Google DeepMind presenta el modelo del mundo Genie 4 en vista previa de investigación

Google DeepMind anunció Genie 4, su nuevo modelo del mundo para la simulación interactiva en tiempo real, el 27 de octubre de 2026, y lo puso a disposición de evaluadores de confianza como vista previa de investigación.

El anuncio, firmado por Raia Hadsell, Diego Rivas y Hang Qi, describe Genie 4 como un modelo multimodal nativo, capaz de generar música, sonidos ambientales y diálogos interactivos de forma simultánea junto con el mundo simulado. DeepMind afirma que el modelo «desbloquea un realismo sin precedentes y mejora la simulación interactiva en tiempo real», y ofrece un fotorrealismo mejorado, movimientos fluidos y audio nativo; el sonido que acompaña las demostraciones lo produce directamente el modelo.

El modelo incorpora capacidades de la familia Gemini y se basa en ellas. Gemini Omni ancla las simulaciones en la apariencia y el comportamiento del mundo real, mientras que otros modelos Gemini aportan el razonamiento complejo necesario para ayudar a mantener la coherencia y la continuidad de una simulación. Con esa base, el usuario puede poner en marcha un acontecimiento y Genie 4 simula lo que sucede después: cómo responde el mundo, cómo suena y cómo se mueven, reaccionan y hablan las personas que lo habitan.

DeepMind describe la comprensión y la simulación del mundo como un aspecto crucial del desarrollo de la AGI. La empresa afirma que Genie 4 amplía su capacidad para crear simulaciones seguras y con variabilidad infinita, que pueden servir como entornos de entrenamiento para robots y agentes, además de permitir la creación de nuevas experiencias interactivas.

Cuatro áreas de capacidad

Las demostraciones de DeepMind son grabaciones de interacciones en tiempo real en las que los usuarios recorren mundos con los controles habituales del teclado y una cámara, y guían la escena con indicaciones de texto a medida que evoluciona. La primera capacidad documentada es el control en tiempo real: el usuario puede modificar una simulación en curso mediante lenguaje natural, cambiar el tiempo, mover la cámara o introducir a una persona u objeto nuevos; Gemini adapta contextualmente la indicación para que concuerde con la escena. Entre una indicación y otra, Gemini también supervisa y guía la escena para que el mundo siga evolucionando de forma coherente.

En cuanto a la física y la acción humana, DeepMind afirma que Genie 4 establece un nuevo estándar de realismo en la simulación interactiva en tiempo real, al modelar fenómenos físicos del mundo real, como la aerodinámica y las colisiones. La empresa describe la simulación de personas como el mayor avance: personajes que se mueven con naturalidad, responden espontáneamente a su entorno y pueden dirigirse de forma interactiva en tiempo real.

DeepMind describe Genie 4 como su primer modelo del mundo en tiempo real que genera audio de forma nativa. Cada mundo incluye los sonidos ambientales propios de su entorno, desde el viento entre los árboles hasta las olas que rompen en la playa. El modelo también incorpora diálogos interactivos que se adaptan al instante, con personajes que conversan y reaccionan a las indicaciones del usuario o a los acontecimientos del mundo, todo en tiempo real.

Para los acontecimientos complejos que constan de varios pasos, Gemini 3.8 Flash actúa como agente guía dentro del ciclo. Mientras Genie 4 genera un mundo en tiempo real, Gemini observa continuamente la escena, desglosa los objetivos en una secuencia de pasos y revisa los fotogramas recibidos para verificar que cada paso se haya completado correctamente; además, adapta su plan cuando el mundo cambia o interviene el usuario. DeepMind afirma que esto permite crear mundos con causalidad fiable, comportamientos procedimentales y razonamiento de varios pasos.

La empresa también ha estado experimentando con Gemini 4 Argon y Genie 4 junto con Gemini Robotics. En un ejemplo documentado, Argon desglosa una tarea indicada por el usuario en varios pasos, que aparecen intercalados como subtítulos de texto mientras se genera la simulación. Los dos sistemas simulan al humanoide Apollo de Apptronik jugando a las damas, y la simulación se adapta a medida que la tarea avanza hacia su finalización.

