Google DeepMind presentó el 27 de octubre de 2026 Genie 4, su nuevo «modelo de mundo». Un modelo de mundo es una IA que, a partir de texto o imágenes, crea en tiempo real un mundo virtual por el que se puede caminar y en el que se puede interactuar. Genie 4 mejora mucho el realismo de la imagen y ahora también genera a la vez el sonido ambiente, la música y los diálogos de los personajes. Por ahora se ofrece como vista previa de investigación a un grupo reducido de probadores.
Qué es Genie 4
En Genie 4, cuando se provoca un suceso, la IA va generando a continuación cómo reacciona el mundo, qué sonidos se oyen y cómo se mueven y hablan las personas que están allí. El usuario controla con el teclado el desplazamiento y la orientación de la cámara, y va cambiando la escena mediante texto.
- Cambiar el mundo con palabras: se pueden dar al momento indicaciones como cambiar el tiempo, mover la cámara o hacer aparecer personajes u objetos nuevos
- Física realista: genera movimientos cercanos a la física real, como el flujo del aire o los choques entre objetos
- Movimiento de las personas: se mueven con naturalidad y reaccionan a los cambios de su entorno; Google DeepMind lo considera su mayor avance
- Generación de sonido: crea a la vez el sonido propio de cada lugar, como el viento que agita los árboles o el rumor de las olas, además de música; Genie 4 es el primer modelo de mundo en tiempo real de la empresa que genera también el audio
- Diálogos: los personajes hablan sobre la marcha en respuesta a las acciones del usuario y a lo que ocurre en el mundo
Google DeepMind considera que recrear el mundo es un paso importante hacia una IA capaz de abarcar tantas tareas como un ser humano (AGI). Según la empresa, servirá para crear entornos donde entrenar con seguridad robots y agentes de IA, y para la producción en campos como el cine, el periodismo, los videojuegos o la fabricación.
La combinación con Gemini
Genie 4 incorpora las capacidades de los modelos Gemini. Gemini Omni acerca a la realidad el aspecto y el movimiento del mundo, mientras que otros modelos Gemini se encargan de razonar para que el mundo siga siendo coherente.
Por ejemplo, Gemini 3.8 Flash actúa como guía y observa continuamente el mundo que se está generando. Divide el objetivo en varios pasos y comprueba en la imagen si cada uno ha salido bien. Si el usuario cambia las instrucciones a mitad de camino, rehace el plan. Google DeepMind también muestra un ejemplo en el que combina Gemini 4 Argon y Genie 4 para simular paso a paso cómo Apollo, el robot humanoide de Apptronik, juega a las damas.
Cómo lo usan los probadores
Google DeepMind lo ha probado con probadores de los sectores de la producción audiovisual, el periodismo, la educación, los videojuegos y la ingeniería. Estos son los usos que presenta:
- Producción audiovisual: entrar en la escena antes del rodaje y probar varias «tomas» cambiando el ángulo de cámara, la iluminación o los diálogos
- Periodismo e historia: recrear en segundos un lugar como un mundo en movimiento a partir de una sola foto antigua; también se prueba para mostrar cómo se extiende una inundación o un incendio forestal
- Videojuegos: crear en segundos, a partir de una idea, un prototipo por el que se puede caminar y probar con palabras su aspecto y su jugabilidad
- Simulación: empresas lo evalúan como herramienta para crear rápidamente escenarios muy diversos
Planes de lanzamiento
Genie 4 ha empezado a ofrecerse primero a un grupo reducido de probadores. Más adelante está previsto ofrecerlo en Project Genie, para los suscriptores de Google AI Ultra, y a los participantes del acceso anticipado de la API de Gemini y Google AI Studio. En cuanto a las fechas, solo se indica que será «pronto». Project Genie acepta inscripciones en una lista de espera. El anuncio no detalla el precio ni las regiones en las que estará disponible, incluido Japón.
Medidas de seguridad y retos pendientes
Google DeepMind afirma que ha aplicado restricciones basadas en la misma política de seguridad que sus otros modelos y que inició la vista previa tras una evaluación interna de seguridad. El vídeo y el sonido que genera Genie 4 llevan SynthID, una marca de agua invisible que permite identificar que han sido creados por IA.
Al mismo tiempo, la empresa explica que Genie 4 sigue siendo un modelo experimental en fase inicial. Mantiene la coherencia del mundo durante periodos cortos, pero si funciona mucho tiempo, se le encadenan muchas instrucciones complejas o el usuario se desplaza por la escena, los detalles y la posición de los objetos pueden ir desviándose. Las interacciones físicas complejas, la precisión del sonido, la representación de texto, la exactitud espacial y la coherencia a largo plazo siguen siendo objeto de investigación.
El punto de vista de CoAI
Los modelos de mundo son un campo en el que las empresas compiten por avanzar. El 24 de octubre, Tencent también publicó Hy-Nomas, un modelo de mundo abierto. Lo que distingue a Genie 4 es que genera al momento no solo la imagen, sino también el sonido y los diálogos, y que se apoya en Gemini para mantener una evolución coherente.
Eso sí, el público general todavía tendrá que esperar para probarlo. Los primeros en usarlo serán los suscriptores de Google AI Ultra, el plan más alto, y algunos desarrolladores, y no se sabe si estará disponible en Japón. Quien tenga interés en la producción audiovisual o en prototipos de videojuegos puede valorar sus capacidades con los vídeos de demostración mientras espera el anuncio de regiones y precios.
