Genie 4: la IA de Google crea mundos con sonido que cambian con lo que escribes

Genie 4 es el nuevo modelo del mundo de Google DeepMind, y los mundos que crea por fin tienen sonido. Basta con describir una escena en una frase o darle una imagen de referencia para que el modelo genere un lugar por el que puedes moverte con el teclado mientras reproduce el viento entre los árboles, las olas en la playa y las voces de quienes están allí. Ahora esas personas pueden mantener una conversación que responde a lo que haces, algo que DeepMind considera la verdadera frontera de esta versión.

Para quienes probaron las versiones anteriores, el mayor cambio es el control. Puedes escribir una instrucción para cambiar el tiempo, mover la cámara o incorporar a la escena a otra persona u objeto, y Gemini reformula lo que pides para adaptarlo a lo que ya aparece en pantalla. Entre una orden y otra, Gemini sigue guiando la simulación para que el mundo no se desmorone. Se parece menos a jugar a un videojuego y más a dirigir un rodaje que nunca se detiene, y algunos de los primeros probadores ya lo están usando así.

Gemini planifica la escena mientras Genie la crea

Genie 4 se apoya en el resto de la familia de modelos de Google. Según el anuncio de DeepMind, Gemini Omni ancla cada simulación en la apariencia y el comportamiento del mundo real, mientras que otros modelos Gemini se encargan del razonamiento necesario para que la escena mantenga la coherencia de un momento a otro. Gemini 3.8 Flash actúa como agente guía dentro del proceso: observa el mundo mientras Genie 4 lo dibuja, divide un objetivo en pasos, comprueba los fotogramas que van llegando para confirmar que cada paso ha funcionado y cambia el plan cuando lo interrumpes.

DeepMind afirma que el mayor salto está en las personas. Los personajes se mueven de forma más natural, reaccionan a lo que los rodea y pueden dirigirse mientras la simulación sigue en marcha; además, el modelo gestiona aspectos de la física como la aerodinámica y las colisiones. Las demostraciones del blog de la compañía incluyen una semilla de arce que gira mientras cae sobre la hierba, una concurrida estación rural de Japón en los años ochenta y una carrera de dragones en primera persona con estruendosos aleteos como banda sonora: todo el sonido lo genera el propio Genie 4. Genie 3 creaba mundos silenciosos a 720p y 24 fotogramas por segundo; esta vez DeepMind no ha publicado cifras de resolución ni de frecuencia de fotogramas, así que la mejora solo puede juzgarse a partir de sus propios vídeos.

Los juegos no son el único objetivo. DeepMind sostiene que simular el mundo es un paso crucial hacia la inteligencia artificial general, y una de las demostraciones combina Genie 4 con Gemini 4 Argon para simular al robot humanoide Apollo de Apptronik jugando a las damas. Argon divide la tarea en pasos y se los transmite a Genie 4 como instrucciones de texto mientras se genera la escena. A largo plazo, la apuesta empresarial consiste en crear mundos de práctica seguros y con infinitas variaciones para robots y agentes de software, mucho antes de que alguien venda un juego de Genie.

Los cineastas y los fotoperiodistas fueron los primeros

DeepMind está probando Genie 4 con grupos de los sectores creativo, periodístico, educativo, de los videojuegos y de la ingeniería. Los cineastas lo utilizan como modo de borrador para la previsualización: entran en una escena en directo y ruedan varias tomas mientras ajustan los ángulos de cámara, la iluminación, los diálogos y la acción. Los desarrolladores de videojuegos pasan de una idea a un prototipo explorable en cuestión de segundos, antes de escribir una sola línea de código del motor. Los socios empresariales están probándolo para generar escenarios con rapidez.

El experimento más delicado es el de los fotoperiodistas, que están probando cómo una sola fotografía de archivo puede convertirse en segundos en una versión simulada de ese lugar, llena de gente en movimiento. DeepMind también habla de visualizar cómo se desarrolla una inundación repentina o un incendio forestal. Un recorrido convincente por una calle histórica real, con personas inventadas que hablan en ella, también puede ser una falsificación convincente. La respuesta de DeepMind es SynthID, la marca de agua invisible que incorpora a todos los vídeos y audios que produce Genie 4, además de evaluaciones internas de seguridad y un despliegue gradual. SynthID solo sirve de ayuda si las plataformas y los espectadores utilizan realmente un detector, y nada en pantalla indica al espectador desprevenido que las imágenes son sintéticas.

Los mundos todavía se desajustan

DeepMind habla con inusual franqueza de las limitaciones. Genie 4 mantiene unido un entorno durante sesiones breves, pero los detalles visuales y la permanencia de los objetos pueden cambiar si la simulación se alarga, después de varias modificaciones complejas de las instrucciones o al desplazarte por la escena. Las interacciones físicas complejas, el audio preciso en tiempo real, el texto legible, la exactitud espacial y la coherencia a largo plazo figuran entre los problemas de investigación aún sin resolver. Dicho de forma sencilla: puede que la estantería por la que pasaste hace un minuto ya no sea la misma cuando te des la vuelta.

La mayoría de la gente todavía no puede probarlo. Genie 4 es una versión de investigación limitada a probadores de confianza. Google afirma que pronto llegará a los suscriptores de Google AI Ultra a través de Project Genie, su aplicación web para generar mundos, y a los socios con acceso anticipado a Gemini API y Google AI Studio; la lista de espera ya está abierta. No hay fecha de lanzamiento, ni precio más allá de la suscripción Ultra, el plan de IA más caro de Google, ni información sobre qué países tendrán acceso primero. Cuando Project Genie se lanzó el 29 de enero de 2026 con Genie 3, solo estaba disponible para suscriptores de Ultra en Estados Unidos mayores de 18 años, y las sesiones estaban limitadas a 60 segundos.

DeepMind anunció Genie 4 el 27 de octubre de 2026 en una publicación firmada por Raia Hadsell, Diego Rivas y Hang Qi. La línea empezó en febrero de 2024 con un modelo que convertía imágenes en sencillos juegos de plataformas en 2D, pasó al 3D con Genie 2 en diciembre de 2024 y llegó a la exploración en tiempo real con Genie 3 en agosto de 2025. Cada generación añadió algo: una tercera dimensión, después movimiento en tiempo real y, ahora, sonido y voz. Lo que Genie 4 aún tiene que demostrar es que un mundo puede recordarse a sí mismo durante más tiempo que una pausa para tomar café.

Etiquetas: inteligencia artificial, Google, Gemini, Google DeepMind, Genie 4, modelos de mundo