A IA já consegue gerar mundos de jogos em tempo real; os motores de jogos tradicionais ainda são necessários? Comparação de métricas medidas de 3 modelos de mundo

Resumo: Os modelos de mundo são excelentes na geração de cenas de ambientes interativos, enquanto as engines de jogo tradicionais são excelentes na execução de regras precisas, simulação física e gerenciamento de estado. As duas tecnologias atuam em camadas diferentes, e a direção mais razoável é usá-las de forma combinada.

Conclusão antecipada: as engines de jogo tradicionais ainda são necessárias. Três modelos de mundo representativos — Genie 3, WHAM-RT/WHAMM e Oasis — já conseguem gerar imagens operáveis em tempo real a taxas de 10 a 24 FPS, mas sua consistência contínua é medida em segundos ou minutos, e eles cometem erros no nível de regras, como memória de objetos, resolução de dano e contagem de pontos de vida. As engines de jogo fornecem execução determinística de regras, cálculo físico, persistência de estado e sincronização multijogador — exatamente a base sobre a qual os jogos comerciais operam. No estágio atual, os modelos de mundo são adequados para assumir a geração de ambientes, a previsão visual e o auxílio à criação de conteúdo, enquanto a engine continua responsável pelas regras centrais; os dois se combinam em uma arquitetura híbrida.

A seguir, primeiro explico a diferença de lógica de funcionamento entre modelos de mundo e engines tradicionais; depois, uso as métricas públicas dos três modelos para avaliar até onde eles chegaram; em seguida, detalho casos concretos de falha divulgados publicamente pelo WHAMM; após isso, listo as responsabilidades de engenharia assumidas por engines maduras; e, por fim, apresento a divisão de trabalho em uma arquitetura híbrida, a seleção de cenários e um exemplo de código executável.

ai-world-models-vs-traditional-game-engines-pt-pt-image-0

Para saber: preparação de termos sobre modelos de mundo e motores de jogo

Termo Explicação
Modelo de mundo Modelo de IA que, a partir do quadro atual e das ações do jogador, prevê e gera o estado do ambiente no instante seguinte
FPS Neste artigo, refere-se à quantidade de quadros exibidos por segundo; no contexto de gênero de jogo, também se refere a jogo de tiro em primeira pessoa
Resolução Quantidade de pixels na horizontal e na vertical da imagem, por exemplo 640×360, 720p
Janela de contexto Alcance das informações históricas que o modelo pode consultar ao prever estados posteriores; em modelos de mundo, geralmente medido em segundos ou quadros
Geração autorregressiva Cada quadro continua a ser gerado com base nos quadros gerados anteriormente, e o erro se acumula quadro a quadro
Motor de física Sistema que calcula restrições físicas como colisão, movimento e forças
Persistência de estado Salvar o estado do jogador, das missões e dos objetos do mundo, para que possa ser lido e continuado a qualquer momento
Sincronização multijogador Mecanismo que permite a diferentes jogadores verem e operarem o mesmo e consistente estado de jogo
Determinismo Entradas iguais sempre produzem resultados iguais, sendo pré-requisito para depuração, replay e jogo online
Motor de jogo Sistema de desenvolvimento e execução que organiza renderização, entrada, física, animação, rede e gerenciamento de recursos
Arquitetura híbrida Solução combinada em que sistemas programáticos tradicionais controlam regras e estado, e modelos generativos fornecem conteúdo

1 Geração de mundos de jogo em tempo real por IA: diferenças na lógica de execução entre modelos de mundo e engines de jogo

1.1 Modelos de mundo: de gerar assets a gerar mundos

Antes, a IA no desenvolvimento de jogos servia principalmente para gerar assets como texturas, modelos e dublagem, que no fim ainda eram entregues à engine para montagem e execução. Os modelos de mundo mudam essa divisão de trabalho: o modelo recebe diretamente a entrada do teclado ou do controle do jogador, prevê o próximo frame e repete o ciclo, formando um ambiente “jogável”. O Genie 3, do Google DeepMind; a série Muse, do Microsoft Research (WHAM-RT/WHAMM); e o Oasis, da Decart com a Etched, são três representantes dessa direção.

