Decart AI fue fundada en 2023 en Tel Aviv por un equipo de investigadores que habían estado trabajando en el problema de modelos generativos en tiempo real — sistemas de IA que no solo producen salidas estáticas sino que generan flujos de contenido interactivos y continuos lo suficientemente rápido como para sentirse como una experiencia en vivo. El equipo fundador, liderado por el CEO Ido Shiraki, provenía de campos de visión por computadora, optimización de GPU y arquitectura de redes neuronales, y convergieron en una pregunta provocadora: ¿qué pasaría si pudieras ejecutar un modelo del mundo lo suficientemente rápido como para reemplazar un motor de juegos tradicional por completo? No como herramienta de pre-renderizado o generador de assets, sino como el runtime en sí — generando cada frame, cada interacción física, cada respuesta visual a la entrada del jugador en tiempo real. Esa pregunta se convirtió en la tesis fundacional de Decart y llevó a uno de los demos que más atención ha captado en la IA generativa.
A finales de 2024, Decart lanzó Oasis, un modelo de IA que podía generar una experiencia jugable similar a Minecraft en tiempo real, enteramente a través de inferencia de redes neuronales. No había motor de juegos tradicional, ni geometría de mundo preconstruida, ni simulación física — solo un modelo basado en transformer generando cada frame basado en las entradas del jugador, ejecutándose a tasas de frames interactivas. El demo se volvió viral de inmediato. Era tosco en los bordes — artefactos visuales, física inconsistente, persistencia de mundo limitada — pero el logro fundamental era innegable: una red neuronal estaba generando un mundo 3D coherente e interactivo lo suficientemente rápido como para caminar por él. La hazaña técnica requirió una optimización de inferencia extraordinaria, reduciendo la latencia de generación al presupuesto de aproximadamente 50 milisegundos necesario para 20+ frames por segundo. Decart publicó el enfoque y abrió el código de una versión del modelo, lo que solo amplificó el revuelo.
El trabajo de Decart se sitúa dentro de la dirección de investigación más amplia de "modelos del mundo" que ganó impulso significativo en 2024-2025, impulsada por figuras como Yann LeCun en Meta y explorada por múltiples laboratorios incluyendo Google DeepMind, Runway y World Labs. La idea central es que los modelos de IA deberían aprender una representación interna de cómo funciona el mundo — física, permanencia de objetos, causa y efecto — en lugar de solo hacer coincidencia de patrones sobre datos estáticos. Lo que hace distintivo el enfoque de Decart es el énfasis en la interactividad en tiempo real. La mayoría de la investigación sobre modelos del mundo se centra en la generación de video o planificación, produciendo salidas que miras en vez de interactuar con ellas. Los modelos de Decart están diseñados para responder a entrada continua, haciéndolos más como motores de juegos que generadores de video. Esta dimensión interactiva es técnicamente mucho más demandante pero también mucho más interesante comercialmente para aplicaciones en juegos, simulación, entrenamiento y robótica.
Decart recaudó $21 millones en financiamiento semilla en 2024, liderado por Sequoia Capital con participación de inversores notables incluyendo el brazo de capital de riesgo de Nvidia. Para una ronda semilla, esto fue sustancial, reflejando el entusiasmo de los inversores por el espacio de modelos del mundo y el impacto viral del demo de Oasis. El desafío técnico inmediato de la empresa es cerrar la brecha entre "demo impresionante" y "experiencia de calidad de producción" — los mundos generados necesitan mejor consistencia, ventanas de coherencia más largas y el tipo de fidelidad visual que los jugadores y usuarios esperan de los motores de juegos modernos. La oportunidad a largo plazo es mucho más grande que los juegos: la simulación de mundos en tiempo real tiene aplicaciones en entrenamiento de vehículos autónomos, manipulación robótica, visualización arquitectónica y cualquier dominio donde necesites generar entornos interactivos realistas al vuelo. Si Decart puede hacer su inferencia lo suficientemente rápida y sus salidas lo suficientemente confiables, podrían definir una categoría enteramente nueva de medios interactivos nativos de IA.