Modelo de Mundo da ByteDance Coloca Zhang Yiming em uma Corrida com Google e Meta

A ByteDance estaria preparando um modelo de mundo que gera vídeo espacial a 20 quadros por segundo, desafiando Google e Meta em IA interativa.

O sistema criaria ambientes virtuais que respondem ao movimento ou à voz de um usuário, em vez de produzir um vídeo fixo. O fundador Zhang Yiming estaria supervisionando pessoalmente seu desenvolvimento, segundo pessoas familiarizadas com o projeto.

O modelo de mundo da ByteDance, segundo relatos, é significativo porque conecta três ativos que poucos laboratórios de IA reúnem. A ByteDance tem um modelo de vídeo, um negócio de infraestrutura em nuvem e headsets Pico que poderiam oferecer um caminho direto até os usuários.

Google DeepMind e Meta já apresentaram os modelos de mundo como uma rota importante para sistemas de IA que compreendem ambientes físicos. A ByteDance agora parece pronta para testar uma versão mais integrada comercialmente dessa tese.

A questão central não é se a ByteDance consegue gerar imagens impressionantes. É se as cenas geradas permanecem responsivas, coerentes e úteis quando pessoas ou máquinas interagem com elas.

O Modelo de Mundo da ByteDance Vai Além de Clipes Gerados

A ByteDance supostamente quer transformar a geração de vídeo em um ambiente que muda enquanto alguém o utiliza.

O projeto está sendo construído sobre o Seedance, a tecnologia existente de geração de vídeo da ByteDance, segundo uma reportagem sobre vídeo espacial publicada em 7 de setembro. Um lançamento poderia ocorrer já em outubro, embora o cronograma permaneça indefinido.

A ByteDance não havia anunciado publicamente o modelo quando a reportagem foi publicada. A empresa também não forneceu comentário à Bloomberg. Portanto, a janela de lançamento, o nome do produto, o modelo de acesso e a arquitetura técnica permanecem sem confirmação.

Essa ressalva importa porque o desempenho relatado representaria uma mudança substancial em relação ao vídeo de IA convencional. Os atuais geradores de vídeo geralmente renderizam um clipe concluído após receberem um prompt, uma imagem ou um vídeo de referência.

Um modelo de mundo interativo funciona de forma diferente. Ele prevê como um ambiente deve mudar após uma ação e, em seguida, produz o próximo estado visual com rapidez suficiente para preservar a interação.

O sistema relatado geraria vídeo na nuvem a aproximadamente 20 quadros por segundo. Sua latência, o atraso entre uma entrada e a resposta visível, seria de cerca de 0,05 segundo, segundo relatos.

Esses números vêm de fontes não identificadas e não foram avaliados de forma independente. Devem ser tratados como metas relatadas, e não como desempenho comprovado do produto.

Se a ByteDance atingir essas metas, os usuários poderão entrar em espaços gerados que reagem às suas vozes e movimentos físicos. As aplicações relatadas incluem jogos, transmissões ao vivo e dramas de formato curto.

Um espectador poderia mudar uma história ao caminhar em direção a um personagem. Um apresentador de transmissão ao vivo poderia se mover por um cenário gerado sem esperar que um clipe completo fosse renderizado.

Um criador de jogos poderia descrever uma cena e explorá-la antes de desenvolver ativos tradicionais. Esses exemplos continuam sendo usos potenciais até que a ByteDance revele os controles reais e os limites de produção.

O projeto seria destinado a funcionar com o Pico, o negócio de hardware de realidade estendida da ByteDance. A nuvem executaria o trabalho exigente de geração, enquanto um headset capturaria a entrada e exibiria o resultado.

Essa divisão poderia reduzir o processamento necessário no headset. Também tornaria a confiabilidade da rede, a capacidade da nuvem e os custos operacionais elementos centrais da experiência do usuário.

A ByteDance já lista pesquisas sobre modelos de mundo ao lado de interação multimodal e robótica em sua organização Seed. Seu catálogo público de modelos Seed também mostra um portfólio em expansão em vídeo, imagens, fala e compreensão multimodal.

No entanto, esse catálogo não confirma o modelo espacial relatado. Ele estabelece o programa técnico ao redor do projeto, não as especificações descritas por fontes anônimas.

