En resumen
Genie 4 es el modelo de mundo de Google DeepMind, anunciado el 27 de octubre de 2026, que simula mundos interactivos en tiempo real, genera audio y diálogo junto con las imágenes y responde a controles de teclado e instrucciones de texto. Es una versión preliminar de investigación para probadores de confianza, y los suscriptores de Google AI Ultra figuran entre los primeros usuarios consumidores previstos. [1][2]
Puntos clave
- Google DeepMind anunció Genie 4 el 27 de octubre de 2026 como un modelo de mundo interactivo en tiempo real que, según afirma, es el primero suyo en generar audio de forma nativa.
- TechCrunch informa de que Genie 4 puede mantener una escena coherente hasta 2 minutos, el doble del límite de Genie 3, mientras que la propia publicación de DeepMind no da ninguna cifra en las secciones revisadas.
- Genie 4 es una versión preliminar de investigación para probadores de confianza; DeepMind prevé lanzarlo a consumidores y desarrolladores empezando por los suscriptores de Google AI Ultra y los socios de la API, y a 3 de noviembre de 2026 no se encontró precio ni fecha de disponibilidad general.
- TechCrunch informa de que el equipo de Genie 4 reconoce que los detalles y los objetos pueden desviarse en ejecuciones más largas y que el audio preciso y el texto legible dentro del mundo siguen sin resolverse.
- Stanford HAI sostiene que ningún parámetro de referencia existente ofrece a los responsables políticos una base adecuada para juzgar un modelo de mundo en usos críticos para la seguridad.
- Los rivales siguen caminos distintos: Marble, de World Labs, construye mundos 3D persistentes, y AMI Labs, de Yann LeCun, recaudó 1.03 mil millones de dólares para modelos basados en JEPA.
En esta página 14 secciones
- ¿Qué es Genie 4?
- ¿Qué es un modelo de mundo en IA?
- ¿Cómo funciona Genie 4?
- ¿Qué novedades trae Genie 4 respecto a Genie 3?
- ¿Puede usarse Genie 4 hoy y cuánto cuesta?
- ¿Para qué pueden usarse modelos de mundo como Genie 4?
- ¿Cuáles son las promesas y los límites de Genie 4?
- ¿Es lo mismo un modelo de mundo que un modelo de lenguaje de gran tamaño?
- ¿Quién más está desarrollando modelos de mundo?
- ¿Qué sigue siendo incierto sobre Genie 4?
- Errores comunes
- Preguntas frecuentes
- Glosario
- Fuentes
¿Qué es Genie 4?
Genie 4 es un modelo de mundo de Google DeepMind, anunciado el 27 de octubre de 2026 y diseñado para la simulación interactiva en tiempo real. El usuario se desplaza por un mundo generado con los controles de teclado habituales [1] y lo modifica con instrucciones de texto mientras funciona. [1][2]
Genie es la familia de modelos de DeepMind que generan entornos interactivos. Genie 3, anunciado el 5 de agosto de 2025, era un modelo de mundo de propósito general cuyos mundos podían recorrerse en tiempo real. [3] Más tarde, Google incorporó Genie 3 a Project Genie, una aplicación web de Google Labs lanzada el 29 de enero de 2026. [4]
El cambio principal de Genie 4 es el sonido. DeepMind describe el modelo como multimodal de forma nativa: la música, el ruido ambiente y el diálogo interactivo se generan al mismo tiempo que el mundo. [1][2] DeepMind lo presenta como su primer modelo de mundo en tiempo real que genera audio de forma nativa. Cada mundo lleva el sonido ambiente de su escenario y los personajes pueden mantener diálogos que se adaptan a lo que hace el usuario y a lo que ocurre en el mundo. [1]
¿Qué significa «modelo de mundo» en la terminología de Google?
El anuncio de Project Genie de Google dice que un modelo de mundo simula la dinámica de un entorno, prediciendo cómo evoluciona y cómo lo afectan las acciones. Google lo contrapone a las experiencias explorables construidas sobre instantáneas 3D estáticas, porque Genie genera en tiempo real el camino que tiene por delante a medida que usted avanza. [4]
¿Quién puede usarlo?
