InfiniteDiffusion es un algoritmo sin entrenamiento que reformula el muestreo de modelos de difusión para producir mundos abiertosvirtuales de extensión ilimitada. Hasta ahora, la generación de contenido se enfrentaba a un trilema entre extensión infinita, generación sin estado y realismo aprendido, del que solo podían mantenerse dos de esas propiedades. Los modelos de difusión ofrecían gran fidelidad, pero estaban limitados a lienzos acotados; el ruido procedural clásico era infinito y sin estado, pero no aprendía de datos; y la extensión autorregresiva obligaba a compartir un estado global, lo que impedía el determinismo y el acceso aleatorio.
InfiniteDiffusion elimina ese trilema al convertir cualquier modelo de difusión en una matriz infinita y funcionalmente sin estado, indexada únicamente por semilla y coordenadas. El sistema ofrece acceso aleatorio en tiempo constante O(1), determinismo total, paralelización trivial y solo utiliza una caché LRU acotada como optimización. Para lograrlo, generaliza MultiDiffusion, al que sustituye como drop-in, reformulando el proceso de difusión como un cálculo perezoso que genera únicamente la región solicitada en el momento de la consulta. Frente a la autorregresión, supera sus limitaciones en determinismo, acumulación de errores y paralelización, y lo hace sin necesidad de entrenamiento.
Sobre esta base se construye Terrain Diffusion, el primer generador procedural de terrenos aprendido. Permite generar mapas de relieve con rangos dinámicos que abarcan desde los -10000 m de la fosa de las Marianas hasta los casi 9000 m del Everest, encadenando varios modelos de difusión para acoplar contexto planetario y detalle local. Cada mapa de 1024x1024 cubre 100 km de anchura, y el sistema supera en nueve veces la velocidad orbital en una GPU de consumo, con una implementación open source disponible como mod de Minecraft sin dependencias externas y con un demostrador en Unity.