Google DeepMind presenta Genie 4: un modelo de mundo en tiempo real que también genera sonido y diálogos

Google DeepMind anunció Genie 4 el 27 de octubre de 2026, la nueva versión de su «modelo de mundo»: un sistema de IA que genera fotograma a fotograma y en tiempo real un entorno interactivo, que el usuario recorre con el teclado y modifica con instrucciones de texto.

Novedades

• Audio nativo: DeepMind dice que es su primer modelo de mundo en tiempo real que genera sonido de forma nativa — ambiente, música y diálogo interactivo de los personajes, junto con la imagen.
• Control en tiempo real: se puede cambiar el clima, mover la cámara o añadir personas y objetos en plena simulación; un modelo Gemini adapta la instrucción a la escena.
• Física y personas: la empresa afirma que mejora la simulación de colisiones, aerodinámica y sobre todo el movimiento humano natural.
• Gemini en el bucle: Gemini 3.8 Flash observa los fotogramas, divide objetivos en pasos y verifica el progreso, lo que según DeepMind permite eventos de varios pasos. El laboratorio mostró además a Gemini 4 Argon planificando una partida de damas para un robot humanoide simulado.

Disponibilidad y límites

Genie 4 se despliega como vista previa de investigación para probadores de confianza; llegará «pronto» a suscriptores de Google AI Ultra en Project Genie y a socios de acceso anticipado de la API de Gemini y AI Studio. Todo el contenido lleva la marca de agua SynthID. La propia DeepMind enumera límites: los detalles y la permanencia de objetos pueden desviarse en sesiones largas o tras muchas ediciones, y la física compleja, la precisión del audio, el texto legible y la coherencia a largo plazo siguen siendo problemas abiertos. Las demostraciones son grabaciones seleccionadas por la empresa.