Genie 4 es una versión preliminar de investigación para probadores de confianza, y DeepMind lo describe como un modelo temprano y experimental. [1][2] La sección sobre acceso, más abajo, recoge lo que se sabe sobre una disponibilidad más amplia.
¿Qué es un modelo de mundo en IA?
Un modelo de mundo es un sistema de IA que construye una representación operativa de un entorno para poder predecir cómo cambia ese entorno en respuesta a una acción. Esa es la definición de un informe de políticas de Stanford HAI fechado el 27 de julio de 2026. [5] La formulación de DeepMind es similar: los modelos de mundo usan su comprensión del mundo para simular aspectos de él, de modo que los agentes puedan predecir cómo evolucionará un entorno y cómo lo afectarán sus acciones. [3] TechCrunch recogió que DeepMind presenta los modelos de mundo como un peldaño hacia la inteligencia artificial general (AGI). [6]
¿De dónde viene la idea?
Quanta Magazine la remonta a la monografía de 1943 del psicólogo Kenneth Craik, que describía la mente como portadora de un «modelo a pequeña escala» de la realidad. Quanta informa de que Yann LeCun, Demis Hassabis y Yoshua Bengio consideran que los modelos de mundo son esenciales para una IA más inteligente y más segura. [7]
¿Por qué los laboratorios los quieren?
El atractivo es que un agente puede ensayar y planificar dentro de una simulación en lugar de hacerlo en el mundo real. El informe de Stanford HAI apunta a usos como la planificación de infraestructuras, la respuesta a crisis y las pruebas de fabricación. [5] DeepMind probó su agente SIMA, un agente generalista para entornos virtuales 3D, en mundos de Genie 3. [6]
¿Hay acuerdo sobre qué cuenta como tal?
No. Quanta informa de que «nadie se pone de acuerdo en los detalles»: qué se representa, con qué fidelidad, si se aprende o está incorporado de origen y cómo se detectaría. [7] Stanford HAI afirma que el insumo más escaso para los modelos de mundo son los datos de interacción etiquetados con acciones, como trayectorias de robots y registros de flotas, que no pueden extraerse de la web. [5]
¿Cómo funciona Genie 4?
El anuncio de DeepMind y la cobertura de prensa describen las piezas principales, que se exponen a continuación.
¿Qué controla el mundo?
Los usuarios se desplazan con los controles de teclado habituales para la navegación y la cámara. [1] Las instrucciones de texto modifican la escena mientras se ejecuta, por ejemplo cambiando el tiempo atmosférico, moviendo la cámara o añadiendo una persona o un objeto. [1][2]
¿Qué papel desempeñan los modelos Gemini?
Genie 4 se apoya en capacidades de la familia Gemini. DeepMind afirma que Gemini Omni ancla la simulación en la apariencia y el comportamiento del mundo real, y que otros modelos Gemini aportan el razonamiento que mantiene coherente la simulación. [1] En el bucle, Gemini 3.8 Flash actúa como agente guía: observa la escena generada, divide los objetivos en pasos y revisa los fotogramas entrantes para verificar que cada paso se ha completado con éxito. [1]
TechCrunch describe este diseño como un modelo de mundo híbrido. En palabras de Tejas Kulkarni, director de investigación de Google, citado por TechCrunch, en los modelos de mundo híbridos Gemini escribe código y texto mientras Genie simula la realidad en distintos niveles de abstracción. [2] Kulkarni dijo a los periodistas que los modelos de mundo híbridos serán cada vez más comunes. [2]
¿De dónde salió el diseño?