A mudança imediata, portanto, é estratégica, e não totalmente comprovada. A ByteDance parece estar migrando de mídia gerada para ambientes gerados continuamente.

Esse movimento cria pressão direta sobre o trabalho de simulação interativa do Google DeepMind. Ele também coloca a ByteDance ao lado do esforço da Meta para ensinar máquinas a compreender como situações físicas se desenvolvem.

Por Que Zhang Yiming Está Pessoalmente de Volta à Corrida da IA

O envolvimento relatado de Zhang Yiming sugere que a ByteDance vê os modelos de mundo como uma aposta em nível de empresa, e não como mais um recurso experimental de mídia.

Zhang deixou o cargo de diretor-executivo da ByteDance em 2021. Sua supervisão relatada do novo projeto dá ao esforço mais peso do que uma expansão rotineira de produto.

O relato da Bloomberg o coloca ao lado de pesquisadores como o cientista-chefe de IA da Meta, Yann LeCun, e a fundadora da World Labs, Fei-Fei Li. Ambos argumentaram que a IA precisa de uma compreensão espacial mais rica para operar além das interfaces de texto.

Grandes modelos de linguagem preveem padrões em palavras e outros tokens. Já os modelos de mundo tentam representar como um ambiente muda, incluindo os efeitos das ações de um agente.

Essa distinção é importante para robôs, sistemas autônomos, jogos e realidade estendida. Cada um exige mais do que uma imagem plausível do momento seguinte.

Um sistema útil precisa manter objetos, posições, pontos de vista e relações causais. Se um usuário se virar, uma cadeira antes visível deve permanecer onde o ambiente a posicionou.

Se um robô empurra um copo, o resultado previsto deve respeitar contato, direção e obstáculos próximos. A qualidade visual por si só não pode estabelecer esse tipo de confiabilidade.

A ByteDance entra nesse campo com ampla experiência em distribuição e geração de vídeo. TikTok e Douyin deram à empresa anos de experiência operacional em classificar, comprimir, entregar e analisar conteúdo visual.

Esse histórico não produz automaticamente um modelo de mundo confiável. Mas oferece à ByteDance infraestrutura e conhecimento de produto que participantes focados em pesquisa precisam adquirir separadamente.

O Seedance fornece outro ponto de partida. A família de modelos foi projetada para criação controlável de vídeos, incluindo cenas com múltiplos sujeitos, mudanças de câmera e sequências visuais coordenadas.

O projeto relatado precisaria converter essas capacidades em previsão de baixa latência. Esse é um desafio diferente de melhorar a qualidade visual de um clipe offline.

Cada nova entrada do usuário muda o que o modelo precisa gerar em seguida. O sistema deve responder sem perder a identidade, a geometria ou o histórico da cena.

O envolvimento de Zhang também sinaliza que a oportunidade de mercado vai além do entretenimento. A simulação interativa poderia, no futuro, apoiar treinamento robótico, navegação autônoma e geração de dados sintéticos.

Dados sintéticos usam exemplos gerados por computador para treinar ou testar um sistema de IA. Eles se tornam valiosos quando dados do mundo real são escassos, perigosos, caros ou difíceis de rotular.

Um desenvolvedor de robôs poderia testar muitos layouts de ambientes sem construir cada sala. Um sistema autônomo poderia encontrar configurações incomuns de clima ou tráfego sem esperar que elas ocorram.

No entanto, dados de treinamento úteis devem preservar as regras relevantes para a implantação. Uma simulação visualmente convincente ainda pode ensinar a lição errada se sua física for inconsistente.

A ByteDance já explorou esse problema por meio do Seed3D, um sistema para criar ativos prontos para simulação a partir de imagens individuais. Seu relatório técnico descreve uma lacuna entre simulação de vídeo diversificada e feedback físico explícito.

A pesquisa do Seed3D argumenta que abordagens baseadas em vídeo podem ampliar o conteúdo, mas frequentemente carecem de consistência 3D confiável. Motores de física tradicionais oferecem dinâmicas mais robustas, mas exigem produção manual de ativos dispendiosa.

Essa troca explica por que o modelo espacial relatado merece atenção. A ByteDance não está simplesmente aderindo a uma categoria em voga.

Ela parece estar reunindo tecnologias distintas para geração de vídeo, ativos 3D, simulação e agentes multimodais. A questão não resolvida é se essas peças formam uma plataforma coerente.

