Google presenta Genie 4: una IA que genera mundos interactivos con sonido y personajes vivos

Qué ha cambiado

Google DeepMind ha lanzado Genie 4, una nueva versión de su tecnología de world model. Se trata de una red neuronal que no dibuja un video ya preparado, sino que construye un mundo interactivo sobre la marcha: el usuario se mueve, gira la cámara, escribe una indicación de texto, y el modelo reconfigura la escena en respuesta, fotograma a fotograma, en tiempo real. Genie 4 está construido sobre Gemini, y es la primera versión de la línea en incorporar, además del entorno visual, sonido y personajes que se mueven, reaccionan a lo que ocurre y hablan.

Qué cambió respecto a la versión anterior

La anterior Genie 3, presentada en 2025, solo podía generar la parte visual del mundo —el terreno, los objetos, el movimiento de cámara—. No había sonido ni personajes vivos. Genie 4 añade esa capa: ahora la simulación incluye cómo suena el mundo y cómo se comportan las personas dentro de la escena —sus movimientos, reacciones y habla—. Para un world model, esto es un paso fundamental: antes estos sistemas eran generadores de video "mudos" con control interactivo; ahora son una simulación con un entorno sonoro y social completo.

El control en Genie 4 funciona en dos niveles:

• las teclas normales se encargan de la navegación del personaje y el control de la cámara, como en cualquier videojuego;
• los comandos de texto cambian la propia escena sobre la marcha: se puede añadir un objeto, desencadenar un nuevo evento o cambiar el clima o el entorno sin salir del fotograma actual.

DeepMind subraya que todos los clips de demostración del anuncio son sesiones reales de interacción con el modelo en tiempo real, no videos preguionizados y prerrenderizados. Para las demos generativas de compañías como esta, es un detalle importante, porque resulta casi imposible que un espectador distinga la interactividad real de un montaje, y aquí Google afirma explícitamente que no hay montaje: cada fotograma mostrado es la respuesta del modelo a una acción concreta del usuario.

Quién tendrá acceso y cuándo

Google está desplegando Genie 4 por etapas, no para todos a la vez:

• los primeros en recibir el modelo son testers de confianza en formato de vista previa de investigación: acceso cerrado para un grupo limitado de usuarios que dan retroalimentación antes del lanzamiento amplio;
• los siguientes en la cola son los suscriptores de Google AI Ultra, la suscripción premium de pago de Google para servicios de IA; obtendrán acceso a Genie 4 a través de la interfaz Project Genie, creada específicamente para entrar en los mundos generados;
• en paralelo, se abrirá el acceso a socios tempranos de la API de Gemini: desarrolladores que podrán integrar Genie 4 en sus propios productos;
• y a los participantes de acceso temprano de Google AI Studio, el entorno para desarrolladores donde se puede experimentar con los modelos de Google.

Project Genie ya tiene abierta la lista de espera. Google no ha dado fechas concretas para el lanzamiento completo ni precios, solo promete que el acceso se ampliará "pronto".

Para qué sirve y a quién le será útil

El interés por los world models se explica por su utilidad práctica, no solo por el espectáculo de las demos. A los estudios de videojuegos, esta tecnología les permite prototipar niveles rápidamente sin programar manualmente el entorno. A los investigadores que entrenan agentes autónomos y robótica, les ofrece una fuente prácticamente infinita de entornos de entrenamiento, sin necesidad de construir cada simulación a mano. Y a los creadores de contenido interactivo les permite ensamblar una escena con palabras, sin desarrollo 3D tradicional.

Que Genie 4 esté construido sobre Gemini no es casualidad: eso une la comprensión del lenguaje del modelo con la simulación del mundo físico en un solo sistema; el modelo no solo sabe cómo se ve el mundo, sino que también entiende qué debería ocurrir lógicamente a continuación según la indicación de texto.

Aun así, el anuncio deja preguntas abiertas que Google no responde: cuánto tiempo el mundo se mantiene coherente sin "deshilacharse" ni perder lógica, cuál es la resolución real de la generación y cuántos recursos computacionales exige una sesión. De las respuestas a esas preguntas depende que Genie 4 se convierta en una herramienta de trabajo para los desarrolladores o se quede como una demostración tecnológica vistosa.

Qué hacer ya mismo

Si trabajas en videojuegos, simulaciones de entrenamiento o desarrollo de agentes, vale la pena apuntarse a la lista de espera de Project Genie y solicitar con antelación el acceso temprano a la API de Gemini a través de Google AI Studio. Mientras el modelo siga cerrado al público general, es útil definir con anticipación dos o tres escenarios concretos de prueba: cómo reacciona el modelo al control por texto sobre la marcha, cómo se comportan los personajes generados, qué tan convincente suena el entorno de audio. Así, cuando se abra el acceso, podrás evaluar rápidamente si Genie 4 es apto para prototipar en tu caso de uso.

Construir un producto terminado sobre él aún es prematuro, pero ya es momento de reservar tiempo para las pruebas.