El artículo original de Genie (arXiv, 23 de febrero de 2024, Bruce et al., Google DeepMind) describía un entorno interactivo generativo entrenado sin etiquetas de acción a partir de vídeos de Internet sin etiquetar. Con 11 mil millones de parámetros, se describió como un modelo de mundo fundacional, compuesto por un tokenizador de vídeo, un modelo de dinámica autorregresivo y un modelo de acción latente. [8]
Genie 2, anunciado en diciembre de 2024, convertía una única imagen en entornos 3D jugables que se mantenían coherentes hasta 1 minuto, aunque la mayoría de los ejemplos duraban entre 10 y 20 segundos. [9] Genie 3 llegó en agosto de 2025, con mundos en tiempo real a partir de una instrucción de texto a 24 fotogramas por segundo y resolución de 720p. [3][6]
¿Qué novedades trae Genie 4 respecto a Genie 3?
La propia publicación de DeepMind respalda 3 cambios, y TechCrunch informa de un cuarto. [1][2]
- Sonido y voz. TechCrunch informa de que Genie 4 añade audio respecto a Genie 3. DeepMind afirma que genera sonido ambiente, música y diálogos junto con el mundo. [1][2]
- Gemini en el bucle. Un modelo Gemini planifica y comprueba la escena mientras se ejecuta. [1]
- Control por texto en marcha. Las instrucciones pueden cambiar el tiempo atmosférico, la cámara o los objetos durante una sesión. [1][2]
- Duración. TechCrunch informa de que Genie 4 puede mantener una escena coherente hasta 2 minutos, el doble del límite de Genie 3. Esta cifra procede de TechCrunch, no de DeepMind. [2]
¿Por qué difieren las cifras de duración de las sesiones?
Proceden de fuentes distintas y de productos distintos. DeepMind describió Genie 3 como capaz de mantener la coherencia durante «unos minutos», con una memoria visual que alcanzaba aproximadamente 1 minuto atrás. [3] Project Genie, el prototipo para consumidores, limitaba las generaciones a 60 segundos. [4] La publicación de DeepMind sobre Genie 4 no ofrece ninguna cifra en las secciones revisadas. [1] La comparación de «el doble» de TechCrunch es difícil de conciliar solo con el texto con los «unos minutos» de DeepMind para Genie 3, así que conviene tratar los 2 minutos como una cifra comunicada por TechCrunch y no como una especificación de DeepMind. [2][3]
La tabla siguiente presenta la línea de modelos Genie en paralelo, con las palabras de cada fuente.
¿Puede usarse Genie 4 hoy y cuánto cuesta?
A 3 de noviembre de 2026, Genie 4 es una versión preliminar de investigación para probadores de confianza. DeepMind afirma que recopila comentarios antes de lanzar el modelo a consumidores y desarrolladores, empezando por los suscriptores de Google AI Ultra en Project Genie y los socios de acceso anticipado de la Gemini API y Google AI Studio. Hay una lista de espera abierta. [1] TechCrunch dice que se espera un despliegue más amplio en las próximas semanas. [2]
En las fuentes revisadas no apareció ningún precio ni fecha de disponibilidad general. Consulte las páginas oficiales de Google para conocer las condiciones vigentes.
¿Cómo era Project Genie en su lanzamiento?
Project Genie se lanzó el 29 de enero de 2026 como una aplicación web prototipo experimental en Google Labs, basada en Genie 3, Nano Banana Pro y Gemini. [4] 9to5Google recogió la misma fecha de lanzamiento y los componentes Genie 3 y Nano Banana Pro. [10] Estaba abierta a suscriptores de Google AI Ultra de EE. UU. mayores de 18 años, con «ampliación a más territorios a su debido tiempo». [10] El anuncio de Google señala que no estaba disponible para los usuarios de Google AI Ultra for Business. [4]
Sus 3 capacidades principales eran el esbozo de mundos con texto e imágenes, la exploración de mundos y la remezcla de mundos. Las generaciones estaban limitadas a 60 segundos y los eventos de mundo controlables por instrucciones de Genie 3 no se incluyeron en el prototipo. [4]
¿Está Genie 4 disponible en Irán?
