Google DeepMind ha presentado Genie 4, un modelo de mundo que produce entornos simulados interactivos en tiempo real. La publicación lleva fecha del 27 de octubre de 2026.
Qué hace
Genie 4 es multimodal de forma nativa. La música, el sonido ambiente y el diálogo hablado se generan a la vez que el propio mundo, y los personajes pueden reaccionar a lo que hace el usuario o a lo que ocurre en la escena. El usuario dirige la simulación con el teclado, para el movimiento y la cámara, y con instrucciones de texto que cambian cosas como el clima o añaden una persona o un objeto.
Según DeepMind, el modelo se apoya en la familia Gemini. Gemini Omni ancla la simulación en la apariencia y el comportamiento del mundo real, mientras que otros modelos Gemini se ocupan del razonamiento que mantiene coherente la escena. La compañía destaca un fotorrealismo mejorado, un movimiento humano más natural y una física que incluye aerodinámica y colisiones.
Gemini como planificador
Lo más relevante para quien piense en agentes es la combinación con Gemini. En el montaje descrito, Gemini 3.8 Flash actúa como agente guía: observa los fotogramas generados, divide un objetivo en pasos, comprueba si cada paso salió bien y corrige el plan si el mundo cambia o el usuario interviene. En un ejemplo de robótica, Gemini 4 Argon descompone una tarea en pasos que se entregan a Genie 4 como descripciones de texto. Entre las demostraciones figuran un UR5 de Universal Robots manejando una pipeta y el humanoide Apollo de Apptronik jugando a las damas. DeepMind presenta el objetivo como comprobar cómo se comportan los sistemas de IA en distintos entornos antes de usarlos en el mundo real.
Disponibilidad
Genie 4 es una vista previa de investigación para probadores de confianza, que proceden de industrias creativas, periodismo, educación, videojuegos e ingeniería. Se describe como próximo a llegar a los suscriptores de Google AI Ultra en Project Genie y a los socios de acceso anticipado de la API de Gemini y de Google AI Studio. Hay una lista de espera abierta para Project Genie. La fuente no da precios ni fecha para un lanzamiento más amplio.
DeepMind afirma que socios empresariales están evaluando el modelo para generar escenarios con rapidez y detectar carencias. Los equipos creativos lo usan para la previsualización y los desarrolladores de videojuegos, para prototipos rápidos.
Límites y salvaguardas
DeepMind califica Genie 4 de temprano y experimental. Los detalles visuales y la permanencia de los objetos pueden desviarse en sesiones largas, tras muchas ediciones de instrucciones o al desplazarse por una escena. Las interacciones físicas complejas, la precisión del audio en tiempo real, el texto legible, la precisión espacial y la coherencia a largo plazo siguen siendo áreas de investigación abiertas. Todo el vídeo y el audio que produce lleva marca de agua SynthID, y la compañía dice que realizó evaluaciones internas de seguridad antes de la vista previa.
Lo que aún no se sabe
La fuente no indica cuánto costará el acceso a la API de Gemini, qué límites de uso se aplicarán ni cuándo lo recibirán los socios. Esos detalles decidirán si esto llega a ser algo que un equipo de operaciones pueda usar.