Lunes, 16 de noviembre de 2026
Portada de las 21:50
Todos los periódicos y la radio, en unoEscrito por IA a partir de Hacker News · Cómo se hace
Hacker News
Inteligencia artificial · deepmind.google

Genie 4

Google DeepMind presenta Genie 4, un modelo de mundo que simula entornos interactivos en tiempo real con mayor fotorrealismo, audio nativo y diálogo entre personajes. Combina Genie con modelos Gemini para mantener la coherencia de la simulación. De momento solo está disponible como research preview para testers de confianza.

Foto: vía deepmind.google

Leer el artículo aquíArtículo original (deepmind.google) 576 comentarios en Hacker News

Escucha la noticia3 min

DeepMind anuncia Genie 4, su nuevo world model, que genera mundos interactivos en tiempo real controlados con el teclado para moverse y la cámara, y con prompts de texto para modificar la escena sobre la marcha: cambiar el clima, mover la cámara o introducir una persona o un objeto. Según la compañía, es nativamente multimodal: genera a la vez el mundo, la música, los sonidos ambientales y diálogos interactivos en los que los personajes reaccionan a lo que hace el usuario. Simula también física del mundo real, como aerodinámica o colisiones, y personas que se mueven y responden de forma natural a su entorno.

El modelo se apoya en la familia Gemini: Gemini Omni ancla las simulaciones en la apariencia y el comportamiento del mundo real, y otros modelos Gemini aportan el razonamiento para mantener la coherencia y la continuidad. Gemini 3.8 Flash actúa como agente guía dentro del bucle: observa la escena, divide los objetivos en pasos, revisa los fotogramas para comprobar que cada paso se cumple y adapta el plan si el mundo cambia o el usuario interviene. DeepMind enseña además un experimento con Gemini 4 Argon y Genie 4, en el que simulan al humanoide Apollo de Apptronik jugando a las damas, dentro de su trabajo con Gemini Robotics.

Los testers de confianza, procedentes de la creación audiovisual, el periodismo, la educación, los videojuegos y la ingeniería, lo prueban como «modo borrador» para previsualización de escenas, para convertir una fotografía de archivo en un entorno explorable, para prototipar ideas de juegos mediante lenguaje natural y para generar escenarios de simulación empresarial. DeepMind plantea como línea futura los modelos híbridos, que combinen el razonamiento estructurado de código y lenguaje con la simulación a nivel de píxel.

La compañía reconoce que es un modelo temprano y experimental: los detalles visuales y la permanencia de los objetos pueden cambiar con el tiempo, sobre todo en sesiones largas, tras varias ediciones complejas o al desplazarse por la escena. También quedan por mejorar las interacciones físicas complejas, la precisión del audio, el texto legible, la precisión espacial y la consistencia a largo plazo. Todo el vídeo y el audio generados incluyen la marca de agua SynthID. El acceso llegará primero a suscriptores de Google AI Ultra en Project Genie y a socios con acceso anticipado a la Gemini API y Google AI Studio; hay lista de espera.

En Hacker News

«Genie 4» · puesto 28 · 1018 puntos · enviado por acossta

Lo que dicen los comentarios

La conversación gira en torno a si Genie 4 es de verdad un «modelo de mundo». Varios usuarios señalan fallos en los vídeos de demostración: cosas que cambian al salir y volver a entrar en el encuadre, como un segundo castillo, un motorista que de pronto lleva casco o parte del castillo que desaparece. De ahí concluyen que la simulación se limita a lo que se ve y que la permanencia de objetos no está resuelta. Otros defienden que, aun con errores, es un salto claro respecto a lo que había hace pocos años, y recuerdan el célebre vídeo de Will Smith comiendo espaguetis. Hay también discusión sobre la utilidad real, entre quienes lo ven como más «slop» y quienes aportan ejemplos de software útil hecho con IA generativa. Otro hilo discute si sirve para entrenar robots: se cuestiona que sea representativo del mundo real, y se responde que depende del caso de uso y del nivel de detalle, con el ejemplo de Waymo. Surgen además comparaciones con el modelo abierto HY-World 2.0 de Tencent y bromas sobre fallos concretos, como un saxofón que suena a clarinete.

  • Sorprende que el modelo de mundo de pesos abiertos HY-World 2.0, de Tencent, no recibiera tanta atención.
    — SXX, leer el comentario
  • Es como si su modelo de simulación estuviera confinado a la zona renderizable. Para estabilizar la permanencia de objetos haría falta un modelo 3D completo de la escena, y el coste podría ser enorme.
    — cvoss, leer el comentario
  • Casi todos parecen poco impresionados y señalan errores. Pero hace poco más de tres años veíamos aquella aberración de Will Smith comiendo espaguetis. A mí me parece superimpresionante y un avance claro. No es perfecto, pero mejora.
    — numlock86, leer el comentario
  • Creo que lo que dicen los comentarios es que estos «modelos de mundo» no tienen un modelo del mundo. Es una brecha cualitativa que ninguna cantidad de computación ha cerrado; solo se disimula porque todo lo demás mejora.
    — edstarch, leer el comentario
  • Una versión propietaria de esta tecnología ya entrena a los coches robot de Waymo. Que no sea representativa del mundo real depende del caso de uso y del nivel de detalle que se necesite.
    — overfeed, leer el comentario

Pregunta sobre esta noticia

Respuestas automáticas a partir de las noticias de El Autómata, sus fuentes y la radio. Pueden contener errores: comprueba los enlaces.

Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.