DeepMind presenta Genie 4: un mundo en tiempo real con sonido y diálogos
Google DeepMind ha presentado Genie 4, un modelo de mundo que calcula la escena fotograma a fotograma mientras el usuario se mueve por ella con el teclado. Por primera vez, el modelo genera su propio sonido: el ruido del viento y las réplicas de los personajes, que reaccionan a las acciones del usuario. En segundo plano, Gemini 3.8 Flash se encarga de la planificación de eventos: divide el objetivo en pasos y los contrasta con los nuevos fotogramas. Es una vista previa cerrada, pero este tipo de mundos podría convertirse en entornos de entrenamiento para robots y agentes.
Procesado por IA desde The Decoder; editado por Hamidun News
Google DeepMind ha presentado Genie 4, sucesor de Genie 3, que la compañía mostró en agosto de 2025. Se trata de un "modelo de mundo": no entrega un vídeo ya terminado, sino que calcula el espacio virtual mientras se juega. El usuario se mueve por la escena con el teclado, escribe órdenes de texto y el mundo responde. La gran novedad de esta versión es que, por primera vez en DeepMind, el sistema genera por sí mismo el sonido y los diálogos. Para los desarrolladores de videojuegos, simuladores y robots, es una señal de hacia dónde evolucionan los entornos interactivos.
Qué sabe hacer Genie 4
No se trata de un reproductor de vídeo, sino de un decorado vivo. Cada fotograma se dibuja de nuevo según hacia dónde se gire el usuario y qué haya escrito. Ahora cada mundo tiene su propio fondo sonoro, por ejemplo, el viento entre los árboles. Los personajes pueden hablar entre sí y reaccionar a las acciones del usuario o a los sucesos de la escena, y las réplicas aparecen en tiempo real.
DeepMind se enorgullece especialmente de cómo dibuja a las personas. Según la compañía, los personajes se mueven con más naturalidad, tienen en cuenta el entorno y pueden controlarse directamente. La base es la capacidad de Gemini Omni, el modelo de vídeo que se encarga de que el mundo tenga un aspecto y un comportamiento verosímiles.
Gemini como director entre bastidores
La parte más interesante es el funcionamiento de la "dirección". Genie 4 se encarga de la imagen y el sonido, pero para decidir qué pasa después cuenta con la ayuda de los modelos Gemini. Si el usuario cambia el tiempo atmosférico con una orden, Gemini adapta esa instrucción a la escena que ya está en marcha, en lugar de limitarse a añadir lluvia sobre todo lo demás. Entre las acciones del usuario, el mismo sistema sigue desarrollando los acontecimientos para que el mundo no se quede quieto.
DeepMind lo explica con tareas de varios pasos. Gemini 3.8 Flash observa constantemente la escena, divide el objetivo en pasos y comprueba con los nuevos fotogramas si cada paso se ha completado. Si el mundo cambia o el usuario interviene, el modelo rehace el plan. En la práctica, es el conocido ciclo de un agente "observa, planifica, actúa, verifica", solo que su entorno ya no es un navegador o una terminal, sino una simulación.
Hay también un vínculo con la robótica. DeepMind prueba Gemini 4 Argon para conectar Genie con las investigaciones de Gemini Robotics. En la demo, Argon descompone una partida de damas en pasos y se los transmite a Genie 4 como instrucciones de texto. El modelo simula cómo el robot humanoide Apollo, de Apptronik, juega a las damas. No hay ningún robot real de por medio.
Limitaciones y acceso
La compañía califica Genie 4 de modelo experimental temprano. En sesiones cortas, el mundo se mantiene coherente. En simulaciones largas, y también tras varios cambios complejos de prompt, los detalles visuales pueden desdibujarse y los objetos no siempre se conservan. DeepMind sigue trabajando en la interacción física compleja, el sonido preciso en tiempo real y el texto legible dentro de la imagen.
El acceso, de momento, está restringido: la vista previa la reciben probadores seleccionados. Más adelante, el modelo llegará a los suscriptores de Google AI Ultra en la aplicación web Project Genie, así como a socios con acceso anticipado a la API de Gemini y a Google AI Studio. Todo el vídeo y el audio llevarán una marca de agua invisible SynthID que identifica el contenido generado por IA.
Qué significa para los profesionales
Por ahora, Genie 4 es una demostración y no un producto sobre el que apoyar un desarrollo. Pero la dirección está clara. DeepMind ve en la combinación de Gemini y Genie el primer paso hacia modelos de mundo híbridos, en los que el razonamiento de los modelos de lenguaje y de código se une a la simulación a nivel de píxel. Si estos mundos maduran, será posible entrenar robots y agentes de IA con experiencia simulada, y no solo con conjuntos de datos ya preparados.
Para product managers y fundadores, la conclusión es sencilla: conviene seguir la API y AI Studio. Si el acceso se abre, los prototipos interactivos, los simuladores de entrenamiento y los entornos de prueba para agentes serán más baratos. Mientras tanto, hay que tener presentes los puntos débiles: la inestabilidad en las sesiones largas y la física. Es precisamente ahí donde la simulación suele separarse más de la realidad.
- 21 nov 2026California demanda a OpenAI: sus agentes de IA se salieron de control al menos 80 veces
- 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
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Qué sabe hacer Genie 4?
No se trata de un reproductor de vídeo, sino de un decorado vivo. Cada fotograma se dibuja de nuevo según hacia dónde se gire el usuario y qué haya escrito. Ahora cada mundo tiene su propio fondo sonoro, por ejemplo, el viento entre los árboles. Los personajes pueden hablar entre sí y reaccionar a las acciones del usuario o a los sucesos de la escena, y las réplicas aparecen en tiempo real. DeepMind se enorgullece especialmente de cómo dibuja a las personas.
¿Qué se sabe sobre Gemini como director entre bastidores?
La parte más interesante es el funcionamiento de la "dirección". Genie 4 se encarga de la imagen y el sonido, pero para decidir qué pasa después cuenta con la ayuda de los modelos Gemini. Si el usuario cambia el tiempo atmosférico con una orden, Gemini adapta esa instrucción a la escena que ya está en marcha, en lugar de limitarse a añadir lluvia sobre todo lo demás. Entre las acciones del usuario, el mismo sistema sigue desarrollando los acontecimientos para que el mundo no se quede quieto.
¿Qué se sabe sobre Limitaciones y acceso?
La compañía califica Genie 4 de modelo experimental temprano. En sesiones cortas, el mundo se mantiene coherente. En simulaciones largas, y también tras varios cambios complejos de prompt, los detalles visuales pueden desdibujarse y los objetos no siempre se conservan. DeepMind sigue trabajando en la interacción física compleja, el sonido preciso en tiempo real y el texto legible dentro de la imagen. El acceso, de momento, está restringido: la vista previa la reciben probadores seleccionados.
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.