O que você vai encontrar aqui:
- O que são world models e por que eles são diferentes dos LLMs que você já usa no ChatGPT, no Gemini e no Claude.
- Por que Yann LeCun deixou a Meta para apostar tudo na arquitetura JEPA, e por que essa não é a única posição pública sobre o caminho até a AGI.
- As cinco abordagens concorrentes de world models, de LeCun a Fei-Fei Li, com o volume de capital que cada uma já captou.
- Por que a aposta dupla da própria DeepMind, com Gemini e Genie 3 ao mesmo tempo, é um indício forte de que o debate não é sobre escolher um lado.
- O que muda, e o que ainda não muda, para quem decide tecnologia numa empresa hoje.
Nos últimos doze meses, duas startups apostando nesse paradigma captaram, juntas, mais de dois bilhões de dólares. Cada uma com uma arquitetura técnica diferente, sem nenhuma ligação societária entre as duas: é capital de investidores diferentes indo para direções técnicas diferentes, o que costuma acontecer quando um campo de pesquisa amadurece a ponto de várias apostas plausíveis coexistirem ao mesmo tempo.
Assisti ao momento em que essa disputa saiu do paper acadêmico e virou palco em junho de 2026, na VivaTech Paris, quando vi Yann LeCun dizer ao vivo que a indústria de IA deveria parar de fazer IA generativa. Contei aquele momento num artigo publicado logo depois. Desde então venho avaliando roadmap de tecnologia em conselhos consultivos, e a pergunta que mais ouço de quem decide onde investir em IA é sempre a mesma: isso é hype de pesquisador ou é uma mudança real de direção que eu preciso acompanhar agora?
Este artigo conversa com o meu e-book gratuito O Mapa do Explorador, que mapeia 17 setores, 81 verticais de tecnologia e 207 tendências para quem decide sem estar no time técnico. Se o debate entre paradigmas de IA te deixou curioso sobre onde mais a fronteira tecnológica está se movendo, o livro mostra o resto do mapa.
O que são world models, em uma frase que serve para uma reunião
Um LLM aprende prevendo a próxima palavra de um texto. Um world model, ou modelo de mundo, aprende prevendo o próximo estado de um ambiente em resposta a uma ação, seja esse ambiente um vídeo, uma cena em 3D ou o layout de um armazém.
A diferença técnica explica por que os dois caminhos não são a mesma coisa em escalas diferentes. Linguagem é feita de símbolos discretos e finitos, então um modelo consegue calcular a probabilidade de cada palavra possível.
O mundo físico chega pelos sentidos como dado contínuo, ruidoso e de altíssima dimensão, e tentar prever cada pixel do que vem a seguir é, na prática, impossível: um vídeo de uma plateia permite prever que vai continuar tendo gente sentada, mas não o rosto exato de cada pessoa.
A saída técnica é abstrair: aprender uma representação simplificada do ambiente e prever dentro dela, por exemplo, que o trânsito de uma avenida continua fluindo, sem tentar prever a posição exata de cada carro, descartando de propósito o detalhe que ninguém consegue antecipar.
O termo não é novo: Jürgen Schmidhuber cunhou “world model” em 1990, propondo redes neurais que previssem estados futuros a partir de observações para treinar agentes.
O salto para a fase atual veio em 2022, quando Yann LeCun publicou a proposta da arquitetura JEPA como caminho técnico concreto para escalar essa ideia até algo que se aproxime de inteligência geral.
Três posições públicas sobre a IA que ainda vai chegar
Se você acompanha o debate de fora, é fácil achar que existe um consenso técnico sendo formado. Não existe. Pelo menos três posições públicas e distintas disputam o caminho até a inteligência artificial geral (AGI), e cada uma vem de quem lidera um dos maiores laboratórios do mundo.
AGI é a sigla para artificial general intelligence: o hipotético sistema de IA capaz de aprender e executar qualquer tarefa intelectual que um ser humano consegue, em vez de se destacar só num domínio estreito como tradução ou geração de imagem. Ninguém no campo concorda sobre quando ela chega, nem se um dia chega; o termo funciona como o objetivo de longo prazo que organiza o debate deste artigo.
Sam Altman, da OpenAI, aposta que escalar o LLM basta: mais dado, mais computação, mais parâmetros, e a inteligência de nível humano chega por continuidade tecnológica, sem precisar de um novo paradigma.
