Test de world model: LingBot World 2 y Abot World 0 a prueba
A mediados de octubre fal.ai incorporó modelos de mundo interactivos en tiempo real. He probado LingBot World 2 y Abot World 0 mediante WebRTC para comprobar si ya es posible explorar entornos generativos con el teclado.
👁 114 lecturas
A mediados de octubre fal.ai estrenó una categoría pionera: el concepto de world model interactivo en tiempo real, entornos sintéticos por los que puedes desplazarte con el teclado como en un videojuego. El 20 de octubre ejecuté tres de estas propuestas: LingBot World 2 de Robbyant (Ant Group), Abot World 0 de Alibaba y MiniMax H3 Max Reference Director (variante con post-entrenamiento de fal). Dos de ellos respondieron de inmediato: una sesión de 40 segundos explorando el lago Morskie Oko me costó unos $0.08, aunque sin imagen de referencia el entorno colapsa en artefactos. El tercero no quiso arrancar.
Si buscas generadores clásicos de clips cerrados, echa un ojo al análisis de FLUX 3 Max. Si lo que te interesa es la tecnología interactiva de world model AI, aquí desgloso mis mediciones directas. Tienes más análisis independientes recopilados en el Laboratorio Fulgor.
En pocas palabras (20.10.2026)
- Qué es: un modelo que sintetiza fotogramas al vuelo respondiendo a tus pulsaciones (W, A, S, D y comandos rápidos), en lugar de renderizar un archivo de vídeo cerrado. Para profundizar en el concepto técnico, consulta mi guía sobre modelos de mundo.
- Precio en fal: LingBot World 2 y Abot World 0 marcan $0.00125 por segundo de computación. Mi sesión de 40 segundos costó entre $0.05 y $0.08.
- Licencia de pesos: LingBot World 2 utiliza CC BY-NC-SA 4.0 (solo investigación y uso no comercial), mientras que Abot World 0 cuenta con Apache-2.0.
- Acceso técnico: sesión WebRTC en streaming directo. No hay botón de descarga de MP4; capturé los fotogramas directamente con mi propio script.
- Mi puntuación: LingBot con imagen inicial 7/10 (sin imagen 4,5/10); Abot 6,5/10.
Cómo funciona la arquitectura de un world model
Esto no funciona como la API habitual donde envías un prompt y descargas un vídeo tras esperar un minuto. Aquí el cliente envía una oferta WebRTC al puente de fal, recibe la respuesta de conexión y abre un canal de datos para transmitir la configuración inicial (prompt en texto, imagen de arranque) y los comandos de movimiento en vivo. El vídeo regresa como un flujo continuo mientras el sistema devuelve telemetría constante: velocidad de síntesis, latencia y número de bloque procesado. La sesión exige además una señal de mantenimiento (keep-alive) cada pocos segundos para no cerrarse.
En el navegador, este proceso lo gestiona el playground de fal o su librería JavaScript. Yo preferí redactar un script en Python con la librería aiortc para capturar los fotogramas brutos y medir la tasa de refresco real. Entre los metadatos devueltos por LingBot en su primer paquete destacan:
- Identificador de modelo: lingbot-world-v2-14b-causal-fast (14 mil millones de parámetros, arquitectura causal optimizada).
- Resolución nativa de 1664×960 píxeles, con 48 fps declarados por el sistema y 3 fotogramas por bloque.
- Esquema de control: teclas W, A, S, D para traslación e I, J, K, L para orientación de cámara.
- Procesamiento de texto: tras recibir el prompt, el modelo expande internamente la orden en instrucciones espaciales detalladas («personaje en la esquina inferior izquierda, distancia fija a la cámara…»).
Mi banco de pruebas
| Sesión | Fotogramas recibidos | Nota | Comportamiento observado |
|---|---|---|---|
| LingBot World 2, solo prompt | 973 en 40 s | 4,5 | Arranca en un mapa precargado; deriva en caos visual |
| LingBot World 2, prompt + foto | 1339 en 42 s | 7,0 | Morskie Oko estable; figuras sumergidas en el agua |
| Abot World 0, prompt + foto | 533 en 42 s | 6,5 | Escena consistente, pero pierde nitidez progresiva |
| H3 Max Reference Director | 0 | - | Conexión abierta, configuración rechazada |
Sin imagen inicial: un entorno genérico que se desmorona
En mi primera prueba configuré únicamente texto descriptivo en polaco: un excursionista con chaqueta roja junto a un lago en los montes Tatras al amanecer. LingBot World 2 ignoró parcialmente las indicaciones iniciales y arrancó desde uno de sus mundos precargados: un árbol solitario dentro de un lago alpino. Tardó más de diez segundos en incorporar las instrucciones del texto. Durante la transición, el agua se transformó en una masa pictórica borrosa y el excursionista no apareció de forma reconocible hasta el tramo final.