A lógica de funcionamento de um jogo tradicional é: o desenvolvedor define previamente cenários, modelos, regras e o sistema físico; a ação do jogador dispara a lógica predefinida; a engine calcula o novo estado e só então renderiza a imagem. A lógica dos modelos de mundo é “observação + ação → previsão do próximo frame”, com as regras implícitas na dinâmica visual aprendida a partir dos dados de treinamento. No primeiro caso, a imagem é calculada a partir do estado; no segundo, a própria imagem é uma aproximação do estado feita pelo modelo.

1.2 A IA que escreve código e a IA que gera imagens são duas rotas

Em 9 de novembro de 2026, o Saltline, lançado pelo engenheiro da Anthropic Felix Rieseberg, costuma ser discutido junto com os modelos de mundo. É um protótipo jogável de tiro em primeira pessoa em pequena escala que roda no navegador, ambientado em um porto de contêineres em uma noite de chuva, com uma fase de missão. Segundo estimativas do próprio desenvolvedor, o Claude Fable 5.2 levou cerca de 8 horas, com um único comando e sem feedback humano, consumindo cerca de 445 milhões de tokens de entrada (em grande parte, leituras de cache) e cerca de 2,7 milhões de tokens de saída; com base nos preços da API, isso equivaleria a aproximadamente US$ 550. Esses números vêm de um post público do desenvolvedor e são estimativas declaradas por ele.

O rótulo “3A” do Saltline é apenas uma meta experimental e uma analogia visual definida pelo desenvolvedor. Sua rota técnica é a IA gerar cerca de 1,4 MB de código HTML/JavaScript; os modelos, as texturas e os sons são gerados proceduralmente por código e shaders, e, em tempo de execução, o navegador renderiza tudo localmente via Three.js e WebGL. Nessa rota, a IA trabalha na fase de desenvolvimento; a fase de execução continua sendo um programa determinístico, essencialmente seguindo a lógica de funcionamento “de engine”. Já os modelos de mundo fazem a IA gerar a imagem frame a frame durante a execução, e a estrutura de custos e a confiabilidade das duas abordagens são completamente diferentes.

ai-world-models-vs-traditional-game-engines-pt-pt-image-1

2 Indicadores técnicos de três modelos de mundo na geração em tempo real de mundos de jogo

2.1 Comparação dos indicadores públicos dos três modelos

Os números da tabela abaixo são indicadores divulgados pelas equipes em seus ambientes oficiais de demonstração técnica. Como as condições de teste diferem entre si, eles servem para avaliar a ordem de magnitude, e não para uma classificação horizontal direta.

Indicador Genie 3 (Google DeepMind) WHAM-RT/WHAMM (Microsoft Research) Oasis (Decart & Etched)
Data de divulgação 5 de agosto de 2025 2025 Outubro de 2024
Ambiente de demonstração Ambiente genérico gerado por comando de texto Ambiente interativo tipo Quake II Mundo sandbox tipo blocos
Taxa de quadros Até 24 FPS Acima de 10 FPS 20 FPS
Resolução 720p 640×360 Não tratada como indicador principal pela equipe
Consistência/memória O ambiente permanece consistente por vários minutos; a memória visual retrocede cerca de um minuto Contexto de cerca de 0,9 segundos (cerca de 9 quadros a 10 FPS) Usa técnicas como Dynamic Noising para suprimir o acúmulo de erros
Escala/abertura do modelo Pesos não divulgados Demonstração de pesquisa 500M de parâmetros, código e pesos de código aberto
Modo de geração Geração autorregressiva de mundo em tempo real Geração baseada em MaskGIT Difusão no espaço latente de Transformer + autorregressivo

2.2 Genie 3: geração de mundos controlável para ambientes gerais

O objetivo do Genie 3 é um modelo de mundo geral: o usuário descreve um mundo com texto e pode entrar e explorá-lo em tempo real — ao avançar, o modelo gera o que está à frente; ao virar, o modelo gera uma nova perspectiva. Ele também suporta Promptable World Events, permitindo alterar eventos do mundo, como o clima ou o surgimento de objetos, por meio de comandos de texto. O Google também demonstrou experimentos combinando o Genie 3 com o agente SIMA, em que o agente completa objetivos dentro do mundo gerado por meio de ações de navegação, o que indica que os modelos de mundo podem se tornar ambientes para treinar agentes.

