Genie 4: de mundos de 60 segundos sin sonido a simuladores con audio y diálogo en tiempo real

En enero de 2026, un mundo generado por IA en tiempo real duraba 60 segundos y no tenía sonido. Diez meses después, Google DeepMind presentó un modelo que genera el mundo, el audio y los diálogos al mismo tiempo, y que se deja dirigir con texto mientras uno lo recorre. Ese modelo es Genie 4, anunciado el 27 de octubre de 2026.

En corto: los modelos de mundo dejaron de ser una demo curiosa para convertirse en simuladores. Todavía no están listos para producción, pero ya muestran hacia dónde va el entrenamiento de robots, de agentes de IA y la previsualización de proyectos.

Qué es un modelo de mundo

Un generador de video produce una toma fija. Un modelo de mundo produce un entorno que responde: usted avanza con el teclado, gira la cámara o pide que empiece a nevar, y el modelo genera el siguiente cuadro según lo que acaba de pasar. Por eso se parece más a un simulador que a una película.

Cómo evolucionó en un año

Versión	Fecha	Lo que trajo
Genie 3	5-ago-2025	Mundos navegables en tiempo real a 720p y 24 cuadros por segundo, consistentes durante unos minutos, con memoria visual de hasta un minuto y «eventos» que cambian el mundo con texto. Vista previa para un grupo pequeño de académicos y creadores.
Project Genie	29-ene-2026	El primer prototipo abierto a suscriptores de Google AI Ultra, basado en Genie 3, Nano Banana Pro y Gemini. Sesiones limitadas a 60 segundos, sin los eventos por texto que se anunciaron en agosto.
Genie 4	27-oct-2026	Audio nativo (música, sonido ambiente y diálogo), instrucciones de texto durante la simulación, física más creíble y un modelo Gemini que guía la simulación. Vista previa para testers de confianza.

Lo que trae Genie 4

1. Sonido y diálogo generados con el mundo

Google DeepMind lo describe como su primer modelo de mundo en tiempo real que genera audio de forma nativa. El sonido no se agrega después: la música, el ruido ambiente y las voces de los personajes salen junto con la imagen, y los personajes pueden conversar y reaccionar a lo que hace el usuario.

2. Instrucciones de texto mientras el mundo corre

Además de moverse con el teclado, se puede escribir una instrucción durante la simulación (cambiar el clima, mover la cámara, agregar una persona o un objeto) y el mundo la incorpora sin reiniciar la escena.

3. Física más creíble

Las demostraciones muestran aerodinámica (una semilla de arce que cae del árbol al pasto), colisiones y personas que se mueven con naturalidad y se pueden dirigir en tiempo real.

4. Gemini como director de la simulación

Esta es la novedad de fondo. Gemini 3.8 Flash funciona como un agente guía: observa la escena, divide el objetivo en pasos, verifica que cada paso se haya cumplido y ajusta su plan. Otros modelos Gemini aportan el razonamiento que mantiene la coherencia entre una instrucción y la siguiente.

DeepMind también mostró a Gemini 4 Argon trabajando con Genie 4 en una partida de damas simulada con un robot humanoide Apollo de Apptronik: Gemini describe cada movimiento y Genie 4 lo simula.

Lo que Google reconoce que todavía no funciona

• Deriva en sesiones largas. Los detalles visuales y la permanencia de los objetos pueden cambiar con el tiempo, sobre todo en simulaciones largas o después de varias ediciones por texto. El modelo sostiene «unos minutos de interacción continua», no sesiones extendidas.
• Retos abiertos: interacciones físicas complejas, interacción entre varios agentes, precisión del audio en tiempo real, texto legible, fidelidad a lugares reales y consistencia a largo plazo.
• Acceso limitado. Es una vista previa de investigación para testers de confianza. Llegará a los suscriptores de Google AI Ultra en Project Genie y a socios con acceso anticipado en la API de Gemini y Google AI Studio. No hay fecha ni precio publicados.
• Marca de agua. Todo el video y el audio que genera llevan SynthID, la marca de agua invisible de Google para contenido creado con IA.

Además, Google no publicó cifras de resolución, cuadros por segundo ni duración frente a Genie 3. Algunos medios hablan de escenas consistentes durante «hasta dos minutos», pero ese dato no aparece en los materiales oficiales y aquí no lo damos por confirmado.

Para qué le sirve esto a una empresa

Un modelo de mundos no es un videojuego: es un simulador que se crea con lenguaje natural. Los usos que Google y sus testers ya exploran son:

1. Entrenar robots y agentes de IA en entornos simulados antes de exponerlos al mundo real, que es lo más caro y riesgoso.
2. Previsualizar. Los equipos creativos lo usan como «modo borrador» para planear tomas, recorridos o experiencias antes de producirlas.
3. Probar escenarios. Generar desde cero situaciones de entrenamiento, de seguridad o de operación que serían costosas o peligrosas de recrear.
4. Prototipar conceptos de juegos, experiencias interactivas o recorridos de espacios.

Nuestra lectura: hoy sirve para idear, no para operar. La ventaja no la tendrá quien consiga primero el simulador, sino quien sepa qué simular: qué proceso, con qué reglas, con qué datos y con qué criterio de éxito. Eso se puede preparar desde ahora.

Qué hacer esta semana

• Identifique dos o tres procesos de su empresa donde probar en el mundo real sea caro o riesgoso: capacitación en piso, maniobras, atención en sitio o pruebas de robots y agentes.
• Documente para cada uno qué debería pasar, qué no debe pasar y cómo se mide si salió bien. Ese documento es la base de cualquier simulación, con Genie o con otra herramienta.
• Si su equipo creativo o de innovación quiere explorarlo, regístrese en la lista de espera de Project Genie y trate los resultados como borradores, no como entregables.

Si quiere aterrizar modelos de IA (de mundo, de lenguaje o agentes) en un proceso real de su empresa, con una etapa que termine funcionando en producción, hablemos de su caso.

Fuentes

• Google DeepMind, «Genie 4: A new generation of world simulation» (27-oct-2026): https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/
• Google DeepMind, página del modelo Genie (limitaciones, disponibilidad y SynthID): https://deepmind.google/models/genie/
• Google, «Project Genie: Experimenting with infinite, interactive worlds» (29-ene-2026): https://blog.google/innovation-and-ai/models-and-research/google-deepmind/project-genie/
• Google DeepMind, «Genie 3: A new frontier for world models» (5-ago-2025): https://deepmind.google/discover/blog/genie-3-a-new-frontier-for-world-models/

Imágenes: cuadros de los videos de demostración que Google DeepMind publicó con el anuncio de Genie 4, usados con fines informativos y con crédito. Publicado el 4 de noviembre de 2026. Las capacidades descritas provienen de Google DeepMind y se actualizarán cuando haya datos independientes.