Chi ha giocato almeno una volta a un gioco di ruolo da tavolo conosce la doppia natura di quei mondi. Da una parte c’e uno scheletro rigido e impersonale: la mappa, il regolamento, i dadi. Se una porta e chiusa, e chiusa; se non hai le monete, non compri la spada. Dall’altra c’e la voce del master, che improvvisa la taverna, il volto del locandiere, l’odore della pioggia sulla strada. Nessuna delle due parti da sola fa un mondo giocabile. Servono entrambe: un’ossatura di regole che nessuno puo aggirare, e un’immaginazione libera che la riveste di dettagli. Il paper Web World Models, uscito a fine dicembre 2025 da un gruppo di Princeton, UCLA e University of Pennsylvania guidato da Mengdi Wang, sostiene che questo e esattamente il modo giusto di costruire i mondi in cui far vivere gli agenti AI. E che l’ossatura giusta, sorprendentemente, e il codice web ordinario.
Due estremi, nessun centro
Gli autori partono da una constatazione: oggi chi deve dare a un agente un ambiente persistente — un posto dove agire, ricordare, tornare piu tardi e ritrovare le cose com’erano — sceglie tra due opzioni, e nessuna delle due convince. La prima e il classico framework web: lo stato dell’applicazione vive in un database, esposto attraverso endpoint scritti a mano. E affidabile, testabile, sicuro, con tutti gli strumenti dell’ingegneria del software maturi alle spalle. Ma il mondo che l’agente puo abitare e limitato dallo schema che gli sviluppatori hanno previsto in anticipo: fuori da quelle tabelle, non esiste niente.
La seconda opzione e il world model pienamente generativo, che costruisce l’ambiente direttamente nello spazio latente di un modello. In linea di principio puo generare contesto illimitato e qualunque tipo di scenario. Ma, scrivono gli autori senza giri di parole, questi mondi sono difficili da controllare, ardui da debuggare, costosi da scalare, e spesso mancano delle garanzie strutturali che un’applicazione a lunga durata richiede. Un mondo interamente immaginato tende a contraddirsi: la porta chiusa un momento fa ora e aperta, l’inventario cambia senza motivo. In mezzo, dicono, c’e un vuoto. Il Web World Model (WWM) vuole riempirlo.
Fisica e immaginazione
L’idea centrale e una separazione netta, che il paper prende in prestito proprio dai videogiochi: la distinzione tra il motore fisico e la pipeline di rendering. Lo stato del mondo all’istante $t$ viene scomposto in due componenti ortogonali, $S_t = (S_t^\phi, S_t^\psi)$. Il primo, $S_t^\phi$, e il livello Fisica: definito rigorosamente dal codice, tiene i dati invarianti — inventari, coordinate, tetti di risorse — e impone la coerenza logica, per esempio impedendo di attraversare una porta chiusa o di spendere denaro che non c’e. Il secondo, $S_t^\psi$, e il livello Immaginazione: stocastico, definito dal modello, produce i contenuti percettivi ad alta dimensione — le descrizioni dell’ambiente, i dialoghi dei personaggi, l’atmosfera.
La regola d’oro e nell’ordine delle operazioni. Prima il codice calcola l’esito logico dell’azione, poi il modello linguistico dipinge lo strato percettivo condizionato su quello stato gia aggiornato:
$$S_{t+1}^\phi = f_{\text{code}}(S_t^\phi, a_t), \qquad S_{t+1}^\psi \sim \pi_\theta(\cdot \mid S_{t+1}^\phi).$$
Il modello, in altre parole, non decide mai cosa succede. Decide solo come raccontarlo. E il master che descrive la stanza dopo che i dadi hanno gia stabilito se la trappola e scattata. Questa inversione di priorita e tutto il paper in una riga: la logica al codice, il colore al modello.
La tesi del paper in un’immagine. Il framework web classico e controllabile ma chiuso nello schema del database; il world model generativo e sconfinato ma instabile. Il Web World Model mette la fisica nel codice e l’immaginazione nel modello, cercando di avere l’una e l’altra proprieta.
Interfacce tipizzate e mondi che non si dimenticano
Perche il codice e il modello possano collaborare senza pestarsi i piedi servono due accorgimenti, che sono anche due dei quattro principi di progetto del paper. Il primo sono le interfacce tipizzate. Al posto del solito vettore latente opaco del deep learning, il WWM definisce schemi rigidi — l’esempio del paper e interface Planet {biome: string; hazard: string;} — e chiede al modello di produrre non pixel o embedding, ma oggetti JSON validi che rispettino quel contratto. Se il modello inventa un nuovo oggetto, deve riempirne i campi che il motore si aspetta: peso, costo, tipo. Il tipo diventa cosi un filtro sintattico che elimina le «allucinazioni strutturali» prima ancora che entrino nel gioco. Non impedisce al modello di raccontare sciocchezze, ma gli impedisce di rompere la logica dell’applicazione.
Il secondo accorgimento risolve un problema pratico: non si puo salvare un universo infinito in un database. La soluzione e la generazione deterministica. Quando un utente arriva a una coordinata $x$, il sistema salta qualsiasi lettura da database: passa la coordinata in una funzione di hash e ottiene un seme, $h(x)$, che fissa la casualita del campionamento del modello. Il risultato e la permanenza degli oggetti a costo di archiviazione zero: un pianeta lasciato e visitato di nuovo cento turni dopo resta identico, perche
$$S_t^\psi \equiv S_{t+k}^\psi \quad \text{se} \quad \text{location}(t) = \text{location}(t+k).$$
Gli ultimi due principi completano il quadro. La separazione delle competenze tra fisica e immaginazione, che abbiamo gia visto, e la degradazione elegante: un cursore di fedelta che, quando le chiamate al modello sono lente o assenti, retrocede dai contenuti generati in tempo reale a quelli in cache, e in ultima istanza a template pre-scritti. Poiche la fisica vive nel codice, l’applicazione resta funzionante anche se il livello immaginazione sparisce del tutto. Il mondo perde ricchezza, non coerenza.
