DeepMind presenta Genie 4, su modelo de mundos con audio

Genie 4: audio nativo y hasta dos minutos de mundo coherente

Google DeepMind presentó Genie 4, su nuevo modelo de mundos, con dos avances que cambian el uso práctico de la tecnología: por primera vez genera audio nativo —música, sonido ambiente y diálogo interactivo que se adapta a lo que ocurre en la escena— y mantiene la coherencia de un mundo simulado durante hasta dos minutos, el doble del límite de Genie 3, según TechCrunch. El anuncio lo firman Raia Hadsell, Diego Rivas y Hang Qi, y Unite.AI reportó que la compañía describe el modelo como nativamente multimodal.

La diferencia entre un video generativo y un world model es la interactividad. Un modelo de mundos no requiere que nadie pre-renderice escenarios ni programe elementos interactivos: se describe el mundo en texto y el sistema lo genera cuadro por cuadro, en tiempo real, mientras el usuario lo recorre. DeepMind sostiene que esta capacidad es una pieza central del camino hacia la AGI, porque habilita entrenar agentes en un curriculum prácticamente ilimitado de entornos simulados.

Eso explica por qué la revelación de Genie 3 en agosto de 2025 puso a la baja las acciones del sector de videojuegos. El mercado leyó un competidor directo; DeepMind, en cambio, lo presenta como infraestructura de entrenamiento.

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 →

Gemini 3.8 Flash: el director de escena que sostiene la simulación

Genie 4 no trabaja solo. Según el reporte de Unite.AI, Gemini 3.8 Flash funciona como agente guía dentro del bucle: observa la escena, descompone los objetivos en pasos, revisa cada frame que llega para verificar que cada paso se cumplió y ajusta el plan cuando el mundo cambia o el usuario interviene. Ese mecanismo es el que permite mundos con causalidad más confiable y razonamiento de varios pasos.

También habilita el control en caliente. Puedes cambiar el clima, mover la cámara o introducir una persona u objeto nuevo en plena simulación, y el sistema reajusta la escena en consecuencia. Es un patrón parecido al de los modelos de razonamiento, que generan prompts internos adicionales para acercarse al resultado correcto.

Tejas Kulkarni, research director de Google, resumió hacia dónde va esto durante el briefing, según TechCrunch: lo que se verá cada vez más son modelos de mundo híbridos, donde Gemini escribe código y texto mientras Genie lo ingiere en tiempo real y simula la realidad en distintos niveles de abstracción.

Física, personas y robótica: dónde aparece el valor real

Unite.AI detalla cuatro áreas de capacidad: control en tiempo real, física y acción humana, audio nativo y eventos de varios pasos. La mejora que DeepMind describe como la mayor es la simulación de personas: personajes que se mueven con naturalidad, reaccionan a su entorno y pueden dirigirse en tiempo real.

Ahí está el caso de uso que más debería importar a un founder que trabaja con hardware o con agentes. En un experimento vinculado a Gemini Robotics, un modelo Gemini 4 Argon descompuso una tarea en pasos que Genie 4 simuló en vivo; en una demostración documentada, ambos sistemas simularon al humanoide Apollo de Apptronik jugando una partida de damas. La promesa es concreta: probar escenarios de robot en simulación antes de gastar en el mundo físico.

TechTimes documentó cómo DeepMind ya conectó este enfoque con SIMA 2, presentado en noviembre de 2025, en lo que ese medio describe como el bucle de entrenamiento infinito: Genie genera los mundos y actúa como profesor, mientras el agente practica dentro de ellos sin necesidad de nuevas demostraciones humanas.

La carrera de los world models se está acelerando

Genie 4 no llega a un campo vacío. TechCrunch reporta que Runway lanzó su segundo world model, GWM Worlds 2, un par de meses antes, con audio y respuesta dinámica a las entradas del usuario. Y el sector empieza a consolidarse: AMD está adquiriendo World Labs, de Fei-Fei Li; Amazon está en conversaciones para comprar Decart; y Rivian adquirió Third Dimension para internalizar capacidades de simulación para pruebas de conducción autónoma.

El capital también se está moviendo hacia el área. The Next Web, citando al Financial Times, reportó que Emulate, startup británica fundada por ex investigadores del equipo de modelos de mundo de DeepMind, negocia una ronda semilla de hasta US$700M liderada por Index Ventures y Lightspeed, con participación de Creandum.

Qué significa esto para tu startup

Prototipa antes de programar. Si tu producto vive en un motor de videojuego o en un entorno 3D, el flujo que los trusted testers están probando —pasar de la idea a un prototipo explorable en segundos para validar estilo visual, materiales y mecánicas con prompts de texto— vale la pena copiarlo antes de escribir una línea de código de engine.
Prepara tus escenarios de simulación en texto. Para equipos de robótica o hardware, la lección de SIMA 2 y Genie 4 es que la simulación se está volviendo infraestructura de entrenamiento, no un gasto accesorio. Documenta tus escenarios críticos y tus casos borde ahora, para estar listo cuando la capacidad esté disponible.
Presupuesta acceso, no infraestructura. DeepMind planea liberar Genie 4 en las próximas semanas a suscriptores de Google AI Ultra dentro de Project Genie, y a partners de acceso temprano de la Gemini API y Google AI Studio; la lista de espera ya está abierta, según Unite.AI. Para una startup pequeña, eso es un costo operativo mucho más digerible que construir un pipeline de simulación propio.
Cuenta con el marcado de contenido. Según Unite.AI, todo video y audio generado por Genie 4 incluirá SynthID, la marca de agua imperceptible de DeepMind. Si publicas contenido sintético o lo recibes de terceros, conviene tener claro ese estándar antes de firmar un entregable.

Los límites que DeepMind reconoce

La honestidad del propio equipo marca el techo actual. Según TechCrunch, los detalles y objetos pueden derivar a medida que la simulación avanza, y el equipo aún no ha resuelto cómo garantizar que el audio sea preciso ni que el texto dentro del mundo sea legible. Unite.AI agrega que la permanencia de objetos, la precisión espacial y la consistencia de largo plazo siguen siendo áreas de investigación activa.

El producto público también es más conservador que la demo: TechTimes señala que el prototipo de Project Genie limita las generaciones a 60 segundos a 720p. Es decir, Genie 4 es hoy una herramienta de exploración y prototipado rápido, no un motor de producción. Para un founder, eso define exactamente dónde ponerlo a trabajar y dónde no: en las etapas de ideación y storyboard, sí; como motor de un producto en vivo, todavía no.