Em 29 de janeiro de 2026, o Project Genie — um aplicativo web experimental baseado no Genie 3 — foi disponibilizado para assinantes do Google AI Ultra nos Estados Unidos com 18 anos ou mais, oferecendo funcionalidades de esboço de mundo, exploração e remix. A divulgação oficial informa que cada experiência de geração tem um limite de 60 segundos, que o controle do personagem pode apresentar atraso e que as leis da física nem sempre são precisas; o Promptable World Events ainda não estava integrado naquele momento.

2.3 WHAM-RT/WHAMM: migração para novos jogos com poucos dados

O Muse (World and Human Action Model) da Microsoft foi inicialmente treinado com Bleeding Edge, da Ninja Theory, com dados que incluíam mais de 1 bilhão de imagens de jogo e ações de controle, o equivalente a cerca de 7 anos de jogo contínuo. A versão em tempo real transferiu a mesma tecnologia para Quake II, usando apenas cerca de uma semana de dados de jogo organizados para o novo título, atingindo velocidade de geração acima de 10 FPS e resolução elevada para 640×360.

“Uma semana de dados” descreve a escala de dados usada na migração para o novo jogo, e não tem relação com o tempo de treinamento nem com o custo de treinar do zero. O ponto importante é que um modelo de mundo já existente pode se adaptar a um novo ambiente interativo com uma quantidade relativamente pequena de novos dados — um sinal relevante de que a barreira de dados está sendo reduzida.

2.4 Oasis: um experimento de interação em tempo real a 20 FPS, de código aberto

O Oasis é composto por um autoencoder espacial, um backbone de difusão no espaço latente baseado em Transformer, geração autoregressiva e condicionamento por entrada do usuário, e oferece suporte a movimento, salto, coleta de itens e quebra de blocos. A restrição de tempo real divulgada oficialmente é bem intuitiva: 20 FPS significa 50 milissegundos por frame; para chegar a 25 FPS, é preciso gerar um frame em cerca de 0,04 segundos.

O Oasis é uma demonstração técnica e não recebeu autorização da Microsoft nem da Mojang para o Minecraft. A equipe oficial também afirma que, para acelerar ainda mais e reduzir os custos de serviço em larga escala, seria necessário uma infraestrutura de inferência mais eficiente. Isso revela a característica de custo dos modelos de mundo: cada frame é uma inferência, e por quanto tempo o jogador jogar, por esse tanto tempo a GPU vai precisar calcular.

3 Por que os mundos de jogo gerados por modelos de mundo falham

3.1 Casos específicos de falha divulgados publicamente pelo WHAMM

A Microsoft listou detalhadamente, no artigo técnico do WHAMM, as limitações do modelo. Essa lista é a evidência de primeira mão mais valiosa para avaliar a maturidade dos modelos de mundo.

Fenômeno de falha Manifestação concreta Causa raiz
Esquecimento de objetos Objetos fora do campo de visão são esquecidos pelo modelo Contexto de apenas cerca de 0,9 segundo (9 quadros)
Inimigos desaparecem/surgem do nada Quando o jogador olha para o chão e volta a levantar a cabeça, o inimigo pode desaparecer ou reaparecer Não há estado persistente dos objetos fora da imagem
Contagem de pontos de vida imprecisa Os números de pontos de vida podem mudar de forma incorreta O valor é “adivinhado” a partir da imagem; falta lógica de contagem
Interações com inimigos incorretas Há desvios no cálculo de dano e na determinação de acerto As regras são aprendidas de forma aproximada a partir dos dados; falta um cálculo determinístico de resultados
Congelamento nos limites do nível Apenas parte de um nível de Quake II foi treinada; ao chegar ao fim dos dados de treinamento, a geração pode congelar O escopo de geração é limitado pela cobertura dos dados de treinamento
Latência em larga escala Pode haver latência perceptível quando muitos usuários experimentam ao mesmo tempo Pressão sobre o serviço causada pela inferência em tempo real a cada quadro

A caracterização da Microsoft é precisa: trata-se de uma aproximação do ambiente por um modelo generativo; o jogador está experimentando o modelo, e a experiência completa do Quake II original continua sendo oferecida pelo jogo original.

