Aumentar la tasa de ganancia genética para el rendimiento de materia seca (DM) en ballico perenne (L.), que es una fuente clave de nutrición para rumiantes en ambientes templados, es un objetivo importante para los criadores. La selección genómica (GS) es una estrategia utilizada para mejorar la ganancia genética mediante el uso de información de marcadores moleculares para predecir los valores de cría en candidatos de selección. Una evaluación empírica de GS para la acumulación de forraje (HA; proxy para el rendimiento de DM) y los días a la floración (DTH) se completó utilizando modelos de predicción genómica existentes para llevar a cabo un ciclo divergente de GS en cuatro poblaciones de selección (Pop I G1 y G3; Pop III G1 y G3), para cada característica. Las poblaciones G1 eran descendientes del conjunto de entrenamiento y las poblaciones G3 estaban dos generaciones más avanzadas. El HA del grupo de selección de alto GEBV (SG), promediado en las cuatro poblaciones, fue un 28% más alto (0.05) que los SG de bajo GEBV cuando se evaluó en el ambiente objetivo, mientras que no difería significativamente en un segundo ambiente. La divergencia fue mayor en Pop I (43%-65%) que en Pop III (10%-16%) y la respuesta a la selección fue mayor en G1 que en G3. GS divergente para DTH también produjo diferencias significativas (0.05) entre SG de alto y bajo GEBV en las poblaciones G1 (+6.3 a 9.1 días; 31%-61%) y respuestas más pequeñas, no significativas (> 0.05) en G3. Este estudio muestra que los modelos de predicción genómica, entrenados a partir de un pequeño conjunto de referencia compuesto, pueden utilizarse para mejorar rasgos con arquitecturas genéticas contrastantes en ballico perenne. Los resultados destacan la importancia de la selección del ambiente objetivo para entrenar modelos, así como la influencia de la relación entre el conjunto de entrenamiento y las poblaciones de selección.