Los modelos de mundo con IA son sistemas que generan y mantienen un entorno coherente mientras reciben nuevas instrucciones, y en noviembre de 2026 ya existen versiones abiertas que puedes descargar, aunque todavía con limitaciones claras. Ese es el eje de la recopilación que Matt Wolfe publicó sobre 12 avances que pasaron bajo el radar, y la lección práctica es simple: un demo que se mira, un modelo que se descarga y una herramienta que se usa hoy son tres cosas distintas.
La mayoría de los titulares de IA se concentran en los lanzamientos grandes. Wolfe, en cambio, se enfocó en lo que encontró durante el último mes y que no entró en sus videos semanales de noticias. Lo interesante no es la lista en sí, sino el criterio con el que la ordena: para cada proyecto indica si hay un demo público, si hay pesos descargables o si existe una herramienta lista para usar.
Esa distinción importa para cualquier empresa que esté evaluando automatización con IA para empresas. Un video espectacular no reemplaza una prueba con tus propios datos. A continuación revisamos los tres frentes que más impacto tienen en un negocio: video generativo, agentes de voz y robótica, y cómo leerlos sin caer en el entusiasmo del showreel.
¿Qué son los modelos de mundo con IA y qué cambió con Hy-Nomas?
Un modelo de mundo con IA genera un entorno visual que se mantiene consistente mientras tú lo diriges. La diferencia con el video generativo tradicional es el control: en lugar de escribir un prompt y recibir un clip cerrado, sigues dando instrucciones y el mundo continúa.
El ejemplo que Wolfe probó es Hy-Nomas, de Tencent. El modelo construye el video en piezas de 5 segundos. Cada pieza nueva toma tu última dirección —texto, movimiento de cámara o ambos— y antes de dibujar nada revisa todo lo que ya generó. Esa memoria es lo que evita que el mundo cambie cuando la cámara regresa a un punto anterior.
En la demostración, Wolfe empieza con una hormiga en un bosque, agrega un ciervo y mueve la cámara. El video retoma donde quedó, pero el ciervo se ve deforme y los controles de cámara resultan torpes. Ese detalle es el más útil de todo el segmento: la consistencia funciona, la calidad todavía no alcanza para una producción final.
Hay dos datos técnicos que conviene retener. Primero, el proyecto es abierto: el código y el modelo se pueden usar, incluso comercialmente. Segundo, Tencent afirma que corre en una sola RTX 4090, pero esa es una versión comprimida y más lenta; la configuración en tiempo real que probaron usó ocho GPUs de centro de datos. Tencent no publicó comparaciones contra otros modelos de mundo, así que las afirmaciones de consistencia provienen de sus propios demos.
Para una empresa, el uso realista hoy no es producir video final. Es planificar un rodaje: conversar la escena, probar ángulos y mapear el plan antes de grabar. Como herramienta de preproducción tiene sentido; como herramienta de entrega, todavía no.
¿Qué puedes hacer hoy con video generativo y agentes de voz?
El video generativo ya tiene dos proyectos que se pueden probar sin esperar una lista de acceso. El primero es Reshoot 4D, que toma un video que ya grabaste y lo "regraba" desde una cámara virtual nueva: órbita, acercamiento, grúa o bullet time. El flujo tiene cuatro pasos: reconstruye una captura 3D de la escena en el tiempo, defines la cámara virtual, se renderiza la nueva vista y una pasada final con el modelo abierto LTX limpia los artefactos.
Las limitaciones están documentadas y son importantes. No construye nada nuevo detrás del sujeto, así que lo que estaba fuera de cámara puede cambiar entre ángulos; el movimiento rápido puede emborronar un rostro por algunos fotogramas; y necesitas una tarjeta Nvidia y manejo de ComfyUI. El editor público todavía no acepta tu propio material. Según Wolfe, lo construyó un solo desarrollador con Claude Code y Codex, lo cual dice bastante sobre cómo cambió el costo de prototipar.
El segundo es MoviEdit, un proyecto de investigación de Adobe y una universidad de Corea. En lugar de mover la cámara, cambia el contenido: escribes una instrucción como "quita al hombre del traje táctico negro" y el cambio se aplica en todos los planos de la escena, no solo en uno. Trabaja con clips de hasta 25 segundos. Es una página de investigación, no el anuncio de una función de Premiere.
En voz, el avance más tangible es la conversación sin turnos estrictos. Dessa, de Block, se entrenó con audio conversacional sin partir de un modelo de texto, y puede escuchar mientras habla en lugar de esperar un corte limpio. Wolfe también encontró un fallo revelador: en un clip, la voz inventa una historia de fondo. Pausas naturales y personalidad convincente no hacen que la historia sea verdadera.
Para probar en serio un agente de voz, Wolfe propone un ejercicio concreto: en el demo de restaurante de Fish Audio Live 3, cambia de opinión a mitad del pedido, pide algo que no está en el menú y observa si el agente recuerda el resto. Eso mide recuperación, no locución. Es la misma prueba que debería hacer cualquier empresa antes de comprar un agente para su línea de atención.
Aquí conviene una advertencia. Esta recopilación demuestra que los demos funcionan en las condiciones del demo. No demuestra que un agente de voz pueda tomar pedidos reales, reconocer todos los acentos ni operar con ruido de fondo, y no es una prueba independiente de cada proyecto. Tampoco hay evidencia de que estos sistemas estén listos para reemplazar a una persona en una operación crítica. Leerlo así evita compras impulsadas por un clip de dos minutos.
¿Qué significa esto para una empresa en Perú o Latinoamérica?