3.2 Problemas de consistência vêm da própria estrutura autorregressiva

3.2.1 O tamanho da memória determina por quanto tempo o mundo consegue “lembrar”

Um modelo de mundo só pode prever o futuro com base nos quadros históricos dentro da janela de contexto. A janela de 0,9 segundo do WHAMM significa que, cerca de 9 quadros depois de um inimigo sair do campo de visão, o modelo deixa de ter base para sua existência. O Genie 3 estende a memória visual para cerca de um minuto e mantém a consistência por alguns minutos, o que já é um avanço evidente, mas os jogos frequentemente exigem que o jogador volte ao mesmo cômodo horas depois e ainda veja a caixa aberta, o que demanda uma escala de memória várias ordens de grandeza maior.

3.2.2 As regras têm como objetivo “parecer plausíveis”

O objetivo de treinamento do modelo é fazer o próximo quadro parecer plausível. Regras que exigem acumulação precisa, como redução de pontos de vida, contagem de munição e progresso de missão, ocupam apenas alguns pixels na tela, e o modelo facilmente as gera de forma “plausível, porém errada”. Uma linha como hp -= damage na engine garante que algo esteja correto; em um modelo de mundo, isso exige muitos dados e decisões de projeto estrutural para se aproximar disso.

3.3 Limitações de espaço de ação e duração de interação do Genie 3

Entre as limitações oficialmente reconhecidas pelo Genie 3 estão: o escopo de ações que um agente pode executar diretamente é limitado; interações complexas entre vários agentes independentes ainda são difíceis; localizações geográficas do mundo real não podem ser reproduzidas com precisão; a renderização de texto é instável; e as interações contínuas duram principalmente alguns minutos. Um espaço de ação limitado significa que combinações complexas de habilidades, operações de inventário e ramificações de diálogo são difíceis de expressar diretamente; a dificuldade de interação multiagente, por sua vez, afeta diretamente cenários multijogador e de IA de grupo.

4 Capacidades centrais oferecidas pelos engines de jogos tradicionais

4.1 O Chaos Physics do Unreal como exemplo da profundidade de engenharia de um engine

O sistema Chaos Physics do Unreal Engine cobre dinâmica de corpos rígidos, sistemas de destruição, física em rede, simulação de tecidos, ragdoll, física de veículos, simulação de fluidos, animação física e simulação de cabelo. O valor desses módulos está em serem controláveis, reproduzíveis e depuráveis: a mesma bala atingindo a mesma parede no mesmo ângulo produz o mesmo cálculo de fragmentos, o desenvolvedor consegue rastrear o problema quadro a quadro, e a física em rede ainda mantém os resultados consistentes entre várias máquinas.

4.2 As oito categorias de responsabilidades sistêmicas de um engine de jogos

Sistema do engine Função principal Capacidade correspondente atual do modelo de mundo
Sistema de cena Gerencia mapas, objetos e hierarquias Expresso de forma implícita pela imagem, objetos sem identidade própria
Sistema de física Trata colisões, movimento e forças Aprendido aproximadamente a partir dos dados, com precisão limitada
Sistema de animação Gerencia ossos e movimentos dos personagens Geração em nível de imagem, difícil controlar ossos com precisão
Sistema de rede Trata a sincronização multijogador Interações complexas entre múltiplos agentes ainda são um desafio
Sistema de recursos Gerencia modelos, texturas e efeitos sonoros Recursos são os pesos do modelo, difíceis de substituir individualmente
Gerenciamento de estado Guarda o estado do jogador, das missões e do mundo Limitado pela janela de contexto, cerca de 0.9 segundos no WHAMM
Sistema de renderização Saída estável de imagens com a qualidade especificada Na faixa de 720p/24 FPS, limitado pela capacidade de inferência
Ferramentas de depuração Localizar erros e gargalos de desempenho A saída é geração probabilística, difícil depurar passo a passo com breakpoints

4.3 O determinismo é a linha de vida dos jogos comerciais

O determinismo permite gravar e reproduzir partidas, rodar testes automatizados, reproduzir bugs enviados pelos jogadores, e também é a base do multijogador com sincronização de quadros e do anti-cheat. A saída de um modelo de mundo carrega aleatoriedade: a mesma entrada pode gerar resultados diferentes — o que é uma vantagem para a exploração criativa, mas um obstáculo para jogos comerciais que exigem competição justa, save/load e ajuste de balanceamento. Nessa perspectiva, a diferença entre engines e modelos de mundo não está na qualidade visual, mas em “se o resultado pode ser prometido”.