Ninguna de las fuentes revisadas aborda el caso de Irán, por lo que no puede afirmarse como hecho nada específico sobre ese país. La base documentada es que Project Genie comenzó como una oferta solo para EE. UU. dirigida a suscriptores de Ultra, y DeepMind menciona a los suscriptores de Ultra entre los primeros usuarios consumidores previstos de Genie 4. [1][4][10] Los lectores en Irán deben consultar las páginas oficiales de disponibilidad y pago de Google y no fiarse de afirmaciones de terceros sobre el acceso.
¿Para qué pueden usarse modelos de mundo como Genie 4?
Los usos se agrupan en trabajo creativo, entrenamiento de agentes y robots, y planificación.
¿Qué hacen los probadores con Genie 4?
DeepMind afirma que probadores de confianza de industrias creativas, periodismo, educación, videojuegos e ingeniería están probando Genie 4, por ejemplo para la previsualización y la generación de ideas y para convertir fotografías de archivo en simulaciones. [1] La cobertura de TechCrunch menciona la creación de prototipos cinematográficos, la generación de ideas y los guiones gráficos. [2]
¿Cómo ayudan los modelos de mundo a entrenar agentes y robots?
La idea es dar a un agente un lugar donde actuar y equivocarse a bajo coste. DeepMind probó una versión de su agente SIMA en mundos de Genie 3. En una rueda de prensa recogida por TechCrunch, el científico investigador de DeepMind Jack Parker-Holder dijo que el modelo «simplemente recibe las acciones del agente», que luego ve el mundo simulado a su alrededor. [6]
Para Genie 4, TechCrunch describe un experimento en el que Gemini 4 Argon, trabajando con Gemini Robotics, dividió una tarea en pasos que Genie 4 simuló en tiempo real. [2] La publicación de DeepMind indica que la demostración simuló al robot humanoide Apollo de Apptronik jugando a las damas. [1] Esto muestra planificación dentro de una simulación, no un robot realizando la tarea en el mundo físico.
¿Qué esperan los investigadores de políticas públicas?
Stanford HAI enumera la planificación de infraestructuras, la respuesta a crisis y las pruebas de fabricación como ejemplos, y señala que las trayectorias de robots y los registros de flotas, difíciles de obtener, son el insumo de entrenamiento más escaso. [5]
¿Cuáles son las promesas y los límites de Genie 4?
¿Qué ofrece?
- Mundos interactivos con sonido y diálogo adaptativo generados en un solo sistema. [1]
- Control por texto durante una sesión, una función que los probadores pueden usar para generar ideas y cambiar escenarios con rapidez. [1][2]
- Un bucle de planificación y comprobación en el que un modelo Gemini verifica que cada paso se ha completado con éxito. [1]
¿Cuáles son los límites?
TechCrunch informa de que el equipo de Genie 4 reconoció que los detalles y los objetos pueden desviarse cuanto más tiempo se ejecuta una simulación, y que el equipo no ha resuelto cómo garantizar un audio preciso ni un texto legible dentro del mundo. [2] Para Genie 3, TechCrunch señaló un rango limitado de acciones y dificultades para modelar la interacción de varios agentes. [6]
¿Qué preocupaciones de gobernanza existen?
Stanford HAI afirma que ningún parámetro de referencia existente ofrece a los responsables políticos una base adecuada para juzgar un modelo de mundo en un despliegue crítico para la seguridad. También califica los modelos de mundo de tecnología de doble uso con implicaciones para la seguridad nacional. [5]
Tanto DeepMind como TechCrunch describen una versión preliminar limitada a probadores de confianza. [1][2] De ahí es razonable inferir que todavía no existe una evaluación independiente de Genie 4, aunque ninguna de las dos fuentes lo dice directamente.
¿Es lo mismo un modelo de mundo que un modelo de lenguaje de gran tamaño?
No, aunque ambos se solapan. Stanford HAI define un modelo de mundo por lo que debe hacer: predecir cómo cambia un entorno en respuesta a una acción. [5] El reportaje de Quanta lo contrapone a los modelos de lenguaje de gran tamaño (LLM), que quizá aprenden atajos inconexos. [7]
¿Contienen ya los LLM modelos de mundo?
