Google DeepMind presentó este 27 de octubre Genie 4, la nueva versión de su modelo de mundo: una IA que no genera un vídeo cerrado, sino un escenario que se puede recorrer con el teclado mientras se va creando, fotograma a fotograma. La gran novedad es el sonido: cada mundo trae su propio ambiente, su música y personajes que hablan y responden a lo que hace el usuario, todo generado en tiempo real.
Un modelo de mundo aprende cómo se ve y cómo se comporta el mundo para poder simular qué pasa a continuación. La primera versión de Genie, de 2024, creaba juegos de plataformas en 2D a partir de una imagen. Genie 3, de agosto de 2025, dio el salto a mundos en 3D que se podían explorar a 720p y 24 fotogramas por segundo, coherentes durante varios minutos. En enero de 2026, Google lo abrió como prototipo, con el nombre de Project Genie, a quienes pagan su suscripción más cara, Google AI Ultra, en Estados Unidos.
Genie 4 se apoya en la familia Gemini. Según DeepMind, Gemini Omni ancla las simulaciones en el aspecto y el comportamiento del mundo real, y otros modelos Gemini aportan el razonamiento necesario para que la escena no pierda la coherencia. En los vídeos de demostración, el usuario se mueve y gira la cámara con el teclado y cambia la escena escribiendo instrucciones.
Lo nuevo de Genie 4
- Audio nativo: es el primer modelo de mundo en tiempo real de DeepMind que genera sonido. Cada escena tiene el suyo, del viento en los árboles a las olas, y todos los sonidos de las demostraciones salen del propio modelo.
- Diálogo interactivo: los personajes conversan entre ellos y reaccionan a lo que hace el usuario o a lo que pasa en la escena. DeepMind lo llama «la verdadera frontera».
- Física y personas más realistas: simula aerodinámica y choques, y las personas se mueven con más naturalidad y se pueden dirigir en tiempo real. Según la empresa, es el mayor salto respecto a Genie 3.
- Cambios con texto: se puede pedir que llueva, mover la cámara o añadir una persona o un objeto, y Gemini adapta la petición a lo que hay en la escena. Entre instrucción e instrucción, Gemini vigila la escena para que siga avanzando con sentido.
- Un agente que planifica: Gemini 3.8 Flash observa cada fotograma, divide un objetivo en pasos y comprueba que cada uno se cumple. DeepMind también lo combina con Gemini 4 Argon para simular robots: en una demostración, el humanoide Apollo de Apptronik juega a las damas paso a paso.
- Quién lo usa: por ahora, solo probadores de confianza. Después llegará a los suscriptores de Google AI Ultra en Project Genie y a socios con acceso anticipado a la API de Gemini y Google AI Studio, sin fecha. Hay una lista de espera.
- Marca de agua: todo el vídeo y el audio que genere llevará SynthID, la marca invisible de Google para identificar contenido hecho con IA.
Para qué quiere Google un simulador del mundo
DeepMind presenta Genie 4 como una pieza hacia la inteligencia artificial general: para que una IA actúe bien en el mundo real, antes tiene que poder imaginar qué pasará si hace algo. El uso más inmediato son los entornos de entrenamiento: robots y agentes de IA pueden practicar en mundos simulados infinitos y variados antes de enfrentarse al real, que es caro y lento. La demostración del robot Apollo apunta justo ahí.
Los probadores lo están usando también de otras formas. Según DeepMind, cineastas lo prueban como «modo borrador» para ensayar tomas, cambiando cámara, luz y diálogo sobre la marcha; fotoperiodistas convierten una foto de archivo en una escena que se puede recorrer; y estudios de videojuegos pasan de una idea a un prototipo explorable en segundos, antes de escribir una línea de código del motor del juego. El lanzamiento de Project Genie en enero ya asustó a los inversores del sector: las acciones de Unity cayeron alrededor de un 20 % en un día y las de Roblox, más de un 10 %, por miedo a que estas herramientas sustituyan parte del desarrollo de juegos. El propio consejero delegado de Unity respondió que esos mundos no sirven por sí solos para juegos que necesitan experiencias coherentes y repetibles.
La propia DeepMind reconoce los límites: Genie 4 mantiene la coherencia en sesiones cortas, pero los detalles y la permanencia de los objetos pueden cambiar con el tiempo, sobre todo en simulaciones largas, tras varias instrucciones complejas o al moverse mucho por la escena. Las interacciones físicas complicadas, la precisión del audio, el texto legible y la coherencia a largo plazo siguen siendo terreno de investigación. Tampoco da cifras de resolución, fotogramas por segundo ni duración de las sesiones, que en Genie 3 sí había publicado. Habrá que esperar a que llegue a los suscriptores para saber cuánto ha mejorado de verdad.
Más fuentes: Gizmodo, 27 de octubre de 2026; Google DeepMind, presentación de Genie 3 (agosto de 2025); Video Games Chronicle, caída en bolsa tras Project Genie. Imagen: Google DeepMind.
Fuente: Google DeepMind, «Genie 4: A new generation of world simulation»