Google DeepMind presentó Genie 4, la nueva generación de sus modelos de simulación de entornos virtuales en tiempo real. El sistema permite a los usuarios interactuar con escenarios tridimensionales generados mediante descripciones de texto o imágenes, adaptando el entorno a través de controles directos y comandos de lenguaje natural.
La principal innovación técnica radica en la incorporación nativa de audio en vivo. El modelo produce de forma simultánea los componentes visuales y acústicos, generando sonidos ambientales como el viento o el agua, así como diálogos reactivos para los personajes representados dentro de la simulación. En la arquitectura del sistema, la empresa integró sus modelos de lenguaje Gemini para guiar la continuidad lógica de los eventos.
Específicamente, Gemini 3.8 Flash actúa como un agente de supervisión que analiza las metas complejas planteadas por el usuario, descomponiéndolas en secuencias intermedias y verificando el cumplimiento de cada etapa antes de pasar a la siguiente. Esta coordinación permite sostener simulaciones con físicas más precisas, incluyendo interacciones dinámicas de colisión y aerodinámica, además de un comportamiento más fluido en los personajes.
A diferencia de la versión anterior presentativa en 2025, Genie 3, que ofrecía especificaciones cerradas a una resolución de 720p y 24 fotogramas por segundo, la organización no ha detallado métricas públicas de resolución o tasa de cuadros para esta iteración. No obstante, se confirmó que las sesiones interactivas alcanzan ahora una duración máxima de dos minutos de coherencia, duplicando el tiempo respecto a su antecesor.
Entre los límites técnicos reconocidos por la compañía, se señala que mantener la consistencia a largo plazo sigue siendo un desafío, debido a la tendencia del modelo a perder fidelidad o degradar elementos iniciales en la medida en que la simulación se prolonga.
Asimismo, la precisión espacial, la legibilidad del texto generado y la sincronización avanzada del audio permanecen como áreas abiertas de investigación. El desarrollo se enmarca en la competencia global por la construcción de modelos de mundo. En este segmento, competidores como Runway ofrecen entornos interactivos con plataformas como GWM Worlds 2, mientras que otras firmas tecnológicas y de hardware, como NVIDIA con su arquitectura Cosmos 3, se enfocan en entornos simulan de física abierta para robótica e investigación industrial.
Google DeepMind proyecta que Genie 4 sirva como herramienta de previsualización para la industria del cine, diseño de videojuegos, pruebas de navegación robótica antes del despliegue físico y reconstrucción de eventos históricos.
Por el momento, el acceso al sistema está restringido a un grupo reducido de evaluadores de confianza.
La empresa contempla una fase de distribución posterior para los suscriptores del plan Google AI Ultra dentro de Project Genie y para socios de desarrollo mediante la interfaz de programación de aplicaciones de Gemini y la plataforma Google AI Studio. Todo el contenido generado visual o auditivamente por el sistema incluirá la marca de agua digital SynthID para permitir la identificación de origen.
Fuente: DeepMind Google | Ediatdo por CDOL