Algunos investigadores interpretan capacidades emergentes, como jugar al Othello, como señales de modelos de mundo internos. [7] Quanta informa de que investigadores de Harvard y del MIT entrenaron un modelo de lenguaje que daba indicaciones casi perfectas en Manhattan sin aprender un mapa coherente de las calles. Cuando se bloquearon aleatoriamente el 1% de las calles, su rendimiento se desplomó. Quanta describe resultados como este como indicio de que los LLM aprenden «bolsas de heurísticas». [7]
¿Qué camino lleva a mejores modelos de mundo?
Quanta dice que Google DeepMind y OpenAI apuestan a que suficientes datos multimodales, como vídeo y simulación 3D, harán emerger un modelo de mundo dentro de una red neuronal. Yann LeCun, de Meta, cree que hace falta una arquitectura nueva y no generativa. [7] El enfoque de LeCun, JEPA, aprende representaciones abstractas de datos del mundo real y hace predicciones en el espacio de representación, ignorando los detalles impredecibles. Eso contrasta con los modelos generativos que renderizan píxeles. [11]
Genie 4 se sitúa en la vía generativa, y TechCrunch informa de que el equipo reconoce que los detalles y los objetos pueden desviarse. [2] Kulkarni describe el enfoque híbrido como Gemini escribiendo código y texto mientras Genie simula la realidad en distintos niveles de abstracción. [2]
¿Quién más está desarrollando modelos de mundo?
Varias empresas persiguen los modelos de mundo por vías distintas. La tabla siguiente resume lo que informan las fuentes.
AMI Labs
AMI Labs, de Yann LeCun, recaudó 1.03 mil millones de dólares con una valoración previa de 3.5 mil millones de dólares, anunciada el 9 de marzo de 2026, para construir modelos de mundo basados en JEPA, que LeCun propuso en 2022. [12][11] Su director ejecutivo, Alexandre LeBrun, predijo que «modelos de mundo» será la próxima palabra de moda y que todas las empresas se llamarán a sí mismas modelo de mundo para captar financiación. También dijo que podrían pasar años hasta pasar de la teoría a las aplicaciones comerciales. [12]
World Labs
World Labs, cofundada por Fei-Fei Li, puso Marble a disposición general el 12 de noviembre de 2025. Marble crea mundos 3D persistentes y descargables a partir de texto, imágenes o vídeo corto, en lugar de generar fotogramas sobre la marcha como hace Genie. [13][14] El artículo de TechCrunch del 9 de marzo de 2026 sobre AMI Labs informaba de que World Labs había recaudado 1 mil millones de dólares el mes anterior. [12]
Runway y movimientos del mercado
TechCrunch dice que el lanzamiento de Genie 4 llegó un par de meses después de que Runway lanzara su segundo modelo de mundo, GWM Worlds 2, que incluye generación de audio. También informa de que AMD está adquiriendo World Labs, de que Amazon negocia la compra de Decart y de que Rivian adquirió Third Dimension. [2] Se trata de informaciones de TechCrunch, y las fuentes revisadas no las confirman de forma independiente.
¿Qué sigue siendo incierto sobre Genie 4?
Muchas cuestiones siguen sin resolverse, y los próximos pasos probables tienen que ver sobre todo con el acceso y la evaluación.
