Google DeepMind lanza Genie 4: un mundo con sonido, ediciones sobre la marcha y escenas de hasta 2 minutos
Google DeepMind ha lanzado Genie 4, un «modelo de mundo» que construye a partir de texto una escena de juego por la que se puede moverse y cuyo contenido se puede modificar sobre la marcha. Durante la simulación, el usuario escribe «que empiece a llover» o «añade transeúntes», y el modelo acompaña lo que ocurre con música, ruidos y diálogos. La escena se mantiene coherente hasta dos minutos, el doble que en Genie 3. Por ahora es una vista previa, pero los estudios y los equipos de robótica ya deberían fijarse en la combinación de Gemini y Genie.
Procesado por IA desde TechCrunch; editado por Hamidun News
Imagina que lanzas una escena de juego a partir de una descripción de texto y, sin detenerla, escribes: «que empiece a llover» o «añade transeúntes». El mundo cambia ante tus ojos y, además, suenan música, ruidos y las réplicas de los personajes. Eso es lo que hace Genie 4, el nuevo «modelo de mundo» de Google DeepMind, publicado en formato de vista previa para investigación. Para los desarrolladores de videojuegos, los simuladores y los robots, es una señal: la generación interactiva de entornos deja atrás la fase de demo y ya empieza a formarse un mercado a su alrededor.
Qué sabe hacer Genie 4
Un modelo de mundo es una red neuronal que no genera un vídeo ya terminado, sino un espacio que reacciona a las acciones del usuario. Te mueves, cambias algo y la imagen se reconstruye al instante. Genie 3 llegó hace algo más de un año, también como vista previa. La cuarta versión incorpora varias mejoras notables.
Primero, la imagen es la más fotorrealista e interactiva de todos los mundos de Google. Segundo, aparece el sonido, generado en tiempo real y adaptado a lo que ocurre: música, ruidos de fondo y diálogos interactivos. Tercero, la escena puede editarse libremente durante la simulación: cambiar el clima o el ángulo de la cámara, añadir personas y objetos.
Hay además un parámetro numérico importante. La escena mantiene la coherencia hasta dos minutos, es decir, el doble que en Genie 3. Google también habla de una física mejor y de personajes más «humanos». La compañía no ofrece cifras sobre velocidad, coste de cómputo ni tamaño del modelo, así que por ahora no es posible evaluar la economía de la inferencia.
Gemini como director y Genie como operador de cámara
Para los ingenieros lo más interesante es la combinación con Gemini. El modelo de lenguaje actúa como director: planifica los pasos y revisa los fotogramas mientras Genie dibuja la imagen. En un experimento relacionado con Gemini Robotics, el modelo Gemini 4 Argon dividía la tarea en pasos y Genie 4 los simulaba en tiempo real.
El sentido práctico es el siguiente: los escenarios para robots se pueden probar primero en un mundo virtual y solo después lanzarlos en el real. Es más barato y más seguro que destrozar el hardware. El director de investigación de Google, Tejas Kulkarni, describió esto como el futuro de los «modelos de mundo híbridos»: Gemini escribe código y texto, y Genie los convierte sobre la marcha en simulación a distintos niveles de abstracción.
Entre las aplicaciones comerciales, Google menciona los videojuegos, el aprendizaje interactivo y la robótica. Para la educación ponen un ejemplo ilustrativo: entrar en un cuadro con una trama histórica y conversar con sus personajes. Los probadores cerrados sugirieron otro nicho: la creación de prototipos de películas. El ingeniero de DeepMind Diego Rivas explicó que el modo en tiempo real resulta valioso cuando hay que mantener el flujo creativo, en la fase de ideas y storyboards. Más adelante, esos bocetos podrán convertirse en materiales acabados mediante Gemini Omni, aunque esa posibilidad todavía está lejos. Junto a esto existe Veo, el modelo de vídeo de Google, que gana popularidad entre los cineastas.
Limitaciones y el mercado alrededor
Google reconoce sus puntos débiles. Cuanto más dura la simulación, más se desdibujan los detalles y los objetos. La precisión del sonido no está garantizada todavía, y el texto dentro del mundo no siempre se puede leer. Rivas subrayó que se trata de una etapa temprana y que el producto final para el usuario aún no está definido.
El acceso también es limitado. Por ahora Genie 4 está disponible para probadores cerrados. En las próximas semanas llegará a los suscriptores de Google AI Ultra en Project Genie y a los socios de acceso anticipado de Gemini API y Google AI Studio.
El contexto importa tanto como el propio modelo. Hace un par de meses, Runway lanzó su segundo modelo de mundo, GWM Worlds 2, también con sonido y reacción a las acciones del usuario. Mientras tanto, el mercado empieza a consolidarse: World Labs de Fei-Fei Li está comprando AMD, Amazon negocia la compra de Decart y Rivian ha adquirido Third Dimension para desarrollar simulaciones internas de pruebas de vehículos autónomos.
La conclusión para los profesionales es esta. Si desarrollas videojuegos, productos educativos o pruebas de robots y pilotos automáticos, conviene probar ya los modelos de mundo, pero no incorporarlos todavía a producción: dos minutos de estabilidad y la deriva de los detalles limitan los escenarios largos. Conviene seguir la aparición del acceso por API, que mostrará cuánto cuesta esta simulación y si sirve para un trabajo serio.
- 21 nov 2026La red neuronal MIRA dibuja Rocket League a 20 fps, pero el ping llega a 460 ms
- 21 nov 2026Google creó una copia cerrada de internet con bancos falsos para entrenar a los agentes de IA de Chrome
- 21 nov 2026En la prueba MLPerf participan por primera vez Nvidia Rubin y TPU Ironwood: 153 sistemas
- 21 nov 2026Google abre la preventa de sus gafas inteligentes con Gemini desde 395 $: las ventas empiezan el 10 de diciembre
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Qué sabe hacer Genie 4?
Un modelo de mundo es una red neuronal que no genera un vídeo ya terminado, sino un espacio que reacciona a las acciones del usuario. Te mueves, cambias algo y la imagen se reconstruye al instante. Genie 3 llegó hace algo más de un año, también como vista previa. La cuarta versión incorpora varias mejoras notables. Primero, la imagen es la más fotorrealista e interactiva de todos los mundos de Google.
¿Qué se sabe sobre Gemini como director y Genie como operador de cámara?
Para los ingenieros lo más interesante es la combinación con Gemini. El modelo de lenguaje actúa como director: planifica los pasos y revisa los fotogramas mientras Genie dibuja la imagen. En un experimento relacionado con Gemini Robotics, el modelo Gemini 4 Argon dividía la tarea en pasos y Genie 4 los simulaba en tiempo real. El sentido práctico es el siguiente: los escenarios para robots se pueden probar primero en un mundo virtual y solo después lanzarlos en el real.
¿Qué se sabe sobre Limitaciones y el mercado alrededor?
Google reconoce sus puntos débiles. Cuanto más dura la simulación, más se desdibujan los detalles y los objetos. La precisión del sonido no está garantizada todavía, y el texto dentro del mundo no siempre se puede leer. Rivas subrayó que se trata de una etapa temprana y que el producto final para el usuario aún no está definido. El acceso también es limitado. Por ahora Genie 4 está disponible para probadores cerrados.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.