Google DeepMind É o Alvo Competitivo Mais Claro

A principal disputa é entre ByteDance e Google DeepMind, porque ambos buscam mundos exploráveis renderizados em tempo real.

O Google apresentou o Genie 3 como um modelo de mundo de uso geral que cria ambientes interativos a partir de texto. Os usuários podem navegar por esses ambientes enquanto o modelo gera como cada cena se desenvolve.

O Google afirma que o Genie 3 pode produzir saída em 720p a 24 quadros por segundo. Ele pode manter um ambiente interativo por vários minutos, em vez de gerar apenas uma sequência curta e fixa.

Essas especificações dão ao sistema relatado da ByteDance um ponto de referência óbvio. Diz-se que a ByteDance mira 20 quadros por segundo, enquanto enfatiza latência de resposta muito baixa e integração com Pico.

A taxa de quadros, por si só, não decidirá a disputa. Um modelo pode se atualizar rapidamente enquanto esquece objetos, altera layouts ou produz respostas fisicamente impossíveis.

A visão geral do Genie 3 do Google identifica abertamente diversas limitações. O sistema nem sempre consegue reproduzir locais reais com precisão, renderizar texto com clareza ou sustentar a interação por períodos prolongados.

Essas divulgações fornecem uma base útil para avaliar a ByteDance. Qualquer demonstração de lançamento deve ser julgada pela persistência e pelo controle, não apenas pela aparência cinematográfica.

O Project Genie, protótipo voltado ao usuário do Google, expõe limites mais práticos. O Google documenta controles atrasados, queda na qualidade do fluxo, escurecimento das cenas e adesão imperfeita à física do mundo real.

O protótipo também impõe sessões curtas. As questões conhecidas do Google mostram com que rapidez uma conquista de pesquisa pode encontrar restrições comuns de produto.

A ByteDance poderia atacar essas fraquezas por meio de um sistema rigidamente controlado. Ela possui o desenvolvedor do modelo, o caminho de entrega em nuvem, as plataformas de conteúdo e a marca de headset pretendida.

Essa integração poderia ajudar os engenheiros a otimizar todo o ciclo entre movimento, transmissão pela rede, geração e exibição. O Google tem amplas vantagens de infraestrutura, mas não controla uma plataforma de headset para consumidores comparável.

A ByteDance também conta com ferramentas consolidadas para criadores de vídeo. CapCut, Doubao, TikTok e Douyin oferecem possíveis canais de distribuição se a geração interativa se tornar útil fora dos headsets.

O Google detém vantagens diferentes. O DeepMind tem uma longa trajetória em aprendizado por reforço, ambientes simulados, robótica e sistemas de planejamento.

O Google também pode conectar a pesquisa Genie ao Gemini, Google Cloud, Maps e seu trabalho mais amplo com agentes. Seus experimentos com Street View oferecem dados geográficos que a ByteDance não consegue reproduzir facilmente.

A competição, portanto, não é simplesmente China contra Estados Unidos. Trata-se de uma disputa entre duas rotas diferentes para transformar ambientes gerados em produtos.

O Google parte de uma linhagem de pesquisa centrada em agentes e simulação. A ByteDance parte da criação de vídeos, da distribuição de conteúdo e de um ponto de acesso em hardware próprio.

O modelo de mundo mais forte da ByteDance faria a geração interativa parecer um serviço de mídia. O produto Genie mais forte transformaria a simulação em uma interface geral para agentes e pessoas.

Nenhuma das abordagens demonstrou, até agora, que mundos gerados de forma aberta conseguem permanecer confiáveis em sessões longas. Essa limitação comum mantém a disputa mais acirrada do que as demonstrações refinadas sugerem.

A ByteDance também precisa decidir quanto do modelo irá expor. O Google abriu o Project Genie para usuários elegíveis, oferecendo a observadores externos evidências imperfeitas, mas valiosas.

Uma demonstração controlada da ByteDance revelaria menos. Acesso amplo, benchmarks reproduzíveis ou ferramentas para desenvolvedores forneceriam evidências mais fortes de que o modelo funciona além de prompts selecionados.

A Meta Está Desenvolvendo Raciocínio Físico, Não um Palco Virtual

A Meta é uma grande concorrente em modelos de mundo, mas sua principal aposta se concentra em previsão e planejamento robótico, não em entretenimento renderizado.