- Acceso. DeepMind prevé lanzar Genie 4 a consumidores y desarrolladores tras recopilar comentarios; TechCrunch dice «en las próximas semanas», y en las fuentes revisadas no se ha publicado ningún precio ni fecha de disponibilidad general. [1][2]
- Evidencia independiente. La versión preliminar se limita a probadores de confianza, así que las afirmaciones sobre su calidad proceden de DeepMind y de la prensa. [1][2]
- Parámetros de referencia. Stanford HAI dice que ningún parámetro de referencia existente ofrece a los responsables políticos una base adecuada para juzgar los modelos de mundo en usos críticos para la seguridad. [5]
- Definiciones y arquitectura. El campo discrepa sobre qué cuenta como modelo de mundo y sobre si la generación de píxeles o la predicción abstracta es la mejor vía. [7][11]
- Exageración publicitaria. El propio director ejecutivo de AMI espera que el término se use en exceso para captar financiación. [12]
Qué vigilar a continuación
Las primeras señales serán el despliegue para Google AI Ultra en Project Genie y el acceso anticipado a través de la Gemini API y Google AI Studio. [1][2] El equipo reconoce problemas de desviación, de audio y de texto dentro del mundo. [2] En opinión de esta guía, las pruebas independientes frente a esos problemas son lo que mostrará si los modelos de mundo híbridos se sostienen más allá de las sesiones cortas. Tejas Kulkarni, de Google, predice que los híbridos serán cada vez más comunes, pero eso sigue siendo una predicción y no un resultado establecido. [2]
| Modelo | Anunciado | Qué dicen las fuentes |
|---|---|---|
| Genie (artículo original) | 23 de febrero de 2024 | Entorno interactivo generativo entrenado sin etiquetas de acción a partir de vídeos de Internet sin etiquetar; 11B de parámetros. [8] |
| Genie 2 | Diciembre de 2024 | Convierte una única imagen en mundos 3D jugables; coherente hasta 1 minuto, la mayoría de los ejemplos de 10 a 20 segundos. [9] |
| Genie 3 | 5 de agosto de 2025 | Mundos en tiempo real a partir de texto a 24 fotogramas por segundo y 720p; coherencia mantenida durante unos minutos; descrito por TechCrunch como versión preliminar de investigación. [3][6] |
| Project Genie (con Genie 3 dentro) | 29 de enero de 2026 | Aplicación web experimental de Google Labs para suscriptores de Google AI Ultra de EE. UU. mayores de 18 años; generaciones limitadas a 60 segundos. [4][10] |
| Genie 4 | 27 de octubre de 2026 | Audio nativo y diálogo, modelos Gemini en el bucle; TechCrunch informa de hasta 2 minutos de coherencia; versión preliminar de investigación para probadores de confianza. [1][2] |
| Desarrollador | Enfoque | Dato comunicado |
|---|---|---|
| Google DeepMind (Genie 4) | Genera fotogramas, sonido y diálogo en tiempo real, con modelos Gemini que planifican y comprueban | Anunciado el 27 de octubre de 2026; versión preliminar de investigación. [1] |
| World Labs (Marble) | Mundos 3D persistentes y descargables a partir de texto, imágenes o vídeo corto | Disponibilidad general el 12 de noviembre de 2025. [13][14] |
| AMI Labs | JEPA: predice en un espacio de representación abstracto en lugar de renderizar píxeles | Recaudó 1.03 mil millones de dólares, anunciado el 9 de marzo de 2026. [12][11] |
| Runway (GWM Worlds 2) | Segundo modelo de mundo, que incluye generación de audio | Lanzado un par de meses antes que Genie 4, según TechCrunch. [2] |
Errores comunes
Dar por hecho que Genie 4 ya es un producto público al que puede suscribirse y que puede usar.
Solución: Compruebe la fecha y el estado. Genie 4 es una versión preliminar de investigación para probadores de confianza. DeepMind afirma que recopila comentarios antes de lanzarlo a consumidores y desarrolladores, empezando por los suscriptores de Google AI Ultra y los socios de acceso anticipado. Hay una lista de espera abierta, pero en las fuentes revisadas no figuraba ningún precio ni fecha de disponibilidad general a 3 de noviembre de 2026.
Repetir que Genie 4 es el primer modelo de mundo con audio.
Solución: Escriba «el primer modelo de mundo en tiempo real de DeepMind con audio nativo». TechCrunch señala que GWM Worlds 2 de Runway, lanzado un par de meses antes, también genera audio.
Fusionar en una sola afirmación cifras de duración de sesión procedentes de productos y fuentes distintos.
Solución: Cite cada cifra con su fuente. TechCrunch indica hasta 2 minutos para Genie 4, DeepMind describió Genie 3 como coherente durante «unos minutos» y Project Genie limitaba las generaciones a 60 segundos.
Tratar un modelo de mundo y un modelo de lenguaje de gran tamaño como si fueran lo mismo.
