En los últimos años, la selección genómica ha sido ampliamente utilizada en el mejoramiento de plantas para aumentar la ganancia genética. Las selecciones se basan en los valores de cría de cada genotipo estimados utilizando marcadores en todo el genoma. El presente estudio desarrolló modelos de predicción genómica para el contenido de proteínas del grano (GPC) y el peso de la prueba (TW) en un panel diverso de 170 líneas de trigo de primavera fenotipadas en cinco ambientes. Se investigaron cinco modelos de predicción (GBLUP, RRBLUP, EGBLUP, RF, RKHS). La población fue genotipada para marcadores en todo el genoma con el ensayo de SNP Infinium iSelect 90 K. La variación ambiental se ajustó calculando BLUPs entre ambientes utilizando el modelo GxE de efecto aleatorio completo. Tanto GPC como TW mostraron una alta heredabilidad de 0,867 y 0,854, respectivamente. Al usar el esquema de validación cruzada de cinco pliegues en los cinco modelos estadísticos, encontramos que el modelo EGBLUP tuvo la mayor precisión media de predicción (0,743) para GPC, mientras que el modelo RRBLUP mostró la mayor precisión media de predicción (0,650) para TW. Al probar varias proporciones de la población de entrenamiento se indicó que se requerían un mínimo de 100 genotipos para entrenar el modelo para una precisión óptima. Al probar la predicción entre ambientes se demostró que los BLUPs superaron al 80% de los ambientes probados, a pesar de que al menos uno de los ambientes tenía mayores precisión de predicción para cada característica. Por lo tanto, el modelo de GS optimizado para GPC y TW tiene el potencial de predecir los valores de los rasgos con precisión. La implementación de GS ayudaría en el mejoramiento a través de una selección precisa en generaciones tempranas de líneas superiores, lo que llevaría a una mayor ganancia genética por ciclo de mejoramiento.