Google DeepMind presenta Genie 4, un modelo de mundo interactivo en tiempo real

Google DeepMind ha presentado Genie 4, el sucesor del modelo de mundo Genie 3 mostrado en agosto de 2025. A diferencia de los generadores de video convencionales que producen archivos completos, Genie 4 calcula las escenas fotograma a fotograma en tiempo real, respondiendo de manera continua a las entradas del usuario mediante controles de teclado e instrucciones de texto (prompts).

Por primera vez en los modelos de mundo en tiempo real de DeepMind, Genie 4 genera de forma nativa audio de fondo sincronizado, como el viento moviéndose entre los árboles, junto con diálogos de personajes que responden al entorno. Los personajes de la simulación están diseñados para hablar entre sí, reaccionar a los cambios ambientales, moverse de forma natural y ser controlados directamente por los usuarios.

Impulsado por modelos Gemini en segundo plano

Genie 4 se basa en las capacidades del modelo de video de DeepMind, Gemini Omni, para lograr efectos visuales y comportamientos realistas. Para mantener la coherencia ambiental a través de los cambios de escena, los modelos Gemini subyacentes gestionan la planificación de eventos en segundo plano. Si un usuario introduce un prompt para cambiar el clima, Gemini ajusta la instrucción para que coincida con el entorno en ejecución de manera fluida.

En escenarios de múltiples pasos, Gemini 3.8 Flash monitorea continuamente la transmisión visual, desglosa los objetivos en pasos individuales y utiliza los nuevos fotogramas para verificar si cada acción tuvo éxito, revisando su plan si las condiciones cambian.

DeepMind también está vinculando Genie 4 con su iniciativa de robótica, Gemini Robotics, utilizando Gemini 4 Argon. En una demostración, Argon dividió una partida de damas en instrucciones paso a paso. Luego, Genie 4 simuló al robot humanoide Apollo de Apptronik jugando a las damas basándose en esas instrucciones, llevando a cabo todo el proceso de forma virtual sin necesidad de un robot físico.

Limitaciones actuales y planes de acceso

DeepMind enfatiza que Genie 4 sigue siendo una vista previa de investigación experimental. Aunque el modelo mantiene la coherencia estructural en interacciones breves, los detalles visuales pueden variar y los objetos persistentes pueden desaparecer durante sesiones prolongadas o tras múltiples modificaciones de los prompts. La investigación continúa en áreas como el sonido preciso en tiempo real, la física compleja y la renderización de texto legible.

Todo el contenido multimedia producido por Genie 4 incorporará la marca de agua invisible SynthID de Google para identificar el contenido generado por IA.

Actualmente, el acceso a Genie 4 está restringido a un grupo selecto de evaluadores. DeepMind planea lanzar el modelo próximamente para los suscriptores de Google AI Ultra a través de la aplicación web Project Genie, así como para socios con acceso anticipado a la API de Gemini y Google AI Studio. A largo plazo, DeepMind visualiza modelos de mundo híbridos que combinen el razonamiento de lenguaje y código con la simulación a nivel de píxeles como entornos de entrenamiento clave para agentes de IA y robots físicos.