Google abrió el 19 de noviembre Genie 4 a los desarrolladores. Desde ese día, cualquiera con una clave de pago de la API de Gemini puede crear en su propia aplicación un mundo que se genera en vivo, se recorre con el teclado y cambia cuando se le escribe una instrucción. Cada sesión dura como máximo dos minutos y cuesta unos $0.10 USD por segundo, según la página de precios de Google. Un día antes, el modelo había llegado a los suscriptores de Google AI Ultra en Project Genie.
Genie 4 es un modelo de mundo. A diferencia de un generador de video, que entrega una escena terminada, un modelo de mundo inventa cada cuadro en el momento y decide qué viene después según lo que hace el usuario: si presiona la tecla para avanzar, el camino se dibuja hacia adelante; si gira la cámara, aparece lo que había a un lado. Se parece a un videojuego, pero nadie programó el escenario ni sus reglas: el modelo las aprendió viendo el mundo. Google DeepMind presentó Genie 4 el 27 de octubre como una vista previa para probadores de confianza; su gran novedad fue el sonido, con ambiente, efectos y personajes que hablan.
El 18 de noviembre llegó a Project Genie para los suscriptores elegibles de Google AI Ultra, con lista de espera para los de AI Pro, y el 19 quedó disponible en la API de Gemini y en Google AI Studio. Ahí, Google ofrece un lienzo para probarlo y aplicaciones de ejemplo para empezar. Es el mismo mes en que Google lanzó Gemini 4 Hydrogen y Gemini 4 Neon.
Claves de Genie 4 en la API de Gemini
- Qué genera. Un mundo continuo en 1280 × 720 pixeles (720p, siempre horizontal) a 24 cuadros por segundo, con sonido estéreo sincronizado: ambiente, efectos y diálogo de personajes. Se arranca con una descripción en texto, con una imagen de referencia o con las dos, y tarda de 5 a 9 segundos en aparecer.
- Cómo se controla. Las teclas W, A, S y D mueven al personaje y las flechas, la cámara. Durante la sesión se pueden escribir instrucciones para cambiar el clima, la luz, los objetos o lo que pasa en la escena; lo que deben decir los personajes va entre comillas. El movimiento responde en 0.2 a 0.5 segundos y el texto, en 1 a 2 segundos.
- Cuánto dura. Cada sesión tiene un tope de 120 segundos, y Google advierte que la imagen puede perder estabilidad pasados los 60 a 90. El mundo no queda guardado: lo que se deja de ver por más de 8 segundos puede cambiar al volver a mirarlo, y una sesión terminada no se puede retomar.
- Cuánto cuesta. Cada cuadro cuenta como 240 tokens de salida, así que un segundo son 5,760 tokens. A $17.50 USD por millón, sale en unos $0.10 USD por segundo, unos $6.05 USD por minuto. La entrada cuesta $1.50 USD por millón de tokens. No hay nivel gratuito ni descuentos por lotes (Batch) o por prioridad baja (Flex). Un detalle importante: el cobro solo se detiene al cerrar la sesión con la función
complete(); cerrar la pestaña del navegador no lo detiene. - Cómo se conecta. En el navegador, Google recomienda WebRTC, que da la menor latencia; desde Python o Node.js se usa WebSocket. Para no exponer la clave de la API, el servidor de la aplicación abre la sesión y crea un token que sirve solo para esa sesión, y es ese token el que recibe el navegador. Los servidores están en Estados Unidos, Europa occidental y Japón; en Norteamérica, Google espera menos de 150 milisegundos de ida y vuelta.
- Lo que todavía no hace. No puede llamar funciones de la aplicación, entregar respuestas con un formato fijo, buscar en Google ni usar el micrófono o la cámara del usuario. Bloquea las peticiones con personas reales identificables, figuras públicas o personajes y marcas protegidos por derechos de autor, y todo lo que genera lleva SynthID, la marca de agua invisible de Google.
Un mundo a la medida, pero por minutos
Hasta ahora, Genie 4 solo se podía usar dentro de los productos de Google. Con la API, cualquier empresa o programador puede meterlo en su propia aplicación: por ejemplo, prototipos de videojuegos que se pueden recorrer antes de escribir una línea de código del motor, o mundos variados donde practiquen agentes de IA y robots. Son los dos usos que DeepMind destacó al presentar el modelo.
Los límites, sin embargo, dejan claro que todavía no reemplaza a un videojuego. Una sesión de dos minutos cuesta unos $12 USD solo en video, y una hora continua costaría unos $363 USD, así que mantener a muchos jugadores al mismo tiempo sale caro. El mundo tampoco se guarda ni se puede retomar, y Google reconoce que se vuelve inestable pasado el minuto. Por ahora, Genie 4 sirve más para experimentar, mostrar una idea o generar escenas cortas que para sostener una experiencia larga.
Lo que sí cambia es quién puede experimentar. Los modelos de mundo eran hasta hace poco demostraciones de laboratorio; ahora están a una clave de API de distancia, con precio público y documentación. Con eso, Google mide cuánto están dispuestos a pagar los desarrolladores por mundos generados al momento.
Fuente: Genie 4 is now available on the Gemini API, blog de Google (19 de noviembre de 2026); detalles técnicos en la documentación de Genie 4 y precio en la página de precios de la API de Gemini; llegada a Project Genie en el blog de Google (18 de noviembre de 2026).
