← Todas las noticias

Apollo World de Baidu quiere que el modelo del mundo examine la conducción autónoma: 33 ms de respuesta, pero sin pesos para los desarrolladores

Según un reportaje de Xinzhiyuan del 4 de noviembre de 2026, Baidu Apollo presentó Apollo World, un modelo del mundo impulsado por agentes que, según la compañía, puede simular trayectos de más de diez minutos de forma continua y responder en 33 milisegundos, además de proponer el estándar «2+3» para modelos del mundo; el reportaje no menciona pesos, licencias ni API.

Publicado Actualizado

Qué ha cambiado

Según un reportaje de Xinzhiyuan del 4 de noviembre de 2026, Baidu Apollo presentó un modelo del mundo llamado Apollo World, que el reportaje describe como «el primer modelo del mundo multimodal e impulsado por agentes orientado a la IA física». Según su relato, el sistema integra la red vial urbana, sensores multimodales y la interacción competitiva del tráfico en una simulación en la nube, admite interacción en tiempo real a escala de milisegundos y puede circular de forma continua durante más de diez minutos entre cualquier origen y destino de una ciudad virtual, completando el trayecto íntegro desde la recepción del pedido y el embarque del pasajero hasta la entrega. El reportaje ofrece varios detalles técnicos: cada vehículo, repartidor y peatón de la escena se modela como un agente con capacidad de percepción y decisión propias, de modo que reacciona cuando el vehículo autónomo cambia de acción; el modelo genera de forma conjunta imágenes de cámara desde múltiples vistas y nubes de puntos de lidar tridimensionales, e incorpora un prior de estructura vial tridimensional de alta precisión para frenar la deriva en horizontes largos; mediante la destilación de un modelo de difusión de varios pasos en un modelo estudiante de inferencia con pocos pasos, el reportaje afirma que la respuesta en tiempo real se mantiene por debajo de 33 milisegundos (aproximadamente 1/30 de segundo). El reportaje también afirma que el modelo aprendió de más de 1000 millones de fotogramas de datos reales regularidades físicas como la atenuación de la nube de puntos bajo la lluvia y el aumento de la distancia de frenado en calzadas resbaladizas, y que el modelo base L4 de conducción de extremo a extremo AI Driver (ADFM) de la nueva generación de Apollo Go ya está embarcado, con más de cien vehículos sin operador de seguridad en operación. El reportaje reproduce además el estándar «2+3» que propone Baidu para los modelos del mundo: la causalidad y la interactividad como umbral de entrada, y la precisión física, la persistencia y el tiempo real como métricas de un campo de entrenamiento L4. Cabe subrayar que las cifras de rendimiento, las demostraciones de escenarios y la escala de despliegue anteriores son afirmaciones unilaterales del reportaje y del fabricante; no se ha visto reproducción por terceros ni evaluación independiente.

Impacto para desarrolladores

La relevancia práctica para los desarrolladores tiene dos niveles. El primero es metodológico: el reportaje separa el «generador de vídeo» del «campo de entrenamiento interactivo» y enumera la causalidad, la generación condicionada por acciones, la consistencia a largo plazo y el tiempo real como dimensiones comprobables. Los equipos que trabajan en IA encarnada, conducción autónoma o canalizaciones de datos de simulación pueden usar ese conjunto de dimensiones como lista de comprobación al construir o comprar entornos de simulación, en lugar de aceptar sin más la clasificación de un proveedor concreto. El segundo nivel es el de acceso: el reportaje no menciona en ningún momento pesos del modelo de Apollo World, licencia de código abierto, puntos de API, forma de facturación ni vía de solicitud para terceros; solo dice que sirve al propio bucle de entrenamiento de Apollo Go. Dicho de otro modo, es un anuncio técnico dirigido al público, no un producto de modelo que pueda invocarse desde fuera. Tomarlo como referencia reproducible o componente integrable directamente carece por ahora de base. Además, expresiones del reportaje como «los dos únicos del mundo», «rompe el triángulo imposible» o «momento AGI» pertenecen al discurso de los medios y del fabricante y no pueden tomarse como conclusiones técnicas; cifras como los 33 milisegundos, los cien mil kilómetros diarios o la obtención de licencias en unos minutos tampoco cuentan con un criterio de medición independiente. En fechas recientes ha habido varios reportajes divulgativos sobre Apollo World; lo nuevo de este artículo son la descripción de una prueba nocturna en Shenzhen y la demostración de un trayecto continuo con múltiples destinos en una ciudad virtual de Hong Kong, pero tampoco resuelve la cuestión de la verificabilidad externa.

