Baidu Ernie 5.5 Flash Preview: creación autónoma de juegos en Unreal Engine 5 y coordinación de agentes 3DNota · digest del 16 de noviembre
Diorama isométrico de una pista de aterrizaje tridimensional en un desfiladero montañoso con malla procedimental de coordenadas y un avión poligonal.
Nota3 secciones≈ 5 min

Baidu Ernie 5.5 Flash Preview: creación autónoma de juegos en Unreal Engine 5 y coordinación de agentes 3D

Detrás de un vídeo espectacular generado por IA con la cámara sobrevolando una ciudad suele esconderse un abismo entre una imagen plana y un videojuego real. En un proyecto de verdad dentro de un motor gráfico hay mallas de colisión sólidas, física del tren de aterrizaje, fuentes de luz y scripts de control. Un generador de vídeo se limita a pintar píxeles coherentes fotograma a fotograma: dentro de su escena no puedes girar el timón ni desplazar la pista de aterrizaje.

Por eso el lanzamiento de Ernie 5.5 Flash Preview por parte de la compañía china Baidu me hizo aparcar las pruebas de chatbots convencionales. ¿Puede un modelo de lenguaje, a partir de una sola frase y sin intervención humana, levantar una escena 3D funcional directamente en un motor profesional, con física, cámara y controles ya configurados?

De píxeles planos a código procedimental y una plantilla de 280 especialistas

Para gobernar software profesional como Unreal Engine 5, Unity, Godot o Blender mediante API, la IA tiene que escribir código procedimental en Python y C++. En lugar de adivinar píxeles, el modelo envía órdenes matemáticas al motor: dónde esculpir el terreno, dónde colocar la luz y qué script enlazar a cada tecla. Pero al manejar cientos de archivos, una red normal acaba liándose con las coordenadas o tardando minutos en pensar cada movimiento.

En el anuncio del 11 de noviembre de 2026, los ingenieros de Baidu resolvieron ese cuello de botella con una arquitectura de mezcla dispersa de expertos (Sparse Mixture of Experts). El tamaño total de Ernie 5.5 Flash Preview alcanza los 280.000 millones de parámetros, pero en cada token el algoritmo activa exactamente 14.000 millones. Imagina un estudio de ingeniería con 280 especialistas en plantilla: arquitectos, físicos, programadores, técnicos de iluminación. Cuando entra un encargo, solo se sientan a la mesa los 14 perfiles necesarios y el resto espera en reserva.

Esa selección da el criterio de un modelo gigante con la agilidad de un equipo compacto: más de 200 tokens por segundo. Y su ventana de contexto de 1 millón de tokens mantiene en memoria la documentación del motor y las coordenadas de cada objeto de la escena.

Cómo dos agentes se reparten el aeródromo y el avión en Unreal Engine 5

Incluso con una memoria enorme, montar un nivel 3D complejo en solitario sale caro: si un único bot intenta modelar la geometría y ajustar la gravedad a la vez, se ahoga en incoherencias. Por eso Ernie 5.5 Flash Preview trabaja en entornos agénticos repartiendo papeles entre compañeros.

Veamos el escenario de la demo de Baidu y el análisis de Julian Goldie. El desarrollador lanza el encargo en una frase: construir en Unreal Engine 5 una escena interactiva de aterrizaje de un avión entre la niebla en un aeródromo de montaña. El sistema divide el trabajo entre dos subagentes:

  • El primer agente genera de forma procedimental la geometría de la pista, el relieve montañoso y la niebla volumétrica.
  • El segundo agente arma el modelo 3D del avión, calcula la trayectoria de descenso y ajusta la física del tren de aterrizaje.

Después, el sistema reúne los assets en un único proyecto de Unreal Engine 5, coloca la cámara y compila una build jugable con controles. Con ese mismo flujo, Baidu mostró un ciclo continuo de 11 horas programando el prototipo del juego Yunxiu Xing en Unreal Engine 5.8 y la producción íntegra de un vídeo formativo con una sola petición, desde el guion y la locución hasta la animación 3D sin mano humana.

Dónde ahorra semanas el flujo y dónde sigue mandando el ingeniero 3D

Al ver este maratón en piloto automático, conviene marcar con realismo dónde brilla. La pareja de Ernie 5.5 Flash con motores gráficos cubre de maravilla el arranque: prototipado rápido de escenarios, simulaciones formativas y animaciones en borrador. Donde antes un desarrollador pasaba semanas colocando bloques de edificios a mano, un par de agentes entrega una escena viva de una sentada.

Sin embargo, el pulido fino de shaders, la optimización de mallas de alta densidad poligonal y la física de juego exigente siguen pidiendo manos de un ingeniero 3D. También pesa el requisito de hardware: el modelo corre en la nube de Baidu Qianfan y vía OpenRouter, pero para renderizar en local con Unreal Engine 5 necesitas una tarjeta gráfica potente. En qué se diferencia este ensamblado por scripts de la simulación en streaming ya lo vimos en nuestro repaso a la generación de mundos 3D interactivos en Google Genie 4.

Volviendo a nuestra pregunta inicial: sí, la IA ya es capaz de desplegar con una sola frase una escena 3D operativa en un motor real delegando fases a agentes especializados. Como resumía bien Julian Goldie en su vídeo, la IA ha cruzado la frontera de las simples respuestas de chat y sabe completar trabajos de varios pasos de principio a fin; por eso, cuando los pesos se liberen bajo licencia Apache 2.0 (previsto para el 25 de noviembre), llevarán ventaja quienes ya estén aprendiendo a orquestar equipos de agentes.

Quiero un análisis detalladoLos votos ayudan a elegir qué analizar a fondo. Este material tiene 0 votos.
Fuentes · 2