Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarYouTube: Google DeepMind→ original

DeepMind lanza Genie 4: mundos generados a partir de texto que se pueden explorar en tiempo real

Google DeepMind ha lanzado Genie 4, un modelo de mundo que no genera un vídeo terminado, sino que simula un entorno en tiempo real. Una descripción de texto se convierte en un lugar por el que se puede caminar con el teclado en cuestión de segundos, y se pueden añadir nuevos eventos mediante indicaciones en directo. Para los desarrolladores, es una vía rápida para prototipar escenas y entornos de prueba para robots.

Procesado por IA desde YouTube: Google DeepMind; editado por Hamidun News
DeepMind lanza Genie 4: mundos generados a partir de texto que se pueden explorar en tiempo real
Fuente: YouTube: Google DeepMind. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalYouTube: Google DeepMind ↗
Editor jefe
AccesoProject Genie, por ahora para los suscriptores de Google AI Ultra que cumplan los requisitos
Dato clave #2Un agente integrado crea aplicaciones con atajos de teclado para diálogos y eventos
Dato clave #3Un mismo prompt sirve como semilla reproducible para escenas repetibles
DeepMind lanza Genie 4: mundos generados a partir de texto que se pueden explorar en tiempo real
Video destacado / Demo
Haz clic para reproducir el video original o lee el análisis completo a continuación.Ver en YouTube ↗

El vídeo generativo ha funcionado hasta ahora como el cine: escribes una petición, esperas y recibes un clip terminado, en el que no se puede cambiar nada sobre la marcha. Google DeepMind propone con Genie 4 otro modelo de interacción. Se trata de un «modelo de mundo»: no muestra una imagen grabada, sino que simula el entorno en este mismo momento y reacciona a tus acciones. La compañía lo describe como el más realista e interactivo de sus modelos de este tipo, y ya ha abierto su acceso.

¿Qué sabe hacer Genie 4?

La diferencia principal es que el resultado no es estático. Según DeepMind, una petición de texto se convierte en un entorno explorable en cuestión de segundos. Después, el usuario controla la escena con el teclado, moviéndose por ella como en un juego sencillo. Además, la acción puede dirigirse sobre la marcha: mientras el mundo está en funcionamiento, se le pueden enviar nuevas indicaciones de texto y cambiar lo que sucede, sin reiniciar la escena.

Imagina que describes una estación de metro abandonada. En un generador de vídeo convencional obtendrías quince segundos de metraje con un encuadre elegido de antemano. En Genie 4 caminas tú mismo por el andén, giras hacia donde quieras y luego escribes «enciende la luz de emergencia», y la escena cambia mientras la miras. Ese paso de «mirar» a «participar» es lo que distingue a los modelos de mundo de los generadores de vídeo.

El agente y las teclas rápidas

La segunda parte de la historia tiene que ver con Project Genie, el entorno donde está disponible el modelo. Incluye un agente. Según DeepMind, el equipo lo usó para crear sus propias miniaplicaciones y asignarlas a teclas rápidas. Al pulsar un botón se activa un movimiento del personaje, una réplica de diálogo o un evento de la escena, todo en tiempo real. Es decir, en lugar de marcar la escena a mano, describes al agente qué debe hacer cada botón y él lo convierte en una interfaz funcional.

Otro detalle práctico: los prompts se usan como semillas reproducibles. Un mismo texto sirve como punto de partida al que se puede volver para obtener una escena comparable. Para un equipo, esto significa que no hace falta volver a buscar un entorno que funcionó bien: basta con guardar la descripción. DeepMind menciona escenarios de uso que van desde el prototipado creativo hasta los entornos para entrenar robots.

Quién puede beneficiarse y qué aún no se sabe

Para diseñadores de juegos y directores la ventaja es evidente: se puede esbozar un prototipo jugable de una escena en minutos, en lugar de días de trabajo con motores y recursos. Para los especialistas en robótica el interés es otro. Entrenar un robot en el mundo real es caro y lento, y los entornos simulados a partir de una descripción de texto podrían permitir obtener con rapidez una gran variedad de escenarios de prueba. Eso sí, se trata de una dirección anunciada, no de un resultado confirmado.

Aquí hacen falta matices. La fuente es la descripción de un vídeo sobre el rodaje de una película sobre Genie 4, no una publicación técnica. No incluye benchmarks, datos de latencia, resolución, duración de las sesiones, coste ni precisión física de la simulación. La afirmación de que es «el más realista» sigue siendo una valoración de la propia DeepMind. Tampoco se sabe si el mundo se mantiene coherente durante una exploración prolongada ni si una simulación de este tipo sirve para entrenar robots reales.

El acceso es limitado: Genie 4 está disponible en Project Genie, empezando por los suscriptores de Google AI Ultra que cumplan los requisitos. El resto tendrá que esperar a que se amplíe.

Conclusión práctica para los equipos: conviene seguir los modelos de mundo como una nueva clase de herramientas. Si desarrollas juegos, simuladores educativos, presentaciones interactivas o entornos de prueba para agentes, un experimento con Project Genie puede darte un prototipo rápido. Para tareas de producción, sobre todo las relacionadas con robots, espera a las pruebas independientes antes de incorporar una simulación de este tipo a tu proceso.

Historia

Preguntas frecuentes sobre la noticia

¿Qué sabe hacer Genie 4?

La diferencia principal es que el resultado no es estático. Según DeepMind, una petición de texto se convierte en un entorno explorable en cuestión de segundos. Después, el usuario controla la escena con el teclado, moviéndose por ella como en un juego sencillo. Además, la acción puede dirigirse sobre la marcha: mientras el mundo está en funcionamiento, se le pueden enviar nuevas indicaciones de texto y cambiar lo que sucede, sin reiniciar la escena. Imagina que describes una estación de metro abandonada.

¿Qué se sabe sobre El agente y las teclas rápidas?

La segunda parte de la historia tiene que ver con Project Genie, el entorno donde está disponible el modelo. Incluye un agente. Según DeepMind, el equipo lo usó para crear sus propias miniaplicaciones y asignarlas a teclas rápidas. Al pulsar un botón se activa un movimiento del personaje, una réplica de diálogo o un evento de la escena, todo en tiempo real. Es decir, en lugar de marcar la escena a mano, describes al agente qué debe hacer cada botón y él lo convierte en una interfaz funcional.

¿Qué se sabe sobre Quién puede beneficiarse y qué aún no se sabe?

Para diseñadores de juegos y directores la ventaja es evidente: se puede esbozar un prototipo jugable de una escena en minutos, en lugar de días de trabajo con motores y recursos. Para los especialistas en robótica el interés es otro. Entrenar un robot en el mundo real es caro y lento, y los entornos simulados a partir de una descripción de texto podrían permitir obtener con rapidez una gran variedad de escenarios de prueba. Eso sí, se trata de una dirección anunciada, no de un resultado confirmado.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

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.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…