Con imagen de referencia: el lago aguanta 40 segundos
Al introducir una fotografía de referencia de Morskie Oko, LingBot World 2 conservó la cordillera, los reflejos sobre el agua y la iluminación del amanecer durante toda la prueba. Las figuras humanas respondieron a las órdenes de movimiento del teclado, aunque con un fallo de colisión evidente: en lugar de caminar por la orilla, se adentraron en el lago hasta las rodillas. La física del agua sigue siendo un reto notable para estas redes.
Abot World 0, ejecutado con la misma fotografía, desplazó la cámara a ras de la superficie acuática. La composición general fue sólida, pero los riscos rocosos perdieron definición con cada segundo de avance y la figura humana desapareció del encuadre. Su tasa de entrega fue menor: capturé entre 12 y 13 fotogramas por segundo a 1280×704, frente a los 24-32 fps sostenidos de LingBot.
MiniMax H3 Max Reference Director: acceso bloqueado
El tercer endpoint, denominado MiniMax H3 Max Reference Director (preparado con post-entrenamiento de fal), promete actuar como un director de entornos continuos con imágenes de referencia, guion temporal e interacción dialogada. La sesión WebRTC abrió el canal correctamente e identificó que corría sobre un nodo de 8 GPU (B300/B200) reservado a una única sesión simultánea. Sin embargo, el servidor rechazó el payload de inicialización debido a la ausencia de un campo de versión de comando no documentado. Como fal mostraba una tarifa orientativa de $0.00 por segundo de computación sin confirmación oficial de precio, preferí no insistir a ciegas en una máquina de semejante envergadura.
Costes reales de ejecución
- LingBot World 2 y Abot World 0: $0.00125 por segundo de computación, lo que equivale a $4.50 por hora de GPU activa.
- Un segundo de cómputo no equivale matemáticamente a un segundo de vídeo visualizado: fal no desglosa en tiempo real el consumo exacto de aceleración por segundo de sesión. Sumando los intentos fallidos y las sesiones completas, mi gasto total rondó los $0.50.
- H3 Max Reference Director: tarifa pendiente de confirmación en la plataforma.
¿Para quién tiene sentido esta tecnología hoy?
- Desarrolladores de videojuegos y aplicaciones interactivas: resulta muy interesante para prototipar escenarios navegables en tiempo real. Abot World 0 cuenta además con licencia comercial permisiva.
- Investigadores y creadores técnicos: LingBot World 2 ofrece mayor fidelidad visual y mejor tasa de fotogramas, pero su licencia CC BY-NC-SA 4.0 excluye el uso comercial y fal lo mantiene con etiqueta de investigación («research»).
- Producción audiovisual tradicional: desaconsejado. Para generar planos cinemáticos pulidos sigue siendo mucho más práctico recurrir a pipelines de vídeo convencionales. Si te interesa la comparativa entre plataformas de vídeo generativo, revisa mi prueba de Wan 3.0 frente a Kling y Runway.
Si quieres recordar cómo probé en su día la navegación interactiva sin código, lee mi análisis de Odyssey-3 en los montes Bieszczady. Si prefieres revisar todas las novedades añadidas al catálogo esta semana, consulta mi recopilatorio de nuevos modelos en fal.ai de octubre de 2026.
Preguntas frecuentes
¿Un world model genera un archivo de vídeo descargable?
No mediante su endpoint WebRTC. La salida es un flujo de vídeo interactivo en directo. Para almacenar la secuencia necesitas capturar la pantalla o extraer los fotogramas entrantes mediante código, tal como hice con mi script de Python.
¿Hace falta una tarjeta gráfica potente para probarlo?
Para consumirlo a través de la infraestructura de fal no necesitas potencia local, ya que el procesamiento corre en la nube. Si quisieras ejecutar Abot World 0 en local, sus desarrolladores señalan que requiere unos 19 GB de VRAM (como una RTX 5090), aspecto que no he comprobado personalmente.
¿Puedo utilizar comercialmente las imágenes generadas con LingBot World 2?
Los pesos publicados tienen licencia CC BY-NC-SA 4.0 y el endpoint de fal figura catalogado expresamente como «research». Para cualquier explotación comercial debes consultar previamente con Robbyant o con la propia fal.
Google · Tus fuentesBrilla más alto en tu Google - con un solo clicAñadir a fuentes preferidas →Fuentes
- Pruebas propias realizadas el 20.10.2026: 3 sesiones WebRTC operativas vía fal.ai (Python, librería aiortc), con almacenamiento local de fotogramas.
- fal.ai: documentación técnica y tarifas de LingBot World 2, Abot World 0 y H3 Max Reference Director (consultado el 20.10.2026).
- Hugging Face: repositorios oficiales de LingBot World v2 (licencia CC BY-NC-SA 4.0) y ABot-World-0 (licencia Apache-2.0).
- GitHub: código fuente y documentación de amap-cvlab/ABot-World.
More on this from FULGOR
guías·Qwen3.6-27B en local con una RTX 4090: qué cabeQwen3.6-27B es un modelo denso de 27B con licencia Apache 2.0. Calculamos qué cuantización cabe en 24 GB con 128K de contexto y damos los ajustes.