Lunes, 16 de noviembre de 2026
Portada de las 07:40
Todos los periódicos y la radio, en unoEscrito por IA a partir de Hacker News · Cómo se hace
HN Daily
Inteligencia artificial · deepmind.google

Genie 4

DeepMind presenta Genie 4, su nuevo modelo de mundo, que genera simulaciones interactivas en tiempo real con fotorrealismo mejorado y audio nativo, incluidos diálogos. Se apoya en modelos Gemini y llega como research preview a testers de confianza. DeepMind admite que la coherencia a largo plazo sigue siendo un problema.

Foto: vía deepmind.google

Leer el artículo aquíArtículo original (deepmind.google) 493 comentarios en Hacker News

Escucha la noticia3 min

Google DeepMind anuncia Genie 4, un world model que genera mundos interactivos en tiempo real. El usuario se mueve y controla la cámara con el teclado y modifica la escena con texto: puede cambiar el clima, introducir una persona o un objeto, y Gemini adapta cada instrucción al contexto. Según DeepMind, el modelo mejora el fotorrealismo, el movimiento de las personas y la simulación de física como aerodinámica o colisiones.

Es el primer world model de DeepMind en tiempo real que genera audio de forma nativa: sonido ambiente, música y diálogos que se adaptan a lo que hace el usuario o a lo que ocurre en el mundo. Genie 4 integra capacidades de la familia Gemini: Gemini Omni ancla las simulaciones en el aspecto y el comportamiento del mundo real, y otros modelos Gemini aportan el razonamiento para mantener la coherencia. Gemini 3.8 Flash actúa como agente en el bucle: observa la escena, divide los objetivos en pasos y comprueba en los fotogramas que cada paso se cumple. DeepMind muestra además un experimento con Gemini 4 Argon y Genie 4 en el que se simula al humanoide Apollo, de Apptronik, jugando a las damas.

Los testers de confianza, de sectores creativos, periodismo, educación, videojuegos e ingeniería, lo han probado como «modo borrador» para previsualizar escenas de cine, convertir una fotografía de archivo en una simulación del entorno, prototipar ideas de juegos sin escribir código de motor y generar escenarios para simulación. DeepMind plantea como línea futura los modelos híbridos, que combinen el razonamiento del código y los modelos de lenguaje con la simulación a nivel de píxel.

Genie 4 se lanza como research preview para testers de confianza y llegará pronto a los suscriptores de Google AI Ultra en Project Genie y a socios de acceso anticipado de la Gemini API y Google AI Studio. Todo el vídeo y el audio llevan la marca de agua SynthID. DeepMind reconoce que es un modelo experimental: los detalles visuales y la permanencia de los objetos pueden variar con el tiempo, y siguen en investigación las interacciones físicas complejas, la precisión del audio, el texto legible, la precisión espacial y la consistencia a largo plazo.

En Hacker News

«Genie 4» · puesto 3 · 825 puntos · enviado por acossta

Lo que dicen los comentarios

Buena parte de los comentarios señala que los propios vídeos de demostración contradicen la idea de «simulación del mundo»: lo que sale de plano cambia al volver, como un segundo castillo, personas que mutan o un casco que aparece. Un comentarista lo atribuye a que el modelo se limita al área renderizable y apunta que resolverlo exigiría un modelo 3D completo de la escena, con un coste que podría ser enorme. También se critican detalles concretos, como un clarinete donde se pedía un saxofón o un prompt de aspecto fotorrealista que acaba pareciendo un videojuego, con prompts muy largos y repetitivos. Otros discuten si sirve para entrenar robots: hay quien lo ve poco representativo del mundo real, y quien recuerda que una tecnología similar ya entrena a los coches de Waymo y que depende del nivel de detalle necesario. Surgen además la comparación con el modelo abierto HY-World 2.0 de Tencent, el escepticismo ante la visión de que las películas se convertirán en videojuegos y un debate sobre qué obras valiosas ha hecho posibles la IA generativa.

  • En varios ejemplos cambian los detalles cuando algo sale de plano y vuelve: aparece un segundo castillo, la gente que se aleja cambia, el motorista de Hong Kong de repente lleva casco. No sé si eso apunta a una simulación del mundo sólida.
    — inkcapmushroom, leer el comentario
  • Es como si el modelo de simulación estuviera confinado al área renderizable. Para estabilizar la permanencia de los objetos haría falta un modelo 3D completo de la escena, y el aumento de coste podría ser enorme.
    — cvoss, leer el comentario
  • Dice que tiene capacidades de audio avanzadas; se le pide un saxofón y por dentro pone «sonido de clarinete». Quizá Genie 5 lo consiga.
    — recursive, leer el comentario
  • Las demos son geniales, pero ¿a nadie más le inquieta que las empresas sigan diciendo que esto sirve para entrenar robots? Es obvio que no representa el mundo real.
    — sosodev, leer el comentario
  • Una versión propietaria de esta tecnología ya entrena a los coches robot de Waymo, que publicó hace un año su world model hecho con DeepMind. Que sea representativo depende del caso de uso y del nivel de detalle.
    — 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.