Google DeepMind ha abierto Genie 4 a un grupo reducido de probadores. El nuevo modelo de mundos crea escenarios interactivos que se modifican con una frase mientras la simulación sigue corriendo y, según la compañía, es el primero de su clase que genera audio en tiempo real junto con la imagen.
Qué es un modelo de mundos y por qué no es un vídeo cualquiera
Un modelo de mundos no entrega un vídeo cerrado que solo se puede reproducir. Aprende cómo se comporta un entorno y levanta una versión navegable de ese entorno, que reacciona a lo que hace quien está dentro. Si la cámara gira, el escenario sigue existiendo al otro lado. Si alguien entra en la sala, el mundo lo acepta y continúa.
La diferencia con un generador de vídeo normal es esa capacidad de aguantar el hilo. Un clip bonito se acaba en unos segundos. Un modelo de mundos tiene que recordar dónde estaba cada objeto y mantener la coherencia cuando la persona decide moverse.
Google DeepMind presentó Genie 4 el 27 de octubre, en formato de vista previa para investigación. Primero lo probará un número limitado de evaluadores de confianza. En las próximas semanas llegará a los suscriptores de Google AI Ultra dentro de la aplicación Project Genie y a socios con acceso temprano a la API de Gemini y a Google AI Studio.
Qué cambia Genie 4 frente a Genie 3
La coherencia de la escena es el avance más medible. La generación anterior aguantaba alrededor de un minuto; la nueva llega a dos minutos como máximo, siempre según la empresa. Parece poco y no lo es. En un entorno interactivo, cada segundo extra obliga al modelo a acordarse de dónde quedó cada objeto, y ahí es justo donde la mayoría de los sistemas pierden el hilo.
El comportamiento físico se acerca más a la realidad y los personajes se mueven de una forma más humana. La edición en caliente es, en cambio, la parte más visible del salto. Con una frase se cambia el clima, se mueve el ángulo de cámara o se mete un objeto nuevo en la escena. El cambio ocurre mientras el mundo sigue girando, sin reiniciar la simulación.
El audio nativo que Genie 4 añade en directo
Aquí está la novedad que la propia Google destaca por encima del resto. Genie 4 genera sonido ambiente, música y diálogo hablado a la vez que construye la imagen, y ese audio va sincronizado con lo que ocurre en la escena. Según la compañía, es el primer modelo de mundos en tiempo real con audio nativo. La afirmación es suya y no ha sido verificada de forma independiente, así que conviene tomarla como lo que es: una declaración del fabricante.
Para quien alguna vez haya manipulado una escena generada, el detalle tiene peso. Hasta ahora el sonido se añadía después, en un paso aparte. Aquí nace dentro de la simulación, lo que cambia el modo de trabajar de cualquiera que monte prototipos audiovisuales.
Gemini dirige y Genie pone la imagen
El reparto de tareas es explícito. Gemini se ocupa de planificar los pasos y de revisar los fotogramas; Genie genera lo que se ve. En un experimento ligado a Gemini Robotics, un modelo Gemini 4 Argon dividió una tarea en pasos y Genie 4 los simuló en tiempo real, lo que dibuja una ruta concreta: ensayar un plan de robótica dentro de la simulación antes de llevarlo al mundo físico.
Tejas Kulkarni, director de investigación, habla de "modelos de mundos híbridos". Su idea es que Gemini escriba código y texto, y que Genie absorba eso en tiempo real y simule la realidad en distintos niveles de detalle. Diego Rivas, ingeniero del equipo, añade que la velocidad importa sobre todo durante el flujo creativo, en fases como la idea y el guion gráfico. Los probadores han señalado además un uso que no estaba en el plan inicial: hacer prototipos para cine.
Google tiene otras piezas en la misma mesa. Veo genera vídeo en alta definición con audio sincronizado, y Gemini Omni, que aún "tardará un tiempo" según el equipo, apunta a convertir un prototipo en una pieza terminada.
Para qué piensa Google que servirá
¿Y para qué sirve todo esto? Los tres terrenos que la compañía repite son los videojuegos, el aprendizaje interactivo y la robótica. El ejemplo más llamativo es especulativo: entrar en una escena histórica pintada y conversar con las figuras que aparecen en el cuadro. Suena a demo y probablemente lo sea, pero marca hacia dónde mira el equipo. Ahí está la apuesta.
En robótica el caso es más concreto, porque el modelo puede servir de banco de pruebas barato. Probar un movimiento en un entorno simulado sale mucho más barato que romper hardware real, y esa comparación es la que sostiene buena parte del interés industrial por este tipo de sistemas.
Lo que Genie 4 todavía no resuelve
La propia Google admite los huecos. Cuanto más tiempo corre la simulación, más se desvían los detalles y los objetos: la escena se va degradando. La precisión del audio tampoco está cerrada, y el texto que aparece dentro del mundo generado no siempre se puede leer bien.
Rivas insiste en que el modelo está en una fase temprana y que la experiencia de producto de principio a fin no está definida. Es una forma educada de decir que cualquiera que lo pruebe hoy va a encontrar bordes ásperos. Nada raro en una vista previa de investigación, pero conviene no confundir una demostración vistosa con un producto terminado.
Un sector que se está concentrando a toda velocidad
El contexto ayuda a entender la prisa. Hace dos meses Runway lanzó GWM Worlds 2. World Labs fue adquirida por AMD por 8.200 millones de dólares, Amazon negocia la compra de Decart por unos 7.000 millones y Rivian se hizo con Third Dimension, una firma de simulación para conducción autónoma. Estas tres operaciones vienen de reportes de medios y no de comunicados oficiales.
Visto en conjunto, el mercado de los modelos de mundos está dejando de ser un puñado de laboratorios y empieza a integrarse en plataformas grandes. Quien controle la simulación controla también una pieza clave para entrenar robots y para producir vídeo sin depender de rodajes. Eso lo cambia todo.
Cuándo se puede probar Genie 4
Hoy solo tienen acceso los evaluadores de confianza y no hay lista de espera pública. La siguiente parada son los suscriptores de Google AI Ultra, que lo verán dentro de Project Genie a lo largo de las próximas semanas. En paralelo, algunos socios de la API de Gemini y de Google AI Studio podrán integrarlo antes que el público general.
Si el interés está en verlo funcionar sin depender de un acceso especial, lo razonable es seguir los anuncios oficiales de DeepMind y esperar a que la vista previa se abra más. Si lo que interesa es construir encima, la vía realista pasa por la API, y esa ventana llegará cuando Google la anuncie. Por ahora, Genie 4 es la promesa de un mundo que se deja tocar y que, por primera vez, también suena.