ai-world-models-vs-traditional-game-engines-pt-pt-image-2

5 Integração entre modelos de mundo e motores de jogo tradicionais: arquitetura híbrida

5.1 Princípios de divisão de responsabilidades na arquitetura híbrida

O princípio central da arquitetura híbrida é: tudo o que precisa ser “garantido” fica com o motor; tudo o que precisa de “variedade” e “geração” fica com o modelo. O motor mantém o estado autoritativo (vida, inventário, missões, coordenadas, dados de rede), enquanto o modelo fica responsável pelo ambiente dinâmico, pela geração de conteúdo, pelo comportamento dos NPCs e pelo apoio à criação. As saídas do modelo precisam passar pela validação do motor antes de serem gravadas no estado. O Saltline já mostrou uma variante dessa abordagem: o LLM gera todo o código durante a fase de desenvolvimento, e em tempo de execução tudo é executado por programas determinísticos.

ai-world-models-vs-traditional-game-engines-pt-pt-image-3

5.2 Exemplo mínimo de LLM conduzindo o comportamento de NPCs

O exemplo abaixo mostra a parte mais fácil de implementar na arquitetura híbrida: a engine mantém o estado autoritativo do NPC, e o Modelo de Linguagem Grande apenas se encarrega de “propor” a próxima ação; em seguida, a engine valida a proposta com base em uma lista de permissões e limites numéricos antes de executá-la. A interface usa o formato compatível com OpenAI.

import json, openai

client = openai.OpenAI(api_key="YOUR_API_KEY", base_url="https://api.apiyi.com/v1")

state = {"npc": "港口守卫", "hp": 80, "player_distance": 12, "alert": False}
prompt = f"根据状态给出NPC下一步行为,只输出JSON,action取值 patrol/chase/talk:{json.dumps(state, ensure_ascii=False)}"

resp = client.chat.completions.create(
    model="YOUR_MODEL_NAME",  # escolha um modelo disponível no console
    messages=[{"role": "user", "content": prompt}],
)
print(resp.choices[0].message.content)
Ver a implementação completa: ciclo de decisão de NPC com validação da engine + proposta do modelo
import json
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1",  # interface compatível com OpenAI, permite alternar entre modelos para comparar resultados
)

ALLOWED_ACTIONS = {"patrol", "chase", "talk", "retreat"}


class EngineState:
    """Estado autoritativo do lado da engine: todos os valores numéricos são alterados somente aqui"""

    def __init__(self):
        self.npc = {"name": "港口守卫", "hp": 80, "max_hp": 100, "alert": False}
        self.player_distance = 12.0

    def snapshot(self) -> dict:
        return {"npc": self.npc, "player_distance": self.player_distance}


def propose_action(state: dict, model: str) -> dict:
    """Faz o modelo propor uma ação; o modelo só pode ler o estado, não pode alterá-lo diretamente"""
    system = (
        "你是游戏NPC的决策模块。只输出一个JSON对象,"
        '格式:{"action": "patrol|chase|talk|retreat", "line": "一句台词"}'
    )
    resp = client.chat.completions.create(
        model=model,
        messages=[
            {"role": "system", "content": system},
            {"role": "user", "content": json.dumps(state, ensure_ascii=False)},
        ],
        max_tokens=200,
    )
    text = resp.choices[0].message.content.strip()
    try:
        return json.loads(text)
    except json.JSONDecodeError:
        return {"action": "patrol", "line": ""}  # em caso de falha de parsing, volta ao comportamento padrão seguro


def validate_and_apply(engine: EngineState, proposal: dict) -> str:
    """Validação da engine: lista de permissões + restrições de regras; se a saída do modelo for inválida, rejeite"""
    action = proposal.get("action")
    if action not in ALLOWED_ACTIONS:
        action = "patrol"
    if action == "chase" and engine.npc["hp"] < 20:
        action = "retreat"  # as regras são decididas pela engine; com pouca vida, é proibido perseguir
    if action in {"chase", "retreat"}:
        engine.npc["alert"] = True
    line = str(proposal.get("line", ""))[:60]  # limita o comprimento da fala para evitar overflow na UI
    return f"{engine.npc['name']} -> {action}:{line}"


if __name__ == "__main__":
    engine = EngineState()
    proposal = propose_action(engine.snapshot(), model="YOUR_MODEL_NAME")
    print(validate_and_apply(engine, proposal))

Esse padrão contrasta com o caso de falha do WHAMM: HP e estado de alerta são mantidos pela engine; mesmo que o modelo “esqueça”, o inimigo não desaparece do nada; quando o modelo produz uma ação inválida, a engine recua para um comportamento seguro.

