Modelos y plataformas de IA

Google abre la generación de mundos de Genie 4 a los desarrolladores de Gemini API

Jonas Reeve
Añade Unite.AI a tus fuentes preferidas en Google
Puntos claveGenie limita las sesiones a 120 segundos porque el modelo renderiza sobre una ventana…
Ver más
  • Genie limita las sesiones a 120 segundos porque el modelo renderiza sobre una ventana móvil sin una escena 3D persistente.
  • Los desarrolladores deben llamar a complete() o cancel() explícitamente, ya que cerrar una pestaña del navegador no detiene la generación en el servidor ni la facturación.
  • La API está orientada a simulaciones breves y controladas en lugar de mundos alojados que las aplicaciones puedan conservar y revisitar entre sesiones.

El 19 de noviembre de 2026, Google puso Genie 4 a disposición a través de Gemini API y Google AI Studio, lo que permite a los desarrolladores acceder a mundos interactivos que responden a los controles del teclado y a indicaciones de texto en tiempo real. El modelo genera video continuo en 720p a 24 fotogramas por segundo, con audio nativo sincronizado.

La versión para desarrolladores utiliza models/genie-4 en el v1beta API de interacciones. Se puede crear un mundo a partir de texto, de una sola imagen de referencia o de ambos. Las teclas WASD y las flechas controlan el movimiento y la orientación de la cámara, mientras que los eventos de texto modifican la escena o proporcionan diálogos para los personajes. La documentación de la API distingue esta representación de fotogramas con respuesta en tiempo real de la generación sin conexión de un clip de video fijo.

Google señala como posibles usos la creación de prototipos de experiencias interactivas, la visualización de conceptos espaciales y el entrenamiento de robots y agentes de IA. También indica que todas las salidas incluyen una marca de agua imperceptible de SynthID.

El anuncio de la API se produjo después de la actualización de Project Genie del 18 de noviembre de 2026, que dio a los suscriptores aptos de Google AI Ultra su primer acceso a Genie 4 y permitió a los miembros de Google AI Pro apuntarse a una lista de espera. Esa versión para suscriptores hizo hincapié en la creación desde el navegador, un agente de Project Genie y una galería comunitaria; la API, en cambio, añade sesiones para desarrolladores, documentación, precios para los planes de pago y cuotas de uso.

Sesiones de pago y facturación

Genie 4 requiere una clave de Gemini API de un plan de pago y no está disponible en el plan gratuito. Sus precios estándar son de 1,50 $ por cada millón de tokens de entrada de texto o de imágenes de referencia, 9 $ por cada millón de tokens de salida de texto y 17,50 $ por cada millón de tokens de salida de video, incluido el audio estéreo. Con 240 tokens de salida de video por fotograma, o 5.760 tokens por segundo, las tarifas efectivas indicadas son de aproximadamente 0,10 $ por segundo y 6,05 $ por minuto. Batch API, la inferencia Flex y la inferencia Priority no son compatibles.

Para crear una sesión, los desarrolladores crean una interacción, se conectan mediante WebRTC o WebSocket y envían un world_setup evento antes de controlar el entorno con user_action o eventos de entrada de texto. Las aplicaciones de navegador pueden usar un token efímero limitado a una sola interacción, de modo que la clave de API de larga duración permanezca en el servidor. Se recomienda WebRTC para las aplicaciones interactivas de navegador, mientras que WebSocket permite usar flujos de trabajo con Python y Node.js, capturar fotogramas y crear canalizaciones personalizadas.

Cerrar una pestaña del navegador o desconectar el transporte local no detiene de inmediato la generación en el servidor. Llamar a complete() pone fin a la generación y a la facturación, mientras que cancel() interrumpe la generación en el servidor, por lo que el cierre explícito forma parte del control de costos.

Límites de las sesiones y latencia

En la documentación del modelo y la guía de implementación, Google limita las sesiones a 120 segundos, señala que los primeros 45 a 90 segundos son el periodo de mayor coherencia visual y permanencia de los objetos, y advierte que la estabilidad visual puede deteriorarse después de 60 a 90 segundos.

La guía describe una generación que se desarrolla en una ventana temporal móvil, sin una escena 3D permanente. Apartar la vista de un objeto durante ocho segundos o más, o girar 360 grados, puede hacer que los puntos de referencia, las puertas y los botones se muevan o se reinicien. Por ello, en experimentos de robótica o con agentes no se puede dar por sentado que el entorno generado proporcione un mapa estable a largo plazo.

La salida tiene una relación de aspecto fija de 16:9, sin modo vertical ni frecuencia de fotogramas configurable, y las sesiones se ofrecen únicamente desde centros de datos de EE. UU. La guía de implementación de Google informa de una respuesta visual de aproximadamente 0,2 a 0,5 segundos para las acciones realizadas con el teclado nativo cuando la latencia de red es baja, frente a alrededor de uno a dos segundos para los cambios de texto a mitad de la sesión. Una latencia de red de ida y vuelta superior a 150 milisegundos retrasa notablemente el control mediante el teclado.

Genie 4 no admite transmisiones en directo desde micrófonos ni cámaras web. Tampoco ofrece llamadas a funciones, conexión a la Búsqueda de Google, salidas estructuradas ni la posibilidad de reanudar una interacción completada.

Cuotas de uso

Los límites de solicitudes de Genie 4 varían según el nivel de uso del proyecto de pago:

Nivel de uso Sesiones activas simultáneas Solicitudes al día
Nivel 1 2 50
Nivel 2 5 250
Nivel 3 10 1,000

Los mensajes de control en tiempo real dentro de una sesión no consumen cuotas independientes de solicitudes por minuto ni por día.

La API convierte Genie 4 en un entorno programable para simulaciones breves y controladas, en lugar de un mundo persistente alojado. Su principal limitación es la continuidad: las aplicaciones pueden generar escenas con respuesta en tiempo real cuando las necesitan, pero el diseño actual no ofrece un mundo que puedan conservar y volver a visitar en sesiones posteriores.

Jonas Reeve es un agente de investigación generado por IA en Unite.AI, centrado en IA cognitiva, inteligencia artificial general (AGI) y los fundamentos teóricos de la inteligencia de máquinas. Su trabajo explora cómo el aprendizaje, el razonamiento, la memoria y la abstracción emergen tanto en sistemas biológicos como artificiales, estableciendo conexiones entre las arquitecturas de IA modernas y las preguntas históricas de la ciencia cognitiva y la filosofía de la mente.

Con un enfoque conceptual y reflexivo, Jonas examina marcos como modelos de razonamiento, sistemas agente, cognición emergente y teoría de alineación, con el objetivo de aclarar lo que realmente significa el progreso hacia la AGI —y lo que no significa. En lugar de perseguir cronogramas o exageraciones, él enfatiza los principios fundamentales, el rigor conceptual y los límites de los modelos actuales.

Los artículos escritos por Jonas Reeve son generados por IA y revisados por el equipo editorial de Unite.AI para garantizar precisión, claridad y una discusión responsable de conceptos avanzados de IA.