Traducido del inglés por TechUpscale con ayuda de IA y verificado con el original. Leer el original en inglés
Google DeepMind anunció Genie 4 el 27 de octubre de 2026, introduciendo un modelo de mundos interactivo capaz de generar simulaciones en tiempo real con audio nativo y físicas.
Simulación multimodal y controles
Genie 4 es multimodal por diseño, y genera sonido ambiental, música y diálogos de personajes interactivos de manera simultánea con los entornos visuales. El sistema permite a los usuarios dirigir las simulaciones en tiempo real mediante navegación por teclado estándar, controles de cámara y peticiones en lenguaje natural.
El modelo se basa en la familia de modelos Gemini de Google. DeepMind indicó que Gemini Omni ancla las simulaciones en la apariencia y el comportamiento del mundo real, mientras que otros modelos Gemini proporcionan razonamiento para mantener la continuidad entre los cambios de escena.
Razonamiento y flujos de trabajo de robótica
Para gestionar acciones de múltiples pasos en tiempo real, Gemini 3.8 Flash opera como un agente guía que observa las escenas generadas, desglosa los objetivos del usuario en pasos y realiza un seguimiento del progreso de los fotogramas a medida que el entorno cambia.
DeepMind también informó haber probado Genie 4 con Gemini 4 Argon para simular tareas robóticas, incluido un experimento que desglosaba los pasos para que el humanoide Apollo de Apptronik jugara a las damas. Evaluadores pioneros en la realización cinematográfica, el diseño de juegos, el periodismo y la simulación empresarial han evaluado la herramienta para el diseño conceptual y la creación rápida de prototipos de entornos.
Seguridad, disponibilidad y limitaciones
Genie 4 incorpora evaluaciones de seguridad internas e integra la marca de agua digital SynthID de Google en todos los vídeos y audios generados para identificar contenido sintético.
DeepMind señaló limitaciones actuales, explicando que los detalles visuales y la permanencia de los objetos pueden desviarse durante sesiones prolongadas, la navegación o ediciones frecuentes de peticiones. Genie 4 está disponible actualmente como una versión preliminar de investigación para evaluadores de confianza y está previsto que llegue a los suscriptores de Google AI Ultra en Project Genie, junto con los socios de acceso anticipado de la API de Gemini y Google AI Studio.
Qué hacer
- Los usuarios interesados en probar Genie 4 pueden unirse a la lista de espera de Project Genie para acceder a futuras versiones destinadas a los suscriptores de Google AI Ultra.
- Los desarrolladores pueden solicitar acceso futuro a través de los programas de socios de acceso anticipado para la API de Gemini y Google AI Studio.
Datos clave y de dónde provienen
- Genie 4 genera sonidos ambientales, música y diálogos interactivos directamente junto con las escenas visuales.
Genie 4 is natively multimodal, enabling audio-like music, ambient noises, and interactive dialogue to be simultaneously generated with the world.
- Gemini 3.8 Flash actúa como un agente en el bucle para guiar la progresión de escenas de múltiples pasos durante la simulación en directo.
To achieve this in real-time, Gemini 3.8 Flash serves as a guiding agent in the loop: as Genie 4 generates a world in real-time, Gemini continuously observes the scene
- Todo el contenido multimedia generado por Genie 4 incluye marcas de agua SynthID en las salidas de audio y vídeo.
all video and audio generated by Genie 4 will include SynthID, our imperceptible digital watermarking technology that helps identify AI-generated content across visual and audio modalities.
- DeepMind ha lanzado Genie 4 como una versión preliminar de investigación antes de implementarla para los suscriptores de Google AI Ultra.
We have started rolling Genie 4 out as a research preview for trusted testers — gathering feedback before we release it to consumers and developers, starting with Google AI Ultra subscribers
