Uma Taxonomia Funcional de World Models

World models não são só mais uma camada de IA: são a tentativa mais séria até hoje de dar às máquinas um senso de mundo, não como texto, mas como espaço que se transforma no tempo, com física, causalidade e consequências reais. Enquanto LLMs preveem palavras, world models preveem pixels em movimento, forças em colisão, trajetórias de robôs e reações de ambientes dinâmicos. A nova taxonomia funcional, publicada em 3 de junho de 2026 por Fei Fei Li e a World Labs, corta o nebuloso: renderizadores (saída perceptiva), simuladores (dinâmica física latente) e planejadores (políticas acionáveis). Isso não é teoria, já está sendo implementado. O Cosmos 3 da NVIDIA, lançado em 1º de junho, é o primeiro modelo de mundo aberto com escala industrial, integrando os três componentes em versões Nano (16B) e Super (64B), com treinamento, implantação e dados totalmente públicos.

O campo saiu do laboratório há menos de dois anos. O Genie 3 do Google DeepMind, operacional desde agosto de 2025, já roda em tempo real na Waymo para simular cenários extremos de direção autônoma, com sincronia entre câmera e lidar, algo impossível com LLMs puros. E a AMI Labs, recém-fundada por Yann LeCun, aposta em JEPA como alternativa à previsão token-a-token: uma arquitetura que aprende representações conjuntas de ação e estado, sem depender de grandes volumes de dados rotulados. Essa virada não é incremental: é uma mudança de paradigma na base da inteligência artificial.

A cobertura anterior de 4 de junho no CEVIU já citava a taxonomia de três componentes, mas a novidade real veio dias antes: a publicação concreta do framework pela World Labs em 3 de junho, seguida pelo lançamento imediato do Cosmos 3 pela NVIDIA em 1º de junho, o primeiro world model aberto com suporte nativo a todos os três níveis (renderização, simulação e planejamento) e licença comercial permissiva. Antes, modelos como o γ-World (28/05) eram multiagente e com generalização zero-shot, mas focados em rollouts visuais; agora, o Cosmos 3 entrega também raciocínio físico estruturado e geração de ação, unificando o que antes era fragmentado em módulos separados. Ou seja: a taxonomia deixou de ser classificação teórica e virou especificação técnica de referência.

Porque world models são o único caminho viável para agentes que operam fora de servidores, em fábricas, ruas, hospitais ou casas. Um LLM pode escrever um manual de manutenção, mas não sabe onde apertar o parafuso nem o que acontece se girar no sentido errado. Um world model simula a torção, o atrito, a deformação do metal. Isso reduz drasticamente o custo de testes físicos, acelera o desenvolvimento de robôs e veículos autônomos e torna possível a construção de gêmeos digitais com fidelidade física realista, não apenas visual. A corrida não é mais por quem tem o maior modelo de linguagem, mas por quem constrói o melhor simulador interno do mundo.