Il modello non decide mai cosa succede. Decide solo come raccontarlo.
Sette dimostrazioni, zero benchmark
Qui va detto con chiarezza cosa questo paper e cosa non e. Non e uno studio empirico con tabelle di numeri: non ci sono benchmark, metriche, confronti quantitativi o studi sugli utenti. E un paper di sistema, che argomenta un’idea costruendo sette applicazioni reali su uno stack web unificato (TypeScript, streaming HTTP, architettura serverless) e mostrandone gli screenshot. La prova, tale e quale, e qualitativa. Onesti nel dirlo: chi cerca la misura del «quanto e meglio» non la trovera in queste pagine.
Le demo, pero, coprono un ventaglio ampio e sono l’argomento vero del lavoro. L’Infinite Travel Atlas trasforma la Terra reale in un atlante esplorabile: si clicca un punto qualsiasi del globo e il modello genera un itinerario a tema — vicino a Nairobi, osservano gli autori, scatta correttamente un tema «desert-bloom» — mentre il codice garantisce la continuita geografica. Il Galaxy Travel Atlas fa lo stesso con una galassia procedurale interamente inventata: universe.ts calcola la struttura di stelle e pianeti, l’hash assicura che ogni pianeta resti se stesso a ogni ritorno, il modello aggiunge solo missioni e leggende dentro un’interfaccia Planet rigida.
Le altre demo spingono l’astrazione altrove. AI Spire e un roguelike di carte alla Slay the Spire in cui Gemini Flash fa il designer vincolato: restituisce carte come JSON con nome, descrizione e «codici effetto», che un motore a regole scritto in TypeScript traduce in meccaniche deterministiche, con tipi ristretti (ATTACK, SKILL, POWER). C’e persino un meccanismo, The Wish, che lascia al giocatore chiedere in linguaggio naturale una carta su misura — «una che infligga tanto danno da fuoco e congeli il nemico» — e la trasforma in effetti eseguibili. AI Alchemy reinventa la simulazione «falling sand»: quando due elementi si incontrano e non esiste una regola, il modello ne propone una, che viene messa in cache e integrata subito nell’automa cellulare. Cosmic Voyager e un sistema solare 3D in WebGL dove una guida narra ogni corpo celeste, con sottotitoli che si rinnovano ogni 30 secondi e ripiegano su descrizioni pre-caricate se l’API non risponde. WWMPedia genera al volo una pagina in stile Wikipedia da una domanda, recuperando prove dal web aperto e annotando le fonti — un’idea vicina a Grokipedia, ma senza voci predefinite da menu. E Bookshelf genera narrativa lunga pagina per pagina, tenendo piccolo e tipizzato lo stato che porta avanti tra un turno e l’altro.
Cosa il paper non dimostra
La modestia dell’apparato sperimentale e il limite piu evidente, e gli autori non lo mascherano. Le «conferme» sono osservazioni su singole sessioni («la selezione vicino a Nairobi attiva correttamente…»), non misure ripetibili. Manca qualsiasi confronto con le alternative che il paper stesso critica: non sappiamo di quanto un WWM sia piu economico di un database o piu affidabile di un world model generativo, perche nessuno lo ha quantificato. C’e poi un confine concettuale importante: le interfacce tipizzate garantiscono la coerenza strutturale, non quella fattuale. WWMPedia puo produrre una pagina ben formattata e piena di citazioni che resta, nel merito, sbagliata: il codice controlla la forma, non la verita di cio che il modello scrive dentro quella forma. Infine, restano aperti i nodi pratici che il paper nomina ma non risolve — latenza e costo delle chiamate, e il fatto che tutto sia stato costruito e valutato dallo stesso laboratorio. E un’architettura proposta e illustrata con cura, non ancora messa alla prova da altri.
Perche conta
Il valore di Web World Models non sta in un risultato ma in un riposizionamento. Nel discorso corrente il «world model» evoca reti che sognano ambienti in spazi latenti, video generati, mondi 3D sintetizzati — la colonna destra della nostra figura. Questo paper ricorda che esiste un’altra strada, meno spettacolare e piu ingegneristica: trattare il codice web ordinario come il substrato della fisica e il modello linguistico come un motore di immaginazione tenuto al guinzaglio da un contratto tipizzato. Per chi costruisce agenti, e una proposta concreta e collaudabile, con versionamento, test e deploy standard, invece di una scommessa su un modello che deve tenere insieme tutto da solo. La lezione, ancora una volta, e che spesso non serve rendere il modello piu potente. Serve dargli meno da decidere, e un’ossatura solida su cui appoggiarsi.
Il paper
Jichen Feng, Yifan Zhang, Chenggong Zhang, Yifu Lu, Shilong Liu, Mengdi Wang, Web World Models, Princeton University, University of California Los Angeles, University of Pennsylvania, dicembre 2025. Disponibile su arXiv: arxiv.org/abs/2512.23676.
I commenti sono riservati agli iscritti.
Accedi per commentare