Cuatro actores chinos construyen mundos de vídeo interactivos en tiempo real

En 2026, al menos cuatro equipos chinos han lanzado modelos de mundo en vídeo interactivos: Alibaba presentó HappyOyster, Ant Group, LingBot, Shengshu, Vidu S2, y Aishi Technology, PixVerse R2. Sus enfoques difieren, pero comparten objetivo: un vídeo que reacciona en tiempo real a las acciones del usuario y se convierte en un espacio virtual por el que se puede moverse libremente. Lo cuenta Jiqizhixin. El titular del artículo menciona que un equipo ocupó los primeros puestos en dos rankings a la vez, pero el fragmento disponible no nombra ni al equipo ni los rankings. Por eso, a continuación solo se recoge lo que confirma el texto.

Del clip al espacio

La generación de vídeo convencional funciona de forma sencilla: el usuario escribe un prompt, espera y recibe un clip terminado. Un modelo de mundo interactivo trabaja de otra manera. Los fotogramas aparecen en flujo continuo y, mientras tanto, el usuario controla la cámara, el personaje o los objetos. El modelo debe tener en cuenta cada acción y mostrar el resultado de inmediato.

Esto eleva de forma drástica las exigencias al sistema. Hace falta baja latencia entre la orden y el fotograma. Hace falta coherencia de la escena a larga distancia: si el usuario se da la vuelta y se aleja de un edificio, al regresar el edificio debe seguir en su sitio. Y hace falta robustez en la propia generación, porque el flujo no se puede «reiniciar» a mitad de un paseo. Son problemas de ingeniería típicos de esta clase de modelos, y cada uno de los cuatro productos los resuelve a su manera.

Quién entra en juego

La lista de participantes muestra que el tema ha salido de los laboratorios de nicho:

• HappyOyster, desarrollo de Alibaba;
• LingBot, proyecto de Ant Group;
• Vidu S2, modelo de Shengshu (生数科技);
• PixVerse R2, modelo de Aishi Technology (爱诗科技);
• el objetivo común declarado: interacción continua y exploración libre del mundo generado;
• el fragmento disponible no indica resolución, frecuencia de fotogramas, latencia ni duración de la sesión.

Entre ellos hay dos gigantes tecnológicos y dos startups especializadas con raíces en la generación de vídeo. Para estas últimas, la interactividad es la continuación natural de su línea de modelos de vídeo. Para Alibaba y Ant, es una forma más de demostrar que sus modelos fundacionales pueden hacer más que texto e imágenes.

Lo que queda fuera de plano

La frase del titular original sugiere que el equipo líder posiciona su producto de forma distinta a «un modelo de mundo más». Qué ofrece exactamente en su lugar y en qué rankings logró los primeros puestos no se puede deducir del fragmento. Mientras no haya nombres de benchmarks, metodología ni cifras, no es correcto comparar al ganador con HappyOyster, LingBot, Vidu S2 y PixVerse R2. Las posiciones en los rankings conviene leerlas junto con las condiciones de medición.

Qué comprobar en la práctica

Los equipos que estudian los modelos de mundo interactivos para prototipos de juegos, simulaciones o formatos publicitarios pueden no esperar a los grandes anuncios y preparar su propia prueba. Conviene medir la latencia de respuesta en hardware real, no en un banco de demostración. Merece la pena ejecutar una sesión larga y comprobar si la escena se «deriva» pasados unos minutos.

Hay que averiguar si el acceso está abierto mediante API y cuál es el precio por minuto de generación. Los rankings ayudan a elaborar una lista corta, pero lo decisivo serán sus propios escenarios: control de cámara, repetibilidad de las escenas y estabilidad de los personajes. Cuando se publique el artículo completo o el informe técnico, estos criterios también servirán para contrastar las afirmaciones del ganador con las del resto.