El salto frente a Genie 3 es de categoría: ya no se trata de ver un video generado, sino de entrar en él. El usuario se desplaza con el teclado y modifica la simulación con instrucciones de texto mientras esta se genera. Cambiar el clima, mover la cámara o hacer aparecer a una persona nueva son órdenes que Genie 4 interpreta sobre la marcha, según la demostración publicada por la compañía.

Qué es capaz de hacer Genie 4

DeepMind asegura que el modelo simula físicas del mundo real, como la aerodinámica y las colisiones, pero su avance más llamativo está en las personas. Los personajes se mueven de forma natural, reaccionan al entorno y conversan: Genie 4 es el primer modelo de mundo en tiempo real de la compañía que genera audio de manera nativa, con diálogo interactivo que se adapta a lo que el usuario escribe.

La base técnica viene de la familia Gemini. Según la empresa, Gemini Omni ancla las simulaciones en la apariencia y el comportamiento del mundo real, mientras otros modelos de Gemini aportan el razonamiento necesario para que la escena mantenga coherencia entre una orden y la siguiente.

Entre los ejemplos publicados hay un saxofonista tocando sobre una plataforma flotante en medio de un lago, una estación de tren japonesa de los años ochenta llena de pasajeros y un paseo en globo sobre la Antártida. En todos, la cámara se mueve libremente y el mundo responde en tiempo real. Vale anotar que se trata de demostraciones seleccionadas por la propia empresa, no de pruebas independientes.

Quienes sí lo han probado hablan de un salto considerable. El académico Ethan Mollick, con acceso anticipado, contó que escribió “ciudad neogótica brutalista habitada por robots y caballos” y obtuvo un mundo explorable en cerca de un minuto, al que luego añadió dragones y un personaje no jugable con el que interactuar.

Cuándo y quiénes podrán usarlo

Por ahora, Genie 4 está en vista previa de investigación, limitada a un grupo de probadores de confianza. El despliegue comenzará con los suscriptores de Google AI Ultra dentro de Project Genie y con socios que tengan acceso anticipado a la API de Gemini y a Google AI Studio. La compañía ya abrió una lista de espera.

DeepMind presenta estos modelos como un paso hacia la inteligencia artificial general: simulaciones infinitamente variables que sirven, entre otras cosas, para entrenar robots y agentes. Los usos que ya explora con probadores incluyen diseño de videojuegos, previsualización de efectos visuales para cine, educación y simulación robótica.

El anuncio llega en plena carrera por los modelos de mundo, una de las apuestas más fuertes de la industria tras los modelos de lenguaje. La compañía ya llevó Gemini 3 al Buscador y a sus herramientas de desarrollo, y Genie 4 reutiliza parte de esa base. Lo que aún no se conoce es el comportamiento del modelo fuera de las demostraciones: costo de generación, límites de duración de cada simulación y calidad sostenida son preguntas abiertas.

Para el público general, la única vía de acceso hoy es la lista de espera de Project Genie. Google no ha dado una fecha de lanzamiento amplio.

Fuentes: Google DeepMind, The Verge