A Meta lançou o V-JEPA 2 em junho de 2025. O modelo de 1,2 bilhão de parâmetros aprende representações a partir de vídeo e prevê estados futuros em um espaço abstrato de características.

Essa abordagem difere da geração de cada pixel visível. O modelo da Meta busca capturar informações importantes para compreensão e planejamento, ignorando detalhes visuais imprevisíveis.

A Meta treinou o V-JEPA 2 com mais de um milhão de horas de vídeo e um milhão de imagens. Em seguida, acrescentou treinamento condicionado por ações, que vincula mudanças observadas a comandos robóticos.

A empresa usou 62 horas de dados de robôs nessa etapa posterior. A Meta afirma que o sistema resultante permitiu planejamento zero-shot para objetos e ambientes desconhecidos.

Planejamento zero-shot significa tentar executar uma tarefa sem treinamento adicional para aquele contexto específico. O robô avalia possíveis ações por meio do modelo antes de escolher seu próximo movimento.

Nos testes da Meta, o sistema realizou tarefas como alcançar, pegar objetos e movê-los. As taxas de sucesso relatadas chegaram a 65% a 80% em determinados testes de pegar e posicionar.

Esses resultados vêm da própria pesquisa da Meta e de condições laboratoriais especificadas. Eles não estabelecem confiabilidade geral para robôs que operam em residências ou locais de trabalho sem controle.

A pesquisa sobre raciocínio físico da Meta também relata uma diferença significativa entre os principais modelos e o desempenho humano em novos benchmarks de avaliação. Essa diferença ressalta o estágio ainda incompleto do campo.

O contraste com a ByteDance é útil. O V-JEPA 2 não precisa renderizar um mundo visualmente atraente para uma pessoa usando um headset.

Ele precisa de representações suficientemente precisas para que uma máquina compare ações e planeje. O sistema relatado da ByteDance precisa gerar saída visível imediatamente, preservando ao mesmo tempo a estrutura do mundo.

Um gerador visual e um preditor latente resolvem problemas relacionados, mas distintos. Latente refere-se a uma representação interna, e não a uma imagem mostrada diretamente ao usuário.

A geração de pixels oferece uma interface intuitiva e demonstrações envolventes. Também consome recursos computacionais com texturas, iluminação e detalhes que talvez não ajudem um agente a escolher uma ação.

A previsão latente pode se concentrar em mudanças relevantes para a tarefa. Ainda assim, ela não oferece automaticamente um ambiente visual para criadores, jogadores ou usuários de headset.

A ByteDance supostamente quer o apelo comercial do vídeo gerado e a capacidade de resposta de uma simulação. Combinar essas qualidades é mais difícil do que maximizar qualquer uma delas isoladamente.

Sua pesquisa mais ampla sugere que a empresa entende essa divisão. O Seed3D produz ativos destinados a motores de física convencionais, enquanto o modelo espacial relatado geraria vídeo interativo.

Isso deixa pelo menos duas possíveis rotas técnicas. A ByteDance pode depender principalmente de previsão de vídeo aprendida ou combinar geração com componentes explícitos de geometria e simulação.

A empresa não divulgou qual rota escolheu. Sem detalhes de arquitetura, as comparações com a Meta devem permanecer limitadas a objetivos e desempenho observável.

A Meta também oferece a desenvolvedores externos acesso ao código e aos checkpoints do modelo V-JEPA 2. Isso permite que pesquisadores testem o sistema, examinem suas limitações e desenvolvam avaliações concorrentes.

A ByteDance não informou se seu modelo relatado será lançado, oferecido por meio de uma API ou mantido dentro de seus produtos. Os termos de distribuição moldarão sua influência sobre a pesquisa em robótica.

Se o acesso permanecer limitado ao Pico ou a aplicativos da ByteDance, o modelo ainda poderá se tornar um produto de consumo bem-sucedido. Terá menos valor como base compartilhada para equipes independentes de robótica.

Vídeo em Tempo Real Não É o Mesmo que um Mundo Confiável

A latência relatada é impressionante no papel, mas persistência, física, custo e segurança determinarão se o sistema se qualifica como algo além de vídeo interativo.

Um modelo de mundo precisa lembrar o que aconteceu. A filmagem gerada só se torna um ambiente utilizável quando ações anteriores continuam afetando estados posteriores.

