Google DeepMind ha presentado Genie 4, un modelo capaz de generar mundos interactivos que responden mientras una persona los explora. La novedad no es solo lo que aparece en pantalla: también produce sonido dentro de la escena y permite cambiar lo que ocurre mediante instrucciones escritas. El anuncio se hizo el 27 de octubre y, por ahora, el acceso es una vista previa de investigación para un grupo de probadores seleccionados.
La diferencia se entiende al mirar las demostraciones: en lugar de esperar un vídeo terminado, el usuario puede moverse con el teclado, controlar la cámara y escribir una modificación mientras el mundo sigue desarrollándose. En una escena presentada por Google, un músico toca en una isla y una instrucción introduce un nuevo elemento. Son grabaciones de demostraciones del fabricante, no una prueba independiente de PLANA. Google DeepMind explica su funcionamiento y muestra los ejemplos originales.
Qué hace Genie 4 y cómo se controla
Genie 4 pertenece a una familia de modelos de mundo: sistemas que generan una representación visual de un entorno y su evolución. El usuario describe una escena, o parte de una imagen de referencia, y después puede navegar por el resultado. Las demostraciones oficiales muestran controles de teclado para desplazarse y manejar la cámara, además de un campo de texto para modificar la simulación sobre la marcha.
Esas órdenes pueden cambiar el tiempo, introducir una persona u objeto o modificar el punto de vista. Según Google, modelos Gemini ayudan a interpretar las instrucciones y a mantener la continuidad mientras Genie genera lo que se ve y se oye. Eso permite experimentar con una escena que reacciona a las decisiones del usuario, aunque no significa que cada objeto se comporte siempre como en el mundo físico.
Una de las demos sitúa al espectador sobre un dragón en vuelo; otra muestra un músico y un entorno que cambia al recibir indicaciones. Son escenas generadas por IA. Su interés está en la interacción, no en confundirlas con grabaciones de hechos reales.
Sonido y personajes que responden
Google afirma que Genie 4 es su primer modelo de mundo en tiempo real que genera audio de forma nativa. En las demostraciones incluye ambiente, música y voces asociadas a la escena; los personajes pueden conversar y reaccionar a instrucciones o acontecimientos. El audio que acompaña a los ejemplos del anuncio, explica la compañía, fue generado por Genie 4.
La posibilidad de escuchar una escena mientras se modifica podría facilitar una primera exploración creativa: por ejemplo, probar cómo cambia una secuencia al mover la cámara o introducir un personaje. Eso es distinto de tener una película terminada o un motor de videojuegos listo para producción. Google presenta estas aplicaciones como experimentos y posibles usos, no como resultados garantizados.
Para qué podría servir a creadores y robots
La compañía menciona pruebas de previsualización para cine, creación de prototipos de experiencias interactivas y simulaciones para investigar robótica. En cine, un equipo podría explorar una idea antes de rodar; en juegos, ensayar una dirección visual o una situación antes de construirla en un motor convencional. La utilidad real dependerá de la precisión, el control y las condiciones de acceso de la herramienta final.
Google también describe un experimento que combina Gemini 4 Argon con Genie 4 para simular al humanoide Apollo jugando a las damas. En él, Gemini descompone la tarea en pasos y Genie representa la escena. Se trata de una simulación presentada por la compañía, no de una demostración de que un robot físico haya aprendido esa tarea gracias a Genie 4.
Disponibilidad: no está abierto para todo el mundo
La vista previa de investigación ya ha comenzado para probadores seleccionados. Google dice que más adelante llegará a suscriptores de Google AI Ultra mediante Project Genie y a socios de acceso anticipado de Gemini API y Google AI Studio. También ofrece una lista de espera para Project Genie, enlazada desde el anuncio. La compañía no concreta allí una fecha de apertura general, precio de API ni disponibilidad para España: conviene comprobar las condiciones cuando se anuncien.
Esto importa si quieres probarlo: ver una demostración pública no implica que la función ya aparezca en tu cuenta. Tampoco equivale a una confirmación de acceso en todos los planes de Gemini o a un lanzamiento general para desarrolladores.
Sus límites: coherencia, física y texto
DeepMind reconoce que el modelo sigue siendo experimental. Los detalles y los objetos pueden cambiar o dejar de conservarse durante sesiones más largas, especialmente después de varias modificaciones complejas o al recorrer el entorno. También siguen en investigación la precisión de interacciones físicas, el audio en tiempo real, la representación espacial y la legibilidad del texto.
Por tanto, un resultado convincente en una demo no garantiza una simulación fiable para entrenar un robot ni una escena consistente durante una sesión larga. Google indica que el vídeo y el audio generados incorporarán SynthID, una marca de agua imperceptible para ayudar a identificar contenido generado por IA.
Genie 4 apunta a una forma distinta de trabajar con imágenes generadas: explorar y cambiar una escena mientras sucede. La pregunta práctica será cuánto control y continuidad conserva fuera de los ejemplos seleccionados por Google, cuando más personas puedan ponerlo a prueba.