Demis Hassabis, da Google DeepMind, ocupa o meio do debate. Reconhece que os LLMs atuais produzem texto fluente sem entendimento profundo, mas não abandona a rota: defende cautela e mais alguns anos de desenvolvimento em vez de ruptura.
Yann LeCun é o mais radical dos três. Chama a abordagem atual de “arquiteturalmente errada” para chegar a inteligência geral e defende que só os world models resolvem o problema, considerando os LLMs úteis para tarefas específicas, como código e tradução, mas incapazes de servir de fundação para algo maior.
Essa é uma tese técnica em disputa, não um fato consolidado. Quem sustenta a posição de Altman também tem laboratório, funcionários e capital de peso por trás, e a evidência que sustentaria uma posição sobre a outra ainda não existe: nenhum dos três caminhos produziu, até hoje, um sistema que resolva de forma inequívoca o que os outros dois não resolvem.
Por que estou mais perto de Hassabis do que de LeCun
Uso IA generativa todos os dias, e não vejo motivo para descartar o que ela já entrega. Isso não me aproxima da aposta de Altman, de que basta escalar o mesmo caminho até chegar à inteligência geral.
Na minha avaliação, um LLM alucina por arquitetura: ele prevê a palavra mais provável, não o estado real do mundo, e insistir em corrigir esse limite só com mais escala, mais dado e mais parâmetros não resolve o problema de origem. Faz mais sentido combinar a IA generativa com um paradigma que trata justamente disso, o world model.
Essa combinação é a aposta que a própria Google DeepMind já faz na prática, não uma posição nova ou minha. A empresa desenvolve o Gemini, um LLM, e o Genie, um world model, dentro da mesma empresa, ao mesmo tempo, o que aproxima a minha leitura mais da posição de Hassabis do que de um caminho à parte. Não tenho como saber se a visão dele é idêntica à minha, mas o comportamento da empresa que ele lidera é a evidência mais concreta que existe dessa aposta dupla.
Onde discordo mesmo é de LeCun, e especificamente do jeito como ele menospreza a IA generativa. Ele reconhece valor dela em tarefas como código e tradução, mas trata isso como detalhe menor diante do que chama de caminho arquiteturalmente errado. Na minha leitura, o valor que a IA generativa já entrega hoje é metade da equação, não um detalhe menor. LeCun defende ruptura, eu defendo soma.
Já defendi essa lógica de combinação antes, num contexto diferente. Quando escrevi sobre o AlphaEvolve, o cientista digital da DeepMind que otimiza algoritmo real em vez de só gerar texto sobre ele, a ideia já era essa: a IA fica mais útil quando passa a interagir com uma representação do problema real, em vez de só prever a próxima palavra sobre ele. World models generaliza essa mesma ideia para o mundo físico inteiro.
As cinco abordagens que disputam o mesmo objetivo
Fora da disputa de discurso entre Altman, Hassabis e LeCun, existe um campo de pesquisa real, com pelo menos cinco linhas técnicas concorrentes e capital de peso apostando em cada uma. Conhecer as cinco ajuda a decidir de que lado prestar atenção.
Yann LeCun, AMI Labs
Depois de mais de uma década como cientista-chefe de IA da Meta, LeCun saiu no fim de 2025 e fundou a AMI Labs (Advanced Machine Intelligence Labs), em Paris, onde é presidente do conselho. Em março de 2026 a empresa anunciou uma captação inicial de US$ 1,03 bilhão.
A aposta técnica é a arquitetura JEPA, e o próprio CEO da AMI Labs, Alexandre LeBrun, já avisou que a tecnologia pode levar anos para sair do laboratório e chegar ao mercado.
Google DeepMind, Genie 3
Gera ambientes 3D navegáveis em tempo real a partir de um texto, mantendo consistência física por alguns minutos de interação. Lançado como prévia de pesquisa em agosto de 2025, passou a ficar disponível para assinantes do Google AI Ultra nos Estados Unidos a partir de janeiro de 2026, sob o nome Project Genie. Na minha leitura, é a linha que mais avançou para fora do laboratório até agora, ainda que longe de um lançamento amplo.
Fei-Fei Li, World Labs
A pesquisadora conhecida como madrinha da IA lançou primeiro o Marble, em novembro de 2025, o primeiro produto comercial capaz de gerar cenas 3D fotorrealistas a partir de texto ou imagem. Em setembro de 2026 a empresa lançou o Atlas, o world model de próxima geração que passa a alimentar o Marble e os demais produtos da empresa, com geração de câmera controlada e reconstrução 3D mais precisas. A tese por trás dos dois produtos é que inteligência espacial, a capacidade de entender e gerar espaço tridimensional, é o andaime que falta para outras formas de cognição em IA.