🚀 Início rápido: ao montar um protótipo de decisão para NPCs, você pode usar a APIYI apiyi.com para chamar OpenAI, Claude, Gemini e outros modelos com a mesma chave API. Novos usuários têm cota gratuita de teste, o que facilita comparar a qualidade das falas, a latência de resposta e a estabilidade da saída JSON entre diferentes modelos.

5.3 Recomendações de cenários: quando escolher um modelo de mundo e quando manter a engine de jogo

5.3.1 Cenários em que os modelos de mundo são adequados

  • Prova de conceito e exploração de ideias: gerar rapidamente, por meio de texto, um mundo navegável para validar a direção artística e a atmosfera. As funções de esboço e remixagem do Project Genie atendem justamente a esse tipo de necessidade.
  • Ambientes de treinamento para agentes de IA: os experimentos do Genie 3 e do SIMA mostram que mundos generativos podem oferecer aos agentes de IA uma grande variedade de cenários de treinamento.
  • Experiências interativas de curta duração: demonstrações interativas de cerca de um minuto, experiências de marketing e apresentações de pesquisa, alinhadas ao limite atual de consistência de alguns minutos.

5.3.2 Cenários que dependem obrigatoriamente da engine de jogo

  • Jogos com save e progressão de longo prazo: missões, inventário e valores de evolução exigem persistência de estado.
  • Jogos competitivos e multiplayer: exigem resolução determinística, sincronização entre vários jogadores e anti-cheat.
  • Jogos movidos por física: destruição, veículos, tecidos e outros elementos de jogabilidade dependem de sistemas depuráveis como o Chaos Physics.
  • Projetos comerciais que precisam operar online: testes, análise de desempenho e atualizações de patch dependem da toolchain da engine.

5.3.3 Cenários adequados para arquitetura híbrida

  • Conteúdo dinâmico de mundo aberto: a engine cuida do terreno e das regras, enquanto o modelo gera eventos secundários, diálogos de NPC e descrições de ambiente.
  • Desenvolvimento assistido por IA: como no Saltline, um Modelo de Linguagem Grande gera código, shaders e lógica de fases durante o desenvolvimento, e em tempo de execução a responsabilidade passa para programas determinísticos.

5.4 Recomendação de decisão: avaliar a maturidade pelos indicadores técnicos

Dimensão de avaliação Nível atual dos world models (divulgação oficial) Exigência típica de jogos comerciais Conclusão
Taxa de quadros 10 a 24 FPS Normalmente acima de 30 FPS; jogos de ação buscam 60 FPS Engine vence
Resolução 640×360 a 720p 1080p ou mais Engine vence
Consistência contínua 0.9 segundo de contexto a vários minutos Dezenas de horas de jogo e saves Engine vence
Velocidade de geração de conteúdo Geração instantânea do mundo a partir de comando em texto Pipeline tradicional exige modelagem e criação de níveis World model vence
Custo de execução Uma inferência de GPU por quadro Renderização no hardware local do jogador Engine sai mais barato
Forma de aplicação Protótipos de pesquisa, produtos experimentais Operação comercial viável Arquitetura híbrida

💡 Sugestão de escolha: se a equipe quer primeiro integrar IA a um engine existente, o ponto de entrada mais seguro são conteúdos “verificáveis”, como diálogos de NPC, textos de missão e descrições de fases. No APIYI apiyi.com você pode testar vários modelos em paralelo com uma interface unificada, escolher com base na qualidade da saída e no custo por chamada, e só então decidir a forma de integração.

6 Perguntas frequentes sobre modelos de mundo e engines de jogos

P1: O que é um modelo de mundo de IA? Qual é a diferença em relação a um modelo de geração de vídeo?