Integración y evaluación

Lo siguiente son recomendaciones y análisis condicionales, no hechos del reportaje. Primero, si estás evaluando soluciones de entrenamiento en simulación en bucle cerrado, puedes empezar por descomponer el «2+3» del reportaje en métricas comprobables: la causalidad corresponde a si es posible predecir el siguiente fotograma solo a partir de fotogramas pasados sin «conocer el final de antemano», la interactividad a si el estado del entorno cambia tras una acción dada, y la persistencia a si el mapa y la estructura de carriles derivan tras diez minutos de simulación continua. El requisito previo es tener un entorno que puedas ejecutar; si no consigues Apollo World, solo podrás usar esos indicadores para filtrar otros simuladores, no para afirmar que la propuesta de Baidu es mejor. Un criterio medible sugerido: repetir diez veces el mismo origen y destino y contabilizar la deriva geométrica y la consistencia de la detección de colisiones. Segundo, si tu carga de trabajo es el postentrenamiento de un modelo de conducción de extremo a extremo, el reportaje sostiene que su valor está en ampliar incidentes de riesgo poco frecuentes en un gran volumen de casos de cola larga. Puedes hacer antes una verificación condicional: con un fragmento pequeño de registros reales recogidos por ti, comprobar si el entorno de simulación reproduce, en el mismo estado inicial, la distancia de frenado y la tendencia de atenuación de la nube de puntos del vehículo real. Si la tasa de éxito de esta prueba queda por debajo de lo esperado, no conviertas directamente los kilómetros simulados en kilómetros de pruebas reales en carretera. Tercero, en el plano de la interfaz no hay opciones por ahora. Si lo que necesitas es un modelo invocable, Apollo World no está entre las alternativas; el ADFM mencionado en el reportaje también se describe solo como modelo de a bordo, sin mencionar apertura al exterior. No infieras de los reportajes que exista una API pública o una dirección de descarga de pesos.

Límites y cuestiones pendientes

En primer lugar, ni Apollo World ni la versión del ADFM mencionada en el reportaje aparecen por ahora en el catálogo de modelos en vivo de KimiSeek; si el reportaje menciona alguna API o disponibilidad de servicio, se trata de afirmaciones del fabricante y ajenas a esta plataforma. En segundo lugar, el reportaje no aclara si los pesos se publican, bajo qué licencia se publicarían, ni si existe una vía de acceso de terceros o de licencia comercial; los pesos abiertos y la licencia de código abierto son dos cosas distintas, y aquí no puede determinarse ninguna de las dos. Tercero, cifras como la respuesta en 33 milisegundos, los cien mil kilómetros diarios, los más de 1000 millones de fotogramas de datos de entrenamiento, las 28 ciudades y los 350 millones de kilómetros recorridos responden a un criterio unilateral y carecen de descripción del entorno de prueba, la configuración de hardware y el método estadístico. Cuarto, la prueba nocturna en Shenzhen y la demostración en la ciudad virtual de Hong Kong son descripciones de la impresión de los medios y no pueden considerarse evaluaciones independientes. Quinto, la previsión de tamaño del mercado de IA física procede de Grand View Research, es una estimación de una entidad externa y no constituye un juicio sobre las perspectivas comerciales de Apollo World.

Tres minutos hasta la primera llamada

Crea una cuenta y una clave de API. El coste de las llamadas se descuenta de tu saldo. 30 % de descuento en tu primera recarga. Recarga ¥500, paga ¥350, recibe ¥500 de saldo. Recarga ¥1000, paga ¥850, recibe ¥1000 de saldo La recarga mínima sigue siendo de ¥10, adecuada para pruebas.

Fuentes y proceso editorial

全球唯二,百度抢先交卷:首个物理AI世界模型发布

La IA ayudó con el análisis y la traducción de las fuentes citadas, seguidos de controles automáticos. Las recomendaciones no son resultados de pruebas. Consulta el catálogo actual para precios y disponibilidad.