Google DeepMind presentó Genie 4, el sucesor de Genie 3, que la empresa había mostrado en agosto de 2025. Es un modelo de mundo que no entrega videos terminados. Calcula la escena cuadro a cuadro y reacciona a lo que hace el usuario mientras avanza. Uno recorre el mundo con el teclado y cambia los acontecimientos con instrucciones de texto, según el reporte de The Decoder del 27 de octubre.
DeepMind dice que Genie 4 es su primer modelo de mundo en tiempo real que genera sonido directamente. Cada mundo tiene su propio audio de fondo, como el viento entre los árboles. El modelo también maneja diálogos, con personajes que conversan entre ellos y responden en tiempo real a lo que hace el usuario o a lo que ocurre en la escena.
El mayor avance en realismo, según la empresa, está en cómo dibuja a las personas. Los personajes se mueven de forma natural, reaccionan a su entorno y el usuario puede controlarlos directamente.
¿Cómo mantiene Gemini la coherencia del mundo?
Genie 4 se apoya en las capacidades del modelo de video Gemini Omni para que el mundo se vea y se comporte de forma realista. Otros modelos Gemini planifican la simulación para que no pierda consistencia.
Si un usuario cambia el clima con una instrucción de texto, Gemini adapta esa orden a la escena que está corriendo. Entre una instrucción y otra, Gemini también dirige los acontecimientos para que el mundo siga avanzando con sentido.
DeepMind lo explica con tareas de varios pasos. Gemini 3.8 Flash observa la escena todo el tiempo, divide un objetivo en pasos y usa los cuadros nuevos para comprobar si cada paso funcionó. Si el mundo cambia o el usuario interviene, el modelo ajusta su plan.
Es una idea anterior a los modelos de lenguaje. Un agente que planifica, actúa dentro de un modelo del mundo y revisa el resultado es un diseño clásico de la investigación en agentes, y Genie 4 lo arma con piezas nuevas.
Un humanoide que juega damas sin existir
DeepMind también prueba Gemini 4 Argon para conectar el trabajo de Genie con su investigación en robótica, Gemini Robotics. En una demostración, Argon divide en pasos la tarea de jugar damas. Genie 4 recibe esos pasos como instrucciones de texto y simula al robot humanoide Apollo, de Apptronik, jugando la partida, sin ningún robot real de por medio.
¿Qué le falta todavía?
DeepMind califica a Genie 4 como un modelo temprano y experimental. Según la empresa, el mundo se mantiene coherente en sesiones cortas, pero en simulaciones largas o después de varios cambios complejos de instrucción los detalles visuales pueden variar y los objetos no siempre persisten.
La empresa sigue investigando tres frentes:
- Interacciones físicas complejas.
- Sonido preciso en tiempo real.
- Texto legible dentro de la escena.
¿Quién puede usarlo?
Por ahora Genie 4 está disponible solo para probadores seleccionados, como versión preliminar de investigación. Pronto llegará a los suscriptores de Google AI Ultra en la aplicación web Project Genie, y a los socios con acceso anticipado a la API de Gemini y a Google AI Studio.
Google dice que todos los videos y pistas de audio llevarán su marca de agua SynthID, que identifica de forma invisible el contenido generado por IA.
Cuando maduren, los modelos de mundo podrían servir como entornos de entrenamiento donde robots y agentes de IA aprendan de experiencia simulada y no solo de datos. DeepMind ve la combinación de Gemini con Genie como un primer paso hacia modelos de mundo híbridos, que juntan el razonamiento de los modelos de lenguaje y de código con la simulación a nivel de píxel.