Evaluadores de confianza y trabajo futuro

DeepMind califica Genie 4 como un hito importante de investigación que aún es un modelo experimental en una fase temprana, y ha estado trabajando con grupos de evaluadores de confianza de los sectores creativo, periodístico, educativo, de los videojuegos y de la ingeniería. Según la empresa, los cineastas están probando Genie 4 como un «modo de borrador» rápido para la previsualización y la ideación: se adentran en una simulación en vivo de una escena y realizan varias tomas en tiempo real mientras ajustan los ángulos de cámara, la iluminación, los diálogos y la acción. Los fotoperiodistas exploran cómo una sola fotografía de archivo en 2D puede convertirse en cuestión de segundos en una simulación fiel de ese entorno, y los equipos prueban cómo unos mundos poblados y dinámicos pueden ayudar al público a experimentar espacios históricos o visualizar cómo se desarrollan fenómenos ambientales de corto plazo, como las inundaciones repentinas o los incendios forestales.

Los desarrolladores de videojuegos y los tecnólogos creativos están probando si pueden pasar de una idea inicial a un prototipo explorable en cuestión de segundos, y comprobar estilos visuales, estéticas de materiales y mecánicas interactivas mediante indicaciones en lenguaje natural antes de escribir código para el motor. Los socios empresariales están evaluando Genie 4 como herramienta para generar rápidamente escenarios de cero a uno e identificar carencias que DeepMind podría subsanar para atender mejor las necesidades de simulación.

De cara al futuro, DeepMind considera que los modelos híbridos del mundo son una vía prometedora para seguir avanzando: sistemas que combinan el razonamiento lógico y estructurado del código y los modelos de lenguaje con la rica representación sensorial de la simulación a nivel de píxel. Con este enfoque, Gemini traza la estructura y planifica entre bastidores la línea temporal narrativa, mientras Genie genera la realidad física inmediata y representa, píxel a píxel, el aspecto y el sonido del mundo, así como la forma en que responde.

Seguridad, limitaciones y disponibilidad

DeepMind afirma que Genie 4 incorpora estrictas salvaguardas de seguridad, acordes con las políticas que aplica a sus otros modelos, y que evaluó el modelo mediante pruebas internas de seguridad antes de la vista previa para evitar la generación de contenido dañino o malicioso. La compañía señala que decidió implementar Genie 4 primero entre socios de prueba de confianza para recabar comentarios iniciales. Todos los videos y audios generados por Genie 4 incluirán SynthID, la tecnología de marca de agua digital imperceptible de DeepMind para identificar contenido generado por IA en modalidades visuales y de audio.

En cuanto a las limitaciones, DeepMind afirma que, aunque Genie 4 puede mantener entornos coherentes durante sesiones breves, los detalles visuales y la permanencia de los objetos aún pueden cambiar o desviarse con el tiempo, sobre todo cuando una simulación se prolonga, después de varias modificaciones complejas de las instrucciones o al desplazarse por una escena. Las interacciones físicas complejas, la precisión del audio en tiempo real, la generación de texto legible, la precisión espacial y la coherencia a largo plazo siguen siendo áreas de investigación activa.

Genie 4 sucede a Genie 3, que DeepMind anunció el 5 de agosto de 2025 y describió como su primer modelo del mundo que permitía la interacción en tiempo real. Genie 3 generaba mundos dinámicos por los que los usuarios podían desplazarse a 24 fotogramas por segundo; mantenía la coherencia durante unos minutos a una resolución de 720p y se lanzó como una vista previa de investigación limitada para un pequeño grupo de académicos y creadores.

DeepMind afirma que Genie 4 estará disponible próximamente para los suscriptores de Google AI Ultra en Project Genie y para los socios con acceso anticipado en Gemini API y Google AI Studio. Además, ya está abierta la lista de espera de Genie 4 en Project Genie.