Karl Friston, Verses.ai
Neurocientista com carreira consolidada em inferência ativa, Friston é cientista-chefe da Verses.ai, que desenvolve o AXIOM. A abordagem representa objetos do ambiente com propriedades e dinâmicas próprias, em vez de tratar tudo como um único fluxo contínuo de pixels, para aprender com muito menos dado do que os modelos generativos de hoje precisam.
Modelos neuro-simbólicos
É a linha menos desenvolvida das cinco, sem uma empresa à frente: ainda mais próxima do laboratório de pesquisa do que do produto, avançando em papers como uma proposta recente de sinergia neuro-simbólica para modelagem de mundo. Combina redes neurais com regras simbólicas explícitas, para reunir a capacidade de aprender com dado bruto de uma rede neural e a capacidade de raciocínio verificável de um sistema baseado em regras.
Duas peças adjacentes, fora da contagem das cinco
A NVIDIA chama a própria Cosmos de “generative world foundation models”, uma plataforma que gera dado sintético de treino para robótica e veículos autônomos. Não é uma aposta de pesquisa como as cinco acima: é a infraestrutura que várias delas usam por baixo.
A Prometheus, startup apoiada por Jeff Bezos que já captou US$ 12 bilhões a uma avaliação de US$ 41 bilhões, é outro caso adjacente. A própria empresa se descreve como um “engenheiro geral artificial” para projetar e fabricar produtos físicos. O rótulo world model vem do mercado, que a inclui nessa conversa, não da forma como a Prometheus se apresenta.
Por onde começar, se você decide tecnologia numa empresa
Ninguém precisa trocar um projeto de IA generativa em andamento por um piloto de world models este trimestre. A tecnologia ainda está, em todas as cinco linhas, num estágio anterior ao produto de prateleira, e o próprio mercado trata isso como radar de médio prazo, não como item de orçamento operacional.
O critério de avaliação de fornecedor muda primeiro
O que muda é o critério de avaliação de fornecedor e de roadmap interno. Quando um fornecedor de IA prometer um agente capaz de planejar ações complexas num ambiente físico ou numa simulação, como um robô, um sistema de logística ou um gêmeo digital de fábrica, a pergunta certa passou a incluir também “que camada lida com a previsão do que acontece no mundo, e como ela foi validada”, além do já tradicional “que LLM está por trás disso”.
Hoje, na prática, quem entrega isso com maturidade real é a linha de simulação e robótica, não um chatbot com mais parâmetros.
O mecanismo por trás dessa maturidade chama-se sim-to-real: treinar o agente inteiro dentro de um ambiente simulado, testando milhares de variações de cenário sem o risco nem o custo de um teste físico, para só depois transferir o comportamento aprendido para o robô ou o veículo real.
É essa técnica que sustenta boa parte dos avanços recentes em robótica humanoide e veículo autônomo, e é também onde entra a infraestrutura como a Cosmos, da NVIDIA, gerando o volume de cenário sintético que o treino em simulação exige.
A pergunta certa antes de reservar orçamento
Antes de reservar orçamento para explorar um paradigma que ainda está na pesquisa, cabe a mesma pergunta que já defendo para qualquer decisão de custo de IA na empresa: qual tarefa concreta justifica qual investimento, e não qual tecnologia parece mais avançada no papel.
Há ainda uma conexão de fundo que merece registro. Um sistema que constrói uma representação do mundo antes de agir está fazendo, em código, o mesmo movimento que defendo para times que decidem com dado em vez de intuição: confrontar o modelo com a realidade antes de decidir, em vez de agir primeiro e justificar depois. A disciplina é a mesma, só muda quem a aplica, a máquina ou o comitê de decisão da empresa.
Como preparar o time para esse radar
Se a sua empresa forma equipe em IA, reservar um espaço curto e recorrente de repertório para acompanhar esse campo ajuda, sem tratar como prioridade de implementação. Radar de médio prazo significa isso: alguém no time sabe que existe, entende a diferença entre as cinco abordagens e consegue reconhecer quando uma delas sair do laboratório para valer, em vez de descobrir isso um ano depois de todo mundo já ter decidido.
