Genie 4: Google añade audio y edición en tiempo real

¿Qué es Genie 4 y en qué se diferencia de Genie 3?

Google DeepMind presentó Genie 4, su nuevo modelo de mundo, el 27 de octubre. El sistema genera experiencias interactivas con audio nativo, permite editar la simulación en tiempo real con una instrucción escrita en lenguaje natural y mantiene la coherencia de la escena durante unos dos minutos, el doble que su predecesor. Para un founder, la señal es concreta: la simulación interactiva dejó de ser una demo de laboratorio y empieza a comportarse como una herramienta de producción.

Conviene entender qué es un modelo de mundo antes de mirar el titular. No es un generador de video: no pre-renderiza entornos ni necesita que alguien programe los elementos interactivos. Se describe lo que se quiere y el modelo construye la experiencia cuadro por cuadro, en tiempo real, mientras el usuario la recorre. Ars Technica lo plantea como la diferencia entre reproducir un clip y habitar un escenario que responde.

Genie 3, el antecesor, se anunció en agosto de 2025 y fue el primer modelo de mundo de DeepMind que permitía interacción en tiempo real: navegación a 24 fotogramas por segundo, resolución de 720p y coherencia de unos pocos minutos, según Unite.AI. Su presentación sacudió las acciones del sector gaming, recuerda Ars Technica. Genie 4 llega poco más de un año después con la promesa de cerrar varias de esas brechas.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

¿Qué novedades trae Genie 4? Audio, edición en vivo y Gemini 3.8 Flash

Google resume cuatro actualizaciones principales, y cada una tiene una lectura práctica distinta:

Mundos más realistas. El modelo mejora la simulación de física —aerodinámica, colisiones— y sobre todo la de personas: personajes que se mueven con naturalidad, reaccionan a su entorno y pueden dirigirse en tiempo real, según la descripción que recoge Unite.AI.
Edición en tiempo real. Puedes cambiar el clima, mover la cámara o introducir una persona u objeto mientras la simulación corre, escribiendo la instrucción en lenguaje natural. Gemini adapta el prompt al contexto de la escena y, entre ediciones, monitorea que el mundo siga avanzando con coherencia.
Audio nativo. Es el primer modelo de mundo en tiempo real de DeepMind que genera audio, según la compañía: cada mundo trae el sonido ambiente de su propio escenario, del viento entre los árboles a las olas en la playa, más diálogos interactivos que se ajustan sobre la marcha.
Gemini 3.8 Flash como director. El modelo de Gemini actúa como agente guía: descompone el objetivo en pasos y revisa los fotogramas entrantes para verificar que cada uno se cumplió, según TechCrunch. Eso es lo que habilita causalidad confiable y eventos de varios pasos.

«Lo que veremos cada vez más en el futuro son modelos de mundo híbridos, donde tienes una combinación de Gemini escribiendo código y texto, y Genie ingiriendo eso en tiempo real y simulando la realidad en distintos niveles de abstracción», dijo Tejas Kulkarni, director de investigación de Google, durante un briefing recogido por TechCrunch.

¿Para qué sirve un modelo de mundo en un negocio real?

Los casos de uso comerciales que Google pone sobre la mesa son gaming, aprendizaje interactivo y robótica. Pero los testers con acceso anticipado están señalando uno nuevo: prototipado de cine.

«El aspecto de tiempo real se vuelve más valioso en las áreas donde mantener un estado de flujo en el terreno creativo es increíblemente útil. Por ejemplo, en la fase de ideación, en la de storyboard, en cualquier momento en que necesitas ideación rápida», dijo Diego Rivas, ingeniero de Google DeepMind, en un briefing recogido por TechCrunch.

En la práctica, DeepMind describe a cineastas usando Genie 4 como un «modo borrador» para previsualización: entran en una simulación viva de una escena y corren varias tomas en tiempo real ajustando ángulos de cámara, iluminación, diálogo y acción. También hay fotoperiodistas explorando cómo convertir una fotografía de archivo en 2D en una simulación de ese entorno en segundos, y equipos probando mundos dinámicos para visualizar eventos ambientales como inundaciones repentinas o incendios, según Unite.AI.

En robótica, el experimento documentado cruza Gemini 4 Argon con Genie 4 y Gemini Robotics: Argon descompone una tarea pedida por el usuario en pasos que se intercalan como subtítulos mientras la simulación se renderiza, y ambos sistemas simulan al humanoide Apollo de Apptronik jugando una partida de damas. La idea de fondo es entrenar y validar escenarios de robots en simulación antes de que ocurran en el mundo real.