Suponha que um usuário abra uma porta, mova um objeto e retorne vários minutos depois. A cena deve preservar essas mudanças a partir de múltiplos pontos de vista.

Os geradores interativos atuais frequentemente têm dificuldades com essa persistência. Detalhes se desviam, controles apresentam atraso e objetos podem mudar quando saem do quadro visível.

Sessões mais longas ampliam cada pequeno erro de previsão. O modelo usa repetidamente seus próprios estados gerados como contexto, permitindo que inconsistências se acumulem.

A latência relatada de 0,05 segundo também precisa de uma definição clara. Ela pode descrever a inferência do modelo, a resposta da nuvem ou um componente de todo o ciclo de interação.

Uma experiência em headset inclui sensores, processamento local, transmissão em rede, agendamento no servidor, geração, compressão e exibição. A latência de ponta a ponta será maior que qualquer medição interna isolada.

As condições de rede criam outra variável. Um mundo gerado na nuvem pode ter bom desempenho perto de um data center, mas responder mal por uma conexão móvel congestionada.

Esse desafio é particularmente importante para a realidade estendida. Respostas visuais atrasadas podem quebrar a imersão e causar desconforto em alguns usuários.

A renderização em nuvem transfere o trabalho para fora do headset, mas não elimina o custo. O provedor precisa gerar quadros repetidamente para cada sessão ativa.

Um vídeo fixo pode ser renderizado uma vez, armazenado e assistido muitas vezes. Um ambiente interativo pode exigir um fluxo exclusivo para as ações de cada usuário.

A ByteDance poderia compensar essa carga por meio de otimização de modelos, cache e padrões previsíveis de interação. Ainda assim, a economia de uso importará tanto quanto as taxas de quadros divulgadas.

A empresa também precisa mostrar que tipo de controle o modelo oferece. Mover uma câmera por uma cena é mais fácil do que manipular objetos com resultados causais confiáveis.

A entrada de voz pode alterar a história sem modificar o sistema espacial subjacente. O rastreamento de movimento pode afetar o ponto de vista sem possibilitar interação física significativa.

Um lançamento deve distinguir navegação, controle narrativo, manipulação de objetos e treinamento de agentes. Tratar essas capacidades como intercambiáveis ocultaria o valor real do modelo.

A avaliação é outro problema não resolvido. Benchmarks de vídeo frequentemente recompensam qualidade visual ou alinhamento ao prompt, enquanto benchmarks de robótica medem a conclusão de tarefas.

Um mundo interativo precisa de testes adicionais de memória, controlabilidade, tempo de resposta, geometria e consistência causal. Ele também pode exigir avaliações de segurança específicas por domínio.

Ambientes gerados podem reproduzir personagens protegidos por direitos autorais, locais reconhecíveis ou cenários prejudiciais. A mídia espacial cria novas preocupações porque os usuários participam dentro do resultado.

O modelo também pode gerar simulações incorretas que parecem fisicamente críveis. Esse risco se torna grave se desenvolvedores usarem a saída para treinar robôs ou sistemas autônomos.

Um robô treinado em um simulador impreciso pode repetir suposições inseguras no mundo físico. O realismo visual pode tornar esses erros mais difíceis de perceber.

A ByteDance precisará separar alegações sobre entretenimento de alegações sobre robótica. Um modelo pode viabilizar jogos envolventes sem ser confiável o suficiente para planejamento sensível à segurança.

O trabalho público da empresa no Seed3D reconhece essa distinção. Seus pesquisadores descrevem a física explícita como importante para interpretação e segurança, mesmo quando sistemas generativos oferecem conteúdo mais variado.

Essa declaração não revela como o modelo de mundo relatado da ByteDance lida com física. Ela mostra, porém, que os pesquisadores da ByteDance reconhecem a troca subjacente.

O acesso independente ajudaria a responder a essas perguntas. Pesquisadores precisam de testes repetidos, prompts adversariais, sessões longas e tarefas de interação mensuráveis.

Vídeos selecionados não conseguem mostrar a frequência de falhas. Também não conseguem estabelecer se a qualidade da saída resiste a redes comuns, ambientes complexos ou usuários simultâneos.

Até que esses testes existam, as especificações relatadas da ByteDance continuam sendo uma meta ambiciosa de projeto. Elas ainda não são prova de que a empresa aperfeiçoou um modelo de mundo.