Solución: Considere un modelo de mundo como un sistema concebido para predecir cómo cambia un entorno cuando se producen acciones. Quanta informa de experimentos, como una prueba de navegación por Manhattan, que sugieren que los modelos de lenguaje quizá solo aprenden heurísticas inconexas.
Suponer que un mundo generado convincente obedece a la física real y es fiable para decisiones de ingeniería o de seguridad.
Solución: Interprete el modelo como un simulador de apariencia y comportamiento. TechCrunch señala que el equipo de Genie 4 reconoce que los detalles y los objetos pueden desviarse en ejecuciones más largas. Stanford HAI sostiene que ningún parámetro de referencia existente permite juzgar los modelos de mundo para usos críticos para la seguridad.
Tomar los vídeos de demostración y las afirmaciones de la empresa por resultados verificados de forma independiente.
Solución: Distinga las afirmaciones de DeepMind de una evaluación independiente. Las fuentes revisadas describen una versión preliminar limitada a probadores de confianza, por lo que probablemente aún falta una verificación externa.
Preguntas frecuentes
¿Qué es Genie 4?
Genie 4 es el modelo de mundo de Google DeepMind, anunciado el 27 de octubre de 2026. Simula mundos interactivos en tiempo real, genera sonido ambiente y diálogos adaptativos de los personajes junto con las imágenes, y admite controles de teclado e instrucciones de texto que modifican la escena mientras se ejecuta. Actualmente es una versión preliminar de investigación para probadores de confianza. [1][2]
¿Está Genie 4 disponible para el público?
Todavía no de forma general. DeepMind califica Genie 4 de versión preliminar de investigación para probadores de confianza. Afirma que recopila comentarios antes de lanzarlo a consumidores y desarrolladores, empezando por los suscriptores de Google AI Ultra en Project Genie y los socios de acceso anticipado de la Gemini API y Google AI Studio. Hay una lista de espera abierta. TechCrunch prevé un despliegue más amplio en las próximas semanas. [1][2]
¿Cuánto cuesta Genie 4?
En las fuentes revisadas no figuraba ningún precio ni fecha de disponibilidad general a 3 de noviembre de 2026. DeepMind menciona a los suscriptores de Google AI Ultra entre los primeros usuarios consumidores previstos. Project Genie, la aplicación web anterior basada en Genie 3, se lanzó para suscriptores de Ultra, así que Ultra parece la vía probable. Consulte las páginas oficiales de Google para conocer las condiciones vigentes. [1][4]
¿En qué se diferencia Genie 4 de Genie 3?
TechCrunch informa de que Genie 4 añade audio respecto a Genie 3. DeepMind describe sonido ambiente, música y diálogos que se adaptan a los acontecimientos, e integra modelos Gemini en el bucle para planificar y comprobar. TechCrunch también señala una escena coherente de hasta 2 minutos, el doble del límite de Genie 3, una cifra que la publicación de DeepMind no ofrece en las secciones revisadas. [1][2]
¿Es lo mismo un modelo de mundo que un modelo de lenguaje de gran tamaño?
No. Quanta informa de experimentos que sugieren que los modelos de lenguaje pueden aprender «bolsas de heurísticas» en lugar de modelos de mundo coherentes. Stanford HAI define un modelo de mundo como un sistema que predice cómo cambia un entorno en respuesta a una acción. TechCrunch cita a Tejas Kulkarni, de Google, que describe modelos de mundo híbridos en los que Gemini escribe código y texto mientras Genie simula la realidad. [7][5][2]
¿Qué es Project Genie?
Project Genie es una aplicación web prototipo experimental de Google Labs, lanzada el 29 de enero de 2026 y basada en Genie 3, Nano Banana Pro y Gemini. [4] Se abrió a los suscriptores de Google AI Ultra de EE. UU. mayores de 18 años [10] y les permitía esbozar, explorar y remezclar mundos, con generaciones limitadas a 60 segundos. [4]
¿Cuánto tiempo puede Genie 4 mantener un mundo coherente?