La consolidación del sector: quién está comprando modelos de mundo

Genie 4 no sale a un mercado vacío. Según TechCrunch, Runway lanzó su segundo modelo de mundo, GWM Worlds 2, un par de meses antes: un modelo jugable que responde dinámicamente a los inputs del usuario e incluye generación de audio. Y el sector entró en fase de consolidación: World Labs, la startup de Fei-Fei Li, está siendo adquirida por AMD; Amazon está en conversaciones para comprar Decart; y Rivian acaba de adquirir Third Dimension para llevar la simulación de pruebas de conducción autónoma in-house, según el mismo medio.

El caso de Decart merece atención. Anthropic habría terminado las conversaciones para adquirir Decart AI por aproximadamente US$6,000M tras el due diligence, según Bloomberg vía TechRepublic, aunque las compañías podrían explorar una alianza. La operación habría sido la mayor adquisición de Anthropic hasta la fecha. En paralelo, TechRepublic reporta que Nvidia acordó comprar Hugging Face por US$12,900M y que SpaceX adquirió Cursor por US$60,000M.

El capital también fluye hacia los modelos de mundo puros. Veeda AI, la startup de la exinvestigadora de Nvidia Sanja Fidler, levantó US$90M en una ronda seed co-liderada por Khosla Ventures y Radical Ventures, una de las mayores seed de una startup canadiense, según SiliconANGLE. El mismo medio recuerda que World Labs levantó US$500M en enero, que Decart.ai sumó US$300M en mayo y que Waabi cerró US$750M en enero. Y Odyssey presentó Odyssey-3 el 8 de octubre, un modelo de mundo fundacional ya adoptado por Flexion para autonomía de humanoides, según el comunicado recogido por Yahoo Finance.

¿Qué significa esto para tu startup?

Tres cosas, ordenadas por esfuerzo:

Anótate en la waitlist y pide acceso por API. Genie 4 arranca como «research preview» para testers de confianza y llegará «pronto» a los suscriptores de Google AI Ultra dentro de Project Genie, además de partners de acceso anticipado de la Gemini API y Google AI Studio. Si tu producto toca prototipado visual, gaming o entrenamiento de agentes, el acceso temprano es ventaja competitiva real.
Prototipa antes de escribir código. El caso de los game developers es el más replicable: pasar de una idea inicial a un prototipo explorable en segundos, validando estilo visual, materiales y mecánicas con prompts en lenguaje natural antes de tocar el motor gráfico. Es la forma más barata de matar una mala idea o de convencer a un inversor con algo jugable.
Si haces robótica o agentes físicos, la simulación es tu palanca de costos. Veeda AI lo plantea sin rodeos: el hardware robótico no escala como el cómputo, los errores en el mundo real son peligrosos y la experiencia física no se puede paralelizar. Los entornos simulados de alta fidelidad son la alternativa.

Los límites que Google reconoce

Ninguna de estas capacidades es todavía un producto terminado, y el propio equipo lo dice. Diego Rivas insistió durante el briefing en que es temprano para Genie 4 y que aún no está claro cuál será la experiencia de producto de punta a punta, según TechCrunch.

Los huecos documentados: los detalles y la permanencia de los objetos se desplazan a medida que la simulación se alarga, especialmente tras varias ediciones complejas o al recorrer la escena; la precisión del audio en tiempo real, el renderizado de texto legible, la precisión espacial y la consistencia de largo plazo siguen siendo áreas de investigación activa, según Unite.AI. Google también advierte que, al correr más tiempo, los detalles y la permanencia de objetos pueden cambiar.

Un punto que suele pasarse por alto: todo el video y audio generado por Genie 4 incluye SynthID, la marca de agua digital imperceptible de DeepMind para identificar contenido generado por IA, según Unite.AI. Si tu producto publica material creado con estos modelos, conviene saber que va etiquetado.

Conclusión

Genie 4 no es un juguete de laboratorio: es la señal de que la simulación interactiva entró en la fase de producto, con audio nativo, edición en vivo y una duración útil que se duplicó en un año. El mercado lo confirma desde el otro lado, con AMD, Amazon, Anthropic y Rivian moviéndose sobre startups de modelos de mundo y rondas seed que ya se cuentan en decenas de millones de dólares.

Para un founder hispanohablante, la lectura es pragmática. No necesitas construir un modelo de mundo para aprovechar la ola: necesitas saber cuándo reemplaza una semana de prototipado, cuándo reemplaza una prueba física costosa y cuándo todavía no está listo. La waitlist está abierta; el costo de probar es bajo y el de ignorarlo, cada vez más alto.