O modelo de mundo prevê e gera o estado do ambiente no instante seguinte com base no estado atual do ambiente e nas ações do usuário. Um modelo de geração de vídeo produz um vídeo fixo, e o usuário não consegue interferir no meio do caminho; o modelo de mundo recebe uma nova entrada a cada quadro, permitindo que o usuário controle continuamente a direção e as ações. O Genie 3 é um representante desse tipo de modelo.

P2: Qual é a diferença essencial entre um modelo de mundo que gera mundos de jogo em tempo real e uma engine de jogo tradicional?

A engine calcula o estado com base em regras explícitas e depois renderiza o estado em imagem, com resultados reproduzíveis; o modelo de mundo aprende a dinâmica visual a partir dos dados e gera a imagem diretamente, com resultados que apresentam aleatoriedade. A engine leva vantagem em determinismo, persistência de estado, precisão física e sincronização multiplayer, enquanto o modelo de mundo se destaca na velocidade de geração de conteúdo e na baixa barreira de criação.

P3: Quando o Genie 3, o WHAM-RT e o Oasis foram anunciados? Já é possível experimentá-los?

O Oasis foi anunciado em outubro de 2024 e disponibiliza código aberto, pesos de modelo com 500M de parâmetros e experiência online. O Muse foi anunciado em fevereiro de 2025, e sua versão em tempo real para Quake II foi lançada em seguida. O Genie 3 foi lançado em 5 de agosto de 2025, e o Project Genie, baseado nele, foi aberto em 29 de janeiro de 2026 para assinantes do Google AI Ultra com 18 anos ou mais na região dos Estados Unidos, com limite de 60 segundos por experiência.

P4: Onde se concentram hoje os custos de uma equipe de jogos para integrar IA?

Depende da etapa em que a IA atua. Em casos como o Saltline, em que um Modelo de Linguagem Grande gera código durante o desenvolvimento, o custo se concentra em chamadas de API pontuais — o próprio desenvolvedor estima cerca de 550 dólares —, e depois, ao rodar localmente, o jogador não faz mais invocações do modelo. Os modelos de mundo fazem inferência quadro a quadro durante a execução, gerando custo contínuo de GPU a cada partida. Ao usar um Modelo de Linguagem Grande para funções em tempo de execução, como diálogos de NPC, a cobrança é por volume de chamadas; dá para testar em pequena escala com o modelo de cobrança por uso do APIYI apiyi.com e estimar o custo de chamadas por jogador.

P5: Como adicionar rapidamente NPCs movidos a IA a um protótipo de jogo existente?

Recomendamos implementar o padrão “modelo propõe + engine valida” da seção 5.2 deste artigo:

1. Cadastre-se no APIYI apiyi.com e obtenha a chave API e a cota gratuita de testes;
2. Defina o `base_url` do código de exemplo como `https://api.apiyi.com/v1` e preencha um nome de modelo disponível;
3. Serialize o estado do NPC da engine em JSON, envie ao modelo e aceite apenas ações dentro da lista de permissões;
4. Troque entre modelos diferentes para comparar latência e estabilidade da saída e então definir a solução de produção.

P6: Quais são as limitações conhecidas dos modelos de mundo atualmente?

O contexto do WHAMM é de cerca de 0,9 s, o que faz com que objetos fora do campo de visão sejam esquecidos; a contagem de pontos de vida e o cálculo de dano apresentam erros; e, ao atingir os limites dos dados de treinamento, a geração pode congelar. No Genie 3, a interação contínua é medida na ordem de minutos, o espaço de ação é limitado e interações complexas entre múltiplos agentes ainda são um desafio. Já a Oasis afirma oficialmente que precisa de uma infraestrutura de inferência mais eficiente para ganhar velocidade e reduzir o custo do serviço. Todas essas limitações apontam para a mesma conclusão: hoje o modelo de mundo serve bem como camada de conteúdo, mas a camada de regras ainda precisa do motor de jogo.

