Google DeepMind presentó Genie 4 el 27 de octubre de 2026, un modelo de IA que genera mundos interactivos con audio en tiempo real y permite modificar escenas mientras se simulan. La tecnología importa porque puede acelerar la creación de prototipos para videojuegos, cine y aprendizaje, además de ofrecer entornos de prueba para robótica.
Genie 4 permite modificar mundos durante la simulación
Disponible inicialmente como vista previa de investigación, Genie 4 crea escenas a partir de instrucciones y deja que los usuarios las dirijan con nuevas indicaciones de texto. Es posible cambiar el clima o el ángulo de cámara, además de añadir personajes y objetos sin tener que empezar la simulación desde cero.
El modelo genera audio sincronizado con el entorno, como música, sonidos ambientales y diálogo interactivo. Según la presentación de Google, también produce mundos más fotorrealistas que la versión anterior, mejora la física y ofrece personajes con movimientos más humanos.
Una simulación puede conservar una escena coherente durante hasta dos minutos, el doble del límite de Genie 3. Esa continuidad es relevante para tareas que requieren explorar o ajustar un entorno durante varios pasos, aunque no significa que todos sus elementos permanezcan estables indefinidamente.
La integración con Gemini apunta a usos en robótica
Google está conectando Genie 4 con Gemini, que puede planificar acciones y revisar imágenes generadas mientras el modelo construye el entorno visual. En un experimento de investigación relacionado con Gemini Robotics, un modelo Gemini 4 Argon dividió una tarea en pasos y Genie 4 los simuló en tiempo real.
La demostración plantea una aplicación práctica: probar escenarios de robots en simulación antes de ejecutarlos en el mundo físico. Para empresas y desarrolladores, este tipo de pruebas podría ayudar a evaluar comportamientos y situaciones sin depender exclusivamente de ensayos con hardware real. Google no presentó la prueba como un producto comercial terminado.
Tejas Kulkarni, director de investigación de Google, describió una futura combinación de modelos que escriban código y texto con Genie, capaz de simular situaciones con distintos niveles de abstracción. Por ahora, la compañía presenta esta integración como una dirección de investigación, no como una capacidad disponible de extremo a extremo.
Creación de películas y aprendizaje interactivo
Entre los usos posibles figuran los videojuegos y el aprendizaje interactivo. Por ejemplo, un estudiante podría explorar una escena histórica y conversar con sus personajes. En cine, la generación en tiempo real podría servir para idear escenas o preparar storyboards, etapas en las que resulta útil probar alternativas rápidamente.
Google ya ofrece Veo para generar clips de video con audio sincronizado. Un representante de DeepMind señaló que, a futuro, herramientas como Gemini Omni podrían ayudar a convertir prototipos en recursos creativos, pero esas posibilidades todavía están lejos. Genie 4, por tanto, no debe confundirse con una solución final de producción audiovisual.
Limitaciones y disponibilidad de Genie 4
Google reconoce que los detalles y objetos pueden cambiar o desviarse cuanto más dura una simulación. También sigue trabajando para mejorar la precisión del audio y la legibilidad del texto que aparece dentro de los mundos. Estas limitaciones importan para quienes necesiten continuidad visual o información fiable en escenas generadas.
La vista previa está disponible para evaluadores de confianza. En las próximas semanas, Google prevé ampliar el acceso a sus suscriptores de Google AI Ultra mediante Project Genie y a socios con acceso anticipado a Gemini API y Google AI Studio. Según TechCrunch, aún no está definida la experiencia final del producto.
En resumen
- Genie 4 crea mundos interactivos con audio generado en tiempo real.
- Permite cambiar escenas mediante instrucciones durante la simulación.
- Mantiene la coherencia de una escena durante un máximo de dos minutos.
- Google explora su uso para robótica, videojuegos, aprendizaje y cine.
- La vista previa está limitada a evaluadores y socios seleccionados.
- Persisten problemas de estabilidad visual, precisión de audio y texto legible.
