Google DeepMind presentó Genie 4, un modelo que genera mundos virtuales con sonido propio y que se pueden cambiar en tiempo real

Google DeepMind, el laboratorio de inteligencia artificial de Google, presentó este martes Genie 4, la nueva versión de su «modelo de mundo». Es un sistema que genera en tiempo real entornos virtuales que el usuario recorre y modifica mientras los explora. La empresa lo presentó como «nuestro modelo de mundo más realista e interactivo hasta ahora»^[1]. Según la empresa, es además el primer modelo de mundo en tiempo real que genera audio de forma nativa^[3]: ruido ambiente, música y diálogos^[4]. Las versiones anteriores de la serie no generaban sonido^[5][6].

El anuncio salió a las 13.10 (hora argentina) en la cuenta de X del laboratorio y en una entrada de su blog firmada por Raia Hadsell, Diego Rivas y Hang Qi^[1][3]. Por ahora el modelo funciona como una «vista previa de investigación»^[3] para un grupo reducido de probadores de confianza^[4].

Qué hace

En su publicación en X, DeepMind destaca cinco novedades^[2]:

• Imagen fotorrealista: se apoya en Gemini Omni, un modelo de la familia Gemini que ancla la imagen en el aspecto y el comportamiento del mundo real^[3].
• Física: simula aerodinámica, choques y personajes que se mueven con naturalidad^[3].
• Control en tiempo real: el usuario cambia la escena escribiendo en lenguaje común (que cambie el clima, que se mueva la cámara, que aparezcan personas u objetos), y Gemini adapta esas órdenes a la escena y hace avanzar el mundo entre una instrucción y la siguiente^[3].
• Audio: viento, olas y diálogos de los personajes que responden al contexto^[3].
• Razonamiento: Gemini planifica sucesos de varios pasos para que la escena se mantenga coherente^[3].

En esa última función, el blog describe a Gemini 3.8 Flash como un «agente guía»: observa los cuadros generados, divide un objetivo en pasos, verifica los avances y vuelve a planificar cuando el mundo cambia o el usuario interviene. Uno de los ejemplos publicados muestra en simulación a Apollo, el robot humanoide de la empresa Apptronik, jugando a las damas^[3].

Para qué lo propone Google

Según la empresa, «simular el mundo es un paso crucial hacia la AGI», es decir, hacia una inteligencia artificial de capacidad general, porque permite crear entornos seguros para entrenar robots y agentes de IA antes de usarlos en el mundo real^[4]. DeepMind menciona además otros usos: la previsualización de escenas en el cine, la conversión de una sola foto de archivo en un entorno recorrible con fines periodísticos o históricos, la recreación de inundaciones o incendios forestales y el prototipado rápido de videojuegos. Agrega que hay empresas evaluándolo para simular escenarios. Los probadores actuales provienen de las industrias creativas, el periodismo, la educación, los videojuegos y la ingeniería^[3].

Lo que el anuncio no detalla

La presentación no incluye datos técnicos: no informa la resolución, los cuadros por segundo, cuánto tiempo se mantiene coherente un mundo ni la demora de respuesta, y no publica pruebas comparativas^[3]. Por eso, la afirmación de que es el modelo «más realista» de la compañía se apoya en los videos de demostración que eligió la propia empresa. Tampoco compara Genie 4 con los modelos de mundo de otras compañías, de modo que no ofrece pruebas de que sea el primero de su categoría con audio nativo. Para su antecesor, Genie 3, presentado el 5 de agosto de 2025, DeepMind sí había informado una resolución de 720p, 24 cuadros por segundo y coherencia durante «unos pocos minutos»^[5].

La empresa reconoce limitaciones: los detalles visuales y la permanencia de los objetos «todavía pueden cambiar o desviarse con el tiempo», sobre todo en sesiones largas o después de varias ediciones. También menciona como temas de investigación abiertos las interacciones físicas complejas, la precisión del audio en tiempo real, la escritura de texto legible, la precisión espacial y la coherencia a largo plazo. Según DeepMind, todo el video y el audio que genere Genie 4 llevará SynthID, una marca de agua digital imperceptible que permite identificar el contenido como generado por IA^[3].

Cuándo llega al público

Después de los probadores, el modelo llegará «pronto» a los 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. El anuncio no da fechas, precios ni países^[3][4].

Project Genie, la aplicación web experimental de Google basada en Genie 3, empezó a ofrecerse el 29 de enero de 2026 solo a suscriptores de AI Ultra mayores de 18 años en los Estados Unidos. En ese momento la compañía dijo que pensaba extenderla a otros territorios, sin fijar plazos. Esa versión limitaba cada generación a 60 segundos y no incluía los cambios en el mundo a pedido durante la exploración^[6], que es justamente la función central de Genie 4^[3].