World models é exatamente o tipo de debate que acompanho de perto em imersões internacionais de inovação, como a que fiz na própria VivaTech, onde vi esse debate ao vivo pela primeira vez. Se fizer sentido para você acompanhar tendências como essa antes de virarem manchete, conheça a próxima imersão.
Perguntas frequentes
O que são world models em inteligência artificial?
World models, ou modelos de mundo, são sistemas de IA que constroem uma representação interna de como o ambiente funciona e usam essa representação para prever o que acontece a seguir. Em vez de prever a próxima palavra de um texto, como fazem os LLMs, eles preveem o próximo estado do mundo em resposta a uma ação. O termo foi cunhado por Jürgen Schmidhuber em 1990 e ganhou força nova a partir de 2022, quando Yann LeCun propôs a arquitetura JEPA como caminho técnico para chegar lá.
Qual a diferença entre world models e LLMs como ChatGPT, Gemini e Claude?
Um LLM aprende prevendo a próxima palavra numa sequência de texto, o que funciona porque linguagem é feita de símbolos discretos e finitos. Um world model tenta prever o próximo estado de um ambiente físico ou visual, que chega em dados contínuos, ruidosos e de altíssima dimensão, onde prever cada detalhe é impossível. Por isso a aposta de pesquisadores como Yann LeCun é que os dois exigem arquiteturas diferentes, não a mesma receita em escalas maiores.
Por que Yann LeCun saiu da Meta para investir em world models?
LeCun foi cientista-chefe de IA da Meta por mais de uma década e saiu no fim de 2025 argumentando que a empresa continuava presa à aposta em LLMs, um caminho que ele considera limitado para chegar a uma inteligência de nível humano. No início de 2026 fundou a AMI Labs, em Paris, e em março anunciou uma captação inicial de US$ 1,03 bilhão para desenvolver world models com a arquitetura JEPA que ele mesmo propôs.
O que é a arquitetura JEPA?
JEPA (Joint Embedding Predictive Architecture) é a arquitetura de world model proposta por Yann LeCun em 2022. Em vez de tentar reconstruir cada pixel de uma cena futura, o sistema aprende uma representação abstrata do ambiente e faz a previsão nesse espaço abstrato, descartando de propósito os detalhes que são imprevisíveis. A aposta é que essa abstração é o que falta para um sistema planejar ações e antecipar consequências, em vez de só gerar texto ou imagem plausível.
O Genie 3 do Google é um world model?
Sim. O Genie 3, do Google DeepMind, gera ambientes 3D navegáveis em tempo real a partir de um texto, mantendo consistência física por alguns minutos. Lançado como prévia de pesquisa em agosto de 2025, passou a ficar disponível para assinantes do Google AI Ultra nos Estados Unidos a partir de janeiro de 2026, sob o nome Project Genie. A DeepMind desenvolve o Genie ao mesmo tempo que investe pesado no Gemini, um LLM, o que é a evidência mais concreta de uma empresa apostando nos dois paradigmas ao mesmo tempo, em vez de escolher um lado.
World models vão substituir o ChatGPT, o Gemini e o Claude?
A leitura mais sustentada pela evidência atual, inclusive pelo investimento simultâneo da própria DeepMind nos dois paradigmas, é de combinação: LLMs continuam sendo a ferramenta certa para linguagem, código e raciocínio simbólico, enquanto world models endereçam o que falta para um agente planejar ações e prever consequências no mundo físico ou numa simulação. Substituição total é a posição mais radical do debate, defendida por Yann LeCun, mas não é consenso nem entre os próprios pesquisadores do campo.
Quando os world models vão sair da pesquisa e chegar ao mercado?
Ainda não há prazo confiável. O próprio CEO da AMI Labs, Alexandre LeBrun, disse que pode levar anos até a tecnologia sair da pesquisa fundamental para aplicações comerciais. Hoje o uso mais avançado está em geração de mundos 3D para jogos e treinamento, e em simulação para robótica. Na prática, o paradigma ainda é radar de médio prazo, não item de orçamento operacional deste trimestre.
Edney “InterNey” Souza atua com tecnologia desde 1990 como professor, palestrante e conselheiro em IA, dados e inovação. Participou da criação de sete startups ao longo da carreira. É professor na ESPM, Insper, PUCRS, USP e IBGC. É autor do livro gratuito Engenharia de Prompts na Prática: do Zero ao Avançado com ChatGPT, Gemini e Claude.
