Genie 4: DeepMind genera mundos con sonido en tiempo real

Qué es Genie 4 y por qué no es un generador de video

Google DeepMind presentó Genie 4, un modelo que genera mundos virtuales interactivos en tiempo real y que se pueden modificar hablando mientras la simulación está en marcha. El anuncio se publicó el 27 de octubre y, por ahora, solo está disponible como vista previa de investigación para probadores de confianza.

La diferencia con un generador de video es conceptual. Un modelo de mundo no produce una secuencia cerrada que se reproduce igual cada vez: construye un entorno que responde a lo que haces en cada momento, como un videojuego que nadie programó. Ars Technica lo resume así: no hace falta pre-renderizar escenarios ni programar elementos interactivos, solo describes lo que quieres y el modelo genera la experiencia fotograma a fotograma mientras la exploras.

Según DeepMind, puedes describir paisajes y sucesos, mover la cámara, añadir personajes o cambiar el clima en vivo. El modelo simula aerodinámica y colisiones, y el movimiento humano se puede dirigir en tiempo real.

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 →

Cómo funciona: Gemini como director y el salto al audio

La novedad que DeepMind destaca como primera de su tipo es el audio nativo: música, sonido ambiente y diálogos, con personajes que conversan y reaccionan dentro del mundo generado. La propia compañía lo posiciona como "el primer modelo de mundo en tiempo real que también genera sonido", una afirmación que, como señalan las coberturas, es de DeepMind y no ha sido verificada de forma independiente.

Para sostener el realismo, Genie 4 se apoya en otros modelos de Google. Gemini Omni ancla la apariencia y el comportamiento del mundo, mientras que Gemini 3.8 Flash actúa como un agente que observa, divide los objetivos en pasos y comprueba cada fotograma. TechCrunch describe ese rol como el de un "director" que mantiene la simulación en curso y evita que pierda el contexto original.

El uso más llamativo que muestra DeepMind es en robótica. Combinado con Gemini 4 Argon y Gemini Robotics, el modelo simuló al humanoide Apollo, de Apptronik, jugando a las damas. La idea de fondo: probar escenarios de robots en simulación antes de ejecutarlos en el mundo real. "Lo que veremos cada vez más son modelos de mundo híbridos, donde Gemini escribe código y texto, y Genie lo ingiere en tiempo real y simula la realidad a distintos niveles de abstracción", explicó Tejas Kulkarni, director de investigación de Google, durante un briefing.

Los límites que DeepMind reconoce

La compañía enumera las limitaciones sin rodeos, y esto importa tanto como las capacidades:

El modelo aguanta unos pocos minutos de interacción continua, no sesiones largas. TechCrunch concreta que mantiene una escena coherente hasta dos minutos, el doble que Genie 3, una cifra que Google no publica en sus páginas.
Los detalles visuales y la permanencia de los objetos pueden desviarse con el tiempo.
No reproduce con exactitud lugares reales.
El texto legible casi solo aparece si estaba en la descripción inicial.
La precisión del audio en tiempo real sigue en investigación.

DeepMind tampoco ha publicado la resolución, los fotogramas por segundo ni el precio. Todo lo que genere llevará la marca de agua invisible SynthID, tanto en video como en audio.

La carrera de los modelos de mundo: quién más mueve ficha

Genie 4 no sale en un vacío. TechCrunch sitúa el anuncio en un sector que se está consolidando rápido: Runway lanzó su segundo modelo de mundo, GWM Worlds 2, unos meses antes; AMD está adquiriendo World Labs, la startup de Fei-Fei Li; Amazon negocia la compra de Decart; y Rivian adquirió Third Dimension para llevar la simulación de conducción autónoma hacia dentro.

Sobre la operación de AMD, SiliconANGLE reportó que la compañía pagará US$8.200 millones en acciones por World Labs, siete meses después de haber respaldado una ronda de US$1.000 millones que valoró a la startup en US$5.000 millones. The Next Platform añade que World Labs, fundada en 2024, había levantado US$1.230 millones en dos rondas y que su modelo Marble tuvo lanzamiento público en noviembre de 2025.

Ese movimiento tiene una lectura estratégica clara para el sector: los fabricantes de chips quieren controlar también la capa de modelos. Y hay un matiz que TechCrunch documentó en septiembre: las empresas de modelos de mundo son especialmente herméticas sobre qué están construyendo y cuándo piensan monetizarlo, en parte para no atraer competencia antes de tener un camino al mercado definido.

Qué significa esto para tu startup

El valor de Genie 4 a corto plazo no está en los dos minutos de mundo, sino en que Google lo conecte con sus modelos de lenguaje y de robótica. Ahí es donde aparece una oportunidad concreta para equipos pequeños.

1. Simulación como servicio, no como infraestructura propia. Entrenar y probar robots o agentes en entornos simulados que nadie tuvo que construir a mano baja el costo de iteración de semanas a horas. Si tu startup trabaja en robótica, logística automatizada o agentes físicos, la pregunta ya no es si simular, sino cuánto de tu pipeline de pruebas puedes mover a un modelo de mundo. La ruta de acceso anunciada pasa por la Gemini API y Google AI Studio para partners de acceso temprano, así que vale la pena registrarse en la lista de espera de Project Genie y evaluar si tu caso de uso encaja.

2. Prototipado creativo antes de producir. Los probadores de confianza están señalando un uso nuevo: prototipar películas. Diego Rivas, ingeniero de DeepMind, lo describió como el momento de ideación y storyboard, donde mantener el estado de flujo creativo es más valioso. Para estudios, agencias y equipos de contenido, eso significa validar una idea visual en minutos en lugar de esperar un render.

3. No construyas tu producto sobre una demo. El modelo todavía pierde coherencia tras unos minutos, el texto en pantalla no es fiable y no hay precio ni fecha confirmada para España ni LATAM. Si tu plan de negocio depende de que Genie 4 esté disponible y sea barato, tienes un riesgo de plataforma. Diseña con una capa de abstracción que te permita cambiar de proveedor.

Conclusión

Genie 4 marca un salto real: audio nativo, edición en vivo y una integración más profunda con Gemini. Pero sigue siendo una vista previa de investigación, con límites reconocidos y sin precio público. Para un founder, la señal más útil no es la demo, sino la dirección: Google está construyendo la infraestructura para simular realidad a demanda, y esa infraestructura va a abaratar la experimentación en robótica, gaming y contenido. La jugada inteligente hoy es entender dónde encaja tu caso de uso y posicionarte en la lista de acceso temprano, no reescribir tu roadmap alrededor de un modelo que todavía no tiene fecha de lanzamiento abierta.