7 Modelo de mundo vs. motor de jogo: principais conclusões (Key Takeaways)

  • Posicionamento de métricas: o Genie 3 chega a 720p/24 FPS, o WHAM-RT fica em 640×360/10 FPS ou mais, e o Oasis opera a 20 FPS.
  • Ponto fraco de memória: o contexto do WHAMM é de cerca de 0,9 s, então inimigos e objetos fora do campo de visão acabam esquecidos.
  • Ponto fraco de regras: regras precisas como pontos de vida e resolução de dano são geradas de forma aproximada a partir da imagem, o que abre espaço para erros.
  • Valor do motor de jogo: física, persistência de estado, sincronização multiplayer e ferramentas de depuração formam a base de um jogo comercial.
  • Duas abordagens: na Saltline, a IA escreve código e o programa é quem executa; no modelo de mundo, a IA gera cada quadro da imagem.
  • Direção de fusão: o motor de jogo mantém o estado autoritativo, enquanto o modelo cuida do ambiente, do conteúdo e das propostas de comportamento dos NPCs.
  • Como começar: inicie pelo diálogo de NPC, que é facilmente verificável, e use a APIYI apiyi.com com uma interface unificada para comparar vários modelos.

8 Resumo: a posição dos motores de jogo tradicionais na era dos modelos de mundo de IA

Os modelos de mundo de IA já conseguem gerar mundos de jogo interativos em tempo real; os três modelos representativos elevaram a taxa de quadros para 10 a 24 FPS e a resolução para 720p, e os dados necessários para migrar para um novo jogo caíram para cerca de uma semana. Ao mesmo tempo, problemas como esquecimento de objetos, erros nos pontos de vida e congelamento de fases no WHAMM mostram que o que o modelo gera é uma experiência aproximada do jogo — regras, estado e modo online ainda precisam da garantia do motor.

A tônica dos próximos anos é a arquitetura híbrida: o motor protege a determinidade, o modelo expande a escala e a diversidade do conteúdo, e a geração de código por Modelos de Linguagem Grandes durante o desenvolvimento continua encurtando o ciclo de prototipagem. Para as equipes de desenvolvimento, o passo mais prático é integrar a IA aos pontos verificáveis do motor atual e usar dados reais de invocação para avaliar resultados e custos. Recomendamos validar rapidamente por meio do APIYI apiyi.com; a plataforma oferece uma interface unificada para múltiplos modelos e cota gratuita para novos usuários.

📚 Referências

  1. Google DeepMind – Lançamento técnico do Genie 3: taxa de quadros, resolução, consistência e limitações do Genie 3
  2. Link: deepmind.google/blog/genie-3-a-new-frontier-for-world-models
  3. Descrição: fonte primária das métricas do Genie 3 e das limitações reconhecidas oficialmente

  4. Google – Anúncio oficial do Project Genie: aplicativo web experimental baseado no Genie 3

  5. Link: blog.google/innovation-and-ai/models-and-research/google-deepmind/project-genie
  6. Descrição: escopo de abertura e limite de 60 segundos de experiência

  7. Microsoft Research – Modelagem de mundo em tempo real com WHAMM: demonstração em tempo real no Quake II e limitações

  8. Link: microsoft.com/en-us/research/articles/whamm-real-time-world-modelling-of-interactive-environments
  9. Descrição: origem dos casos de falha, como contexto de 0.9 segundo e esquecimento de objetos

  10. Microsoft Research – Projeto Muse / WHAM: modelos de mundo e de ações humanas

  11. Link: microsoft.com/en-us/research/project/wham/wham
  12. Descrição: escala dos dados de treinamento do Bleeding Edge

  13. Decart – Página do projeto Oasis: modelo de mundo interativo em tempo real open source

  14. Link: oasis-model.github.io
  15. Descrição: 500M de parâmetros, 20 FPS e detalhes da arquitetura

  16. Epic Games – Physics in Unreal Engine: visão geral dos recursos do Chaos Physics

  17. Link: dev.epicgames.com/documentation/unreal-engine
  18. Descrição: escopo de capacidade do sistema de física de um motor maduro

  19. Saltline – espelho de código e README: declaração do desenvolvedor sobre a atribuição dos dados

  20. Link: github.com/realcodebear/saltline-fable-5.2
  21. Descrição: referência sobre o tamanho do arquivo e a abordagem de código gerado por IA

Autor: equipe técnica da APIYI
Intercâmbio técnico: fique à vontade para nos contatar na página inicial do APIYI apiyi.com e trocar experiências sobre como integrar IA ao desenvolvimento de jogos

Deixe um comentário