TechCrunch indica hasta 2 minutos, lo que según el medio duplica el límite de Genie 3. La publicación de DeepMind sobre Genie 4 no da ninguna cifra en las secciones revisadas, y describió Genie 3 como coherente durante unos minutos. TechCrunch añade que el equipo de Genie 4 reconoció que los detalles y los objetos pueden desviarse cuanto más tiempo se ejecuta una simulación. [1][2][3]
¿Quién más está desarrollando modelos de mundo?
Además de Google DeepMind, World Labs, cofundada por Fei-Fei Li, puso su modelo Marble a disposición general en noviembre de 2025. AMI Labs, de Yann LeCun, recaudó 1.03 mil millones de dólares en marzo de 2026 para modelos basados en JEPA. TechCrunch menciona también GWM Worlds 2 de Runway. Cada uno sigue una vía técnica distinta para modelar el mundo. [2][12][13]
Glosario
- Modelo de mundo
- Un modelo de mundo es un sistema de IA que construye una representación operativa de un entorno para poder predecir cómo cambia ese entorno en respuesta a una acción.
- Genie
- Genie es la familia de modelos de Google DeepMind que generan entornos interactivos, desde el artículo de investigación de 2024 hasta Genie 4 en octubre de 2026.
- Project Genie
- Project Genie es una aplicación web prototipo de Google Labs, lanzada el 29 de enero de 2026, que permitía a los suscriptores de Google AI Ultra de EE. UU. crear y explorar mundos con Genie 3.
- Modelo de acción latente
- Un modelo de acción latente es la parte del Genie original que aprende qué acciones se produjeron entre fotogramas de vídeo, sin etiquetas de acción.
- Modelo autorregresivo
- Un modelo autorregresivo genera su salida paso a paso, de modo que cada paso nuevo depende de los anteriores.
- Modelo de mundo híbrido
- Un modelo de mundo híbrido, tal como lo describe Tejas Kulkarni, de Google, combina un modelo de lenguaje como Gemini, que escribe código y texto, con un simulador como Genie, que simula la realidad en distintos niveles de abstracción.
- JEPA
- JEPA, o Joint Embedding Predictive Architecture, es un enfoque propuesto por Yann LeCun en 2022 que predice en un espacio de representación abstracto en lugar de renderizar píxeles.
- Versión preliminar de investigación
- Una versión preliminar de investigación es un lanzamiento temprano para un grupo limitado, como probadores de confianza, que permite al desarrollador recopilar comentarios antes de un lanzamiento más amplio.
Fuentes
- Genie 4: A new generation of world simulation Google DeepMind · 2026-10-27
- Google's Genie 4 world model adds audio, more realistic worlds, and real-time steering TechCrunch · 2026-10-27
- Genie 3: A new frontier for world models Google DeepMind · 2025-08-05
- Project Genie: Experimenting with infinite, interactive worlds Google (The Keyword) · 2026-01-29
- The World Model and Spatial Intelligence Era: Governing AI Beyond Language Stanford Institute for Human-Centered AI (HAI) · 2026-07-27
- DeepMind thinks its new Genie 3 world model presents a stepping stone toward AGI TechCrunch · 2025-08-05
- 'World Models,' an Old Idea in AI, Mount a Comeback Quanta Magazine (Simons Foundation) · 2025-09-02
- Genie: Generative Interactive Environments (arXiv:2402.15391) arXiv (Google DeepMind authors: Bruce et al.) · 2024-02-23
- Genie 2: A large-scale foundation world model Google DeepMind · 2024-12-04
- Google rolling out 'Project Genie' to generate playable worlds 9to5Google · 2026-01-29
- Yann LeCun's AMI Secures $1B Seed to Develop AI World Models HPCwire (AIwire) · 2026-03-11
- Yann LeCun's AMI Labs raises $1.03B to build world models TechCrunch · 2026-03-09
- Marble: A Multimodal World Model World Labs · 2025-11-12
- Fei-Fei Li's World Labs unveils its world-generating AI model Fast Company