Três Sinais Mostrarão se a ByteDance Reduziu a Diferença

A próxima fase desta disputa será decidida por um lançamento de produto, persistência mensurável e evidências de que o sistema vai além de demonstrações de entretenimento.

O primeiro sinal é se a ByteDance lançará o modelo relatado no cronograma sugerido. Um lançamento em outubro sustentaria a afirmação de que o projeto avançou além da pesquisa interna.

A forma desse lançamento importará. Uma experiência no Pico, uma ferramenta para criadores, uma demonstração pública, uma API e um checkpoint de pesquisa revelariam, cada um, um nível diferente de prontidão.

Uma apresentação limitada em headset validaria a estratégia de produto integrado da ByteDance. Ela não estabeleceria que desenvolvedores externos podem criar aplicações confiáveis.

O segundo sinal é a interação sustentada sob testes públicos. A ByteDance deve divulgar duração de sessão, resolução, taxa de quadros e latência de ponta a ponta em condições realistas de rede.

Os avaliadores também devem testar se objetos e layouts persistem depois de saírem do quadro. Devem medir com que rapidez os erros se acumulam durante interações prolongadas.

Resultados claros reforçariam a tese de que o modelo de mundo da ByteDance compete diretamente com o Genie 3. Demonstrações curtas e cuidadosamente selecionadas enfraqueceriam essa comparação.

O terceiro sinal é uma ponte para sistemas físicos. A ByteDance deve mostrar se o modelo consegue produzir simulações condicionadas por ações que apoiem robótica ou a avaliação de agentes autônomos.

Essa evidência poderia assumir a forma de benchmarks de tarefas, parcerias em robótica ou integração com o trabalho 3D da empresa pronto para simulação. Sucesso reproduzível importaria mais do que acabamento visual.

Sem essa ponte, a ByteDance ainda pode construir uma importante plataforma de entretenimento. Ela ocuparia uma posição mais restrita do que a visão mais ampla de modelos de mundo associada à Meta e ao Google DeepMind.

Desenvolvedores devem observar os termos de acesso juntamente com o desempenho técnico. Uma API ou artefato de pesquisa para download permitiria que equipes independentes testassem persistência e controle.

Compradores corporativos devem se concentrar em confiabilidade, governança de dados e requisitos totais de inferência. Um protótipo responsivo não se transforma automaticamente em um sistema de produção econômico.

Criadores devem prestar atenção ao controle editável. A questão útil é se as cenas permanecem consistentes ao longo de revisões, movimento de personagens e narrativas ramificadas.

Profissionais do conhecimento têm outro motivo para se importar. Modelos de mundo apontam para interfaces em que a IA pode testar ações dentro de simulações antes de recomendar decisões.

Essa ideia ainda está em estágio inicial, mas pode alterar a maneira como as pessoas analisam conceitos de produto, cenários de treinamento e planos operacionais. Manter pesquisas verificadas organizadas se tornará mais importante à medida que as demonstrações se multiplicarem.

Ferramentas construídas em torno de uma base de conhecimento de IA pesquisável podem ajudar equipes a separar especificações divulgadas de alegações relatadas e de resultados posteriores de benchmarks.

A ByteDance ainda não provou que seu sistema espacial consiga igualar o Google em geração interativa ou a Meta em raciocínio físico. O relatório mostra que a empresa pretende competir em ambos os territórios.

Essa intenção, por si só, muda o mercado. Google e Meta já não enfrentam apenas laboratórios de pesquisa ou startups especializadas em simulação nessa categoria.

Elas podem enfrentar uma empresa com uma plataforma global de vídeo, software para criadores, infraestrutura de nuvem e seu próprio canal de headsets. Esses ativos dão à ByteDance várias rotas para adoção.

O teste mais difícil começa quando usuários externos puderem levar o sistema além de suas melhores demonstrações. O ambiente se lembra, responde e segue regras consistentes depois que a novidade passa?

Se a ByteDance publicar evidências reproduzíveis sobre essas questões, seu modelo de mundo representará mais do que outro avanço em vídeo com IA. Até lá, a corrida continua aberta.

Observe o formato de lançamento, a duração da interação estável e qualquer validação em robótica. Juntos, esses sinais mostrarão se Zhang Yiming construiu um simulador de mundo confiável ou um gerador de mídia excepcionalmente responsivo.