Genie 4 de Google DeepMind simula mundos con sonido y razonamiento en tiempo real

Google DeepMind presentó el 27 de octubre de 2026 su nuevo modelo de mundo Genie 4, capaz de simular entornos interactivos en tiempo real generando tanto imágenes como sonido de forma nativa. A diferencia de su antecesor, Genie 4 incorpora audio ambiente, música y diálogo hablado que se adaptan a lo que ocurre en la simulación. El anuncio fue firmado por Raia Hadsell, Diego Rivas y Hang Qi en el blog oficial de la compañía.

Por ahora, Genie 4 está disponible solo como vista previa de investigación para un grupo acotado de evaluadores de confianza. Google adelantó que llegará próximamente a suscriptores de Google AI Ultra a través de Project Genie, y a socios con acceso anticipado en la API de Gemini y en Google AI Studio. No se informaron fechas, regiones ni precios específicos, por lo que aún no hay claridad sobre cuándo estará disponible en Chile ni en qué condiciones.

Cómo funciona Genie 4

El modelo permite al usuario recorrer un entorno generado con controles de teclado y modificarlo mientras se ejecuta mediante instrucciones en lenguaje natural: cambiar el clima, mover la cámara, agregar personas u objetos. DeepMind explica que Genie 4 se apoya en la familia Gemini: Gemini Omni ancla las simulaciones en la apariencia y el comportamiento del mundo real, mientras otros modelos Gemini aportan el razonamiento para mantener la coherencia de la escena.

Según la empresa, Gemini Flash actúa como un agente guía: observa la escena, divide un objetivo en pasos, revisa los cuadros generados para verificar si cada paso se cumplió y corrige su plan cuando el mundo cambia o el usuario interviene. TechCrunch informa que Genie 4 mantiene la coherencia de una escena hasta por dos minutos, el doble que su predecesor. Como referencia, Genie 3, anunciado en agosto de 2025, generaba mundos a 720p y 24 cuadros por segundo, con memoria visual de alrededor de un minuto. DeepMind no publicó la resolución, cuadros por segundo ni duración de las sesiones de Genie 4.

Usos que exploran los evaluadores

DeepMind menciona cuatro áreas de prueba: previsualización para cine, con varias tomas de una escena ajustando cámara, iluminación, diálogo y acción; escenarios históricos, como convertir una fotografía de archivo en un entorno simulado o visualizar inundaciones e incendios forestales; prototipos de videojuegos y experiencias; y generación de escenarios de simulación para empresas.

La empresa también describe experimentos con Gemini Robotics. En uno de ellos, Genie 4 simula al robot humanoide Apollo, de Apptronik, jugando damas, mientras un modelo Gemini divide la tarea en pasos que se generan en tiempo real. La idea, según TechCrunch, es que los escenarios de robótica puedan probarse primero en simulación antes de pasar al mundo físico.

La apuesta por modelos híbridos y las limitaciones reconocidas

DeepMind plantea que el siguiente paso son los modelos de mundo híbridos, que combinan el razonamiento estructurado de los modelos de lenguaje con la simulación a nivel de píxel: Gemini planifica la narrativa y la estructura, y Genie genera cómo se ve, se oye y responde el mundo. En una sesión informativa citada por TechCrunch, Tejas Kulkarni, director de investigación en Google, sostuvo que este tipo de modelos será cada vez más común. Diego Rivas, ingeniero de Google DeepMind, matizó que la interacción en tiempo real resulta más útil hoy para idear y armar guiones gráficos, que el modelo está en una etapa temprana y que todavía no está clara la experiencia de producto completa.

DeepMind reconoce que Genie 4 sigue siendo un área de investigación temprana. Entre los aspectos en desarrollo menciona que los detalles visuales y la permanencia de los objetos pueden desviarse, sobre todo en sesiones largas, tras varias ediciones complejas o durante la navegación. También señala limitaciones en interacciones físicas complejas, precisión del audio en tiempo real, generación de texto legible, precisión espacial y coherencia a largo plazo.

En materia de seguridad, la empresa indica que realizó evaluaciones internas antes de la vista previa, que el modelo incluye las mismas salvaguardas que sus otros modelos y que todo el video y audio generado llevará la marca de agua digital SynthID. Los resultados de esas evaluaciones no fueron publicados.

TechCrunch sitúa el anuncio en un mercado de modelos de mundo cada vez más concurrido: Runway lanzó hace un par de meses GWM Worlds 2, un modelo interactivo que también genera audio, y World Labs, la empresa de Fei-Fei Li, está en proceso de ser adquirida por AMD. Para Chile, la relevancia de Genie 4 es aún indirecta, ya que su disponibilidad comercial y en español no está confirmada.

Con información de DiarioTI