamos seu e-mail

World model

Um world model (modelo de mundo) é um modelo de IA que aprende como um ambiente funciona bem o bastante para prever o que acontece em seguida, muitas vezes a partir de vídeo ou dados de sensores, para que um agente possa planejar ou treinar dentro da simulação.

Por Divya Sharma · Verificado em 15 de nov. de 2026 · Como analisamos

O termo tem uma origem precisa e um uso moderno mais solto, então ajuda saber qual dos dois a pessoa quer dizer.

O significado na pesquisa

No aprendizado por reforço, um world model é um simulador aprendido. Um artigo de 2018 de Ha e Schmidhuber treinou uma rede para construir uma imagem comprimida de um ambiente de jogo e de como ele muda ao longo do tempo. Um pequeno controlador então aprendeu a agir usando essa visão comprimida, e podia até ser treinado dentro da versão imaginada do jogo pelo próprio modelo antes de voltar ao jogo real. A ideia é que o agente aprende com previsões em vez de tentativas reais caras.

O significado atual nos produtos

Os laboratórios hoje usam "world model" para grandes modelos generativos que produzem vídeo ou cenas 3D exploráveis e reagem a ações, voltados para robótica, direção autônoma e jogos. Exemplos analisados neste site incluem o NVIDIA Cosmos 3 e o Genie 4, da DeepMind. Eles geralmente são treinados com grandes volumes de vídeo e são um tipo de foundation model.

Um uso contestado

As pessoas também discutem se os modelos de linguagem grandes contêm um "world model" interno dos fatos que descrevem. Essa é uma afirmação sobre o que um modelo aprendeu internamente, não um tipo de produto, e não existe um teste consensual para ela.

Como difere

Um modelo de text-to-video faz um clipe a partir de um prompt e para. Um world model é feito para avançar passo a passo: dado o estado atual e uma ação, ele prevê o próximo estado, para que algo possa agir dentro dele. Seus limites são os mesmos de qualquer simulador: os erros se acumulam em sequências longas, e uma política que funciona no modelo pode não funcionar no mundo real.

Termos relacionados

Modelo multimodal
Um modelo multimodal (multimodal model) é um modelo de IA que consegue receber, e às vezes produzir, mais de um tipo de dado, como texto, imagens, áudio ou vídeo, dentro de um único modelo em vez de sistemas separados.
Modelo de fundação
Um modelo de fundação (foundation model) é um modelo grande treinado com dados amplos em escala, que pode ser adaptado a muitas tarefas diferentes, por prompting ou fine-tuning, em vez de ser construído para uma única tarefa.
Text-to-video
Text-to-video (texto para vídeo) é a tarefa de gerar um videoclipe curto a partir de um prompt escrito. Os modelos precisam produzir quadros que pareçam corretos individualmente e também se movam de forma consistente de um quadro para o outro.
Grande modelo de linguagem
Um grande modelo de linguagem (large language model, LLM) é uma rede neural com bilhões de parâmetros, treinada com grandes quantidades de texto para prever o próximo token, o que permite a ele escrever, responder a perguntas, resumir e seguir instruções.
Agente de IA
Um agente de IA é um sistema em que um modelo de linguagem decide seus próprios próximos passos: chama ferramentas, lê os resultados e repete até concluir a tarefa, em vez de seguir um roteiro fixo.

Fontes