El patrón que se repite en los 12 proyectos es la distancia entre la demostración y la operación. Un robot de dos brazos que atrapa una pelota impresiona, pero el equipo de Stanford reporta más de 80% de éxito en las tareas que probó usando 50 demostraciones por tarea, en su propio laboratorio. Eso no es una estimación de lo que pasaría en un almacén de Lima con otras luces y otros objetos.
Lo mismo aplica a los modelos de mundo. Que Hy-Nomas sea abierto y corre en una sola GPU suena a oportunidad, hasta que notas que la versión usable en tiempo real necesita ocho GPUs de centro de datos. Para una PYME peruana, la pregunta correcta no es "¿puedo correrlo?", sino "¿qué problema de mi negocio resuelve mejor que lo que ya tengo?".
Hay tres usos donde estos avances sí aterrizan sin grandes inversiones. El primero es preproducción de contenido: planificar un video de producto o de capacitación con un modelo de mundo antes de gastar en rodaje. El segundo es atención al cliente: probar un agente de voz con interrupciones antes de comprometerse con un proveedor. El tercero es prototipado interno: el caso de Reshoot 4D construido por un solo desarrollador muestra que un equipo pequeño puede armar herramientas propias en días, no en meses.
El tercer frente, la robótica, es el más lejano. PhoneBot usa un teléfono Android viejo como cerebro para caminar, con un costo estimado de unos 400 dólares en hardware sin contar el teléfono, y la parte de conversación requiere cómputo externo. Además, los materiales mecánicos publicados tienen licencia no comercial. Es un proyecto para seguir, no un producto para comprar. Flash ALOHA, el robot que atrapa pelotas, también es un proyecto de investigación con código, no un equipo de producción.
La lectura para un gerente es sobria: la IA que ya puedes usar está en voz y en edición asistida; la que todavía no está lista está en robótica y en video final de alta calidad. Confundir ambas categorías es la forma más rápida de perder presupuesto.
¿Cómo aplica esto en tu empresa?
Antes de evaluar cualquier herramienta de esta lista, hazte tres preguntas. Primero, ¿existe una versión que puedas probar hoy con tus propios datos, o solo hay un video? Segundo, ¿qué condición especial necesita para funcionar —una GPU específica, una lista de acceso, un plan pagado— y esa condición está dentro de tu presupuesto? Tercero, ¿qué pasa cuando el sistema falla?
La tercera pregunta es la que casi nadie hace. Un agente de voz que acierta el 90% del tiempo suena bien hasta que calculas cuántas llamadas diarias quedan en ese 10%. Antes de contratar, pide una prueba con interrupciones, acentos de tu región y ruido de fondo real.
Para video y contenido, empieza por preproducción. Usa un modelo de mundo para explorar ángulos y escenas, y deja la producción final para el equipo humano. Para prototipos internos, considera que herramientas como Reshoot 4D se construyeron con asistentes de código: tu equipo puede armar algo parecido para un flujo interno sin esperar a un proveedor.
Si quieres revisar qué de esta ola aplica a tu operación, puedes conversar con nosotros sobre tu caso y ver el blog para más análisis prácticos.
Preguntas Frecuentes
¿Qué es un modelo de mundo con IA y en qué se diferencia del video generativo normal?
Un modelo de mundo con IA genera un entorno que se mantiene consistente mientras recibe nuevas instrucciones, en lugar de producir un clip cerrado por prompt. Hy-Nomas, de Tencent, construye el video en piezas de 5 segundos y revisa lo ya generado antes de dibujar la siguiente, lo que mantiene el mundo estable cuando la cámara regresa a un punto anterior.
¿Puedo usar estas herramientas de IA en mi empresa en Perú hoy mismo?
Algunas sí. Los agentes de voz como Fish Audio Live 3 tienen demo público y API, y los modelos abiertos como Hy-Nomas se pueden descargar y usar comercialmente. Otras, como el robot PhoneBot o Flash ALOHA, son proyectos de investigación sin producto terminado. La regla práctica es separar lo que tiene demo usable de lo que solo tiene video.
¿Los agentes de voz ya pueden reemplazar a un humano en atención al cliente?
No con la evidencia disponible. En las pruebas de Wolfe, un agente de voz manejó interrupciones y se mantuvo en su menú, pero en otro clip la voz inventó una historia de fondo. Esos resultados muestran recuperación en un demo configurado, no que el sistema pueda tomar pedidos reales o manejar todos los acentos y el ruido de una operación.
Conclusión: ¿qué hacer con esta ola de avances?
La ola de avances de IA de noviembre de 2026 es real, pero desigual. Los modelos de mundo abiertos, el video generativo editable y los agentes de voz con interrupciones ya se pueden probar; la robótica y el video final de alta calidad siguen en laboratorio. La ventaja competitiva no está en probar todo primero, sino en elegir bien qué probar y medir con datos propios.
Si quieres evaluar qué herramienta encaja en tu operación, en Consultoría TI puedes conversar con nosotros sobre tu caso y revisar el blog de Consultoría TI para más análisis prácticos. También puedes conocer ContentFlow, nuestra herramienta de contenido.
Por Edgar Vásquez, Consultoría TI · actualizado el 19 de noviembre de 2026
Fuentes y Referencias
- Matt Wolfe — Insane AI Breakthroughs Nobody Is Talking About (YouTube)
- João Queirós — 12 AI Breakthroughs You Might Have Missed
- Zona IA — análisis de prototipos robóticos y límites de los demos
✨ Contenido generado con ContentFlow — Consultoría-Ti