A Nvidia revelou a Cosmos 3, modelo de mundo aberto que junta texto, imagem, vídeo, áudio e ação num único sistema, apresentado por Jensen Huang na Computex 2026. O foco declarado é robótica e veículos autônomos, mas a lógica por trás da ferramenta, simular física de forma confiável antes de testar no mundo real, é a mesma que sustenta boa parte da produção virtual em games e cinema.
Treinada com 20 trilhões de tokens multimodais, incluindo quase um bilhão de imagens e 400 milhões de vídeos reais e sintéticos, a Cosmos 3 funciona como simulador físico controlável. Ela prevê como diferentes ações se desenrolam, avalia o resultado e ajusta o comportamento num ciclo fechado, sem precisar arriscar nada no mundo real primeiro.
Empresas como Waabi, Wayve e Foretellix já usam versões do Cosmos pra simular trânsito, clima e comportamento de pedestres. Não é difícil enxergar a ponte pra produção virtual de games e cinema, onde simular física de tecido, água e destruição de forma consistente é um dos maiores gargalos de qualquer pipeline, tema próximo do que já discuti sobre a renderização neural virando parte do pipeline.
Ainda não existe um caso claro de estúdio de games ou VFX usando Cosmos como ferramenta de produção, e talvez isso nunca aconteça exatamente dessa forma. Mas a arquitetura por trás do modelo, prever física de forma confiável a partir de dados multimodais, é o tipo de avanço que costuma vazar de um setor pro outro sem aviso prévio.
Vale acompanhar de longe, sem pressa de aplicar isso amanhã. Ferramentas de física generativa como essa tendem a amadurecer fora dos holofotes antes de aparecer, de repente, dentro do pipeline de alguém.