En resumen
Genie 4 es el nuevo modelo de mundos en tiempo real de Google DeepMind, anunciado el 27 de octubre de 2026, y todavía no puedes usarlo. Genera un mundo explorable a partir de un prompt, añade sonido nativo y diálogos hablados, y te permite cambiar la escena mediante texto mientras se ejecuta. Es una versión preliminar de investigación solo para evaluadores de confianza, con Project Genie en Google AI Ultra (desde $99.99/mes) y la Gemini API anunciados como "coming soon", sin fechas ni precio.
Lo que la mayoría de las publicaciones pasan por alto: el verdadero cambio es un segundo modelo dentro del ciclo. Gemini 3.8 Flash observa cada fotograma que renderiza Genie 4, divide tu objetivo en pasos y comprueba que cada uno se haya completado. Dirigir la escena mediante texto no es nuevo, Genie 3 ya lo permitía. Y Google ha publicado menos especificaciones esta vez: ni resolución, ni tasa de fotogramas, ni número de parámetros, ni pruebas comparativas.
Si diriges un equipo de soporte, Genie 4 no tendrá nada que ver con tu cola de tickets. Pero su ciclo de "planificar, actuar, comprobar" es el modelo adecuado para cualquier IA que actúe en tu nombre, y así es como yo evaluaría a un agente de IA para soporte: uno que se haya probado con tus propios tickets anteriores antes de responder a un cliente, que es lo que hace eesel.
Por qué investigué Genie 4
Me dedico a crear agentes de IA en eesel, de esos que leen un ticket de soporte, buscan información y deciden qué hacer a continuación. En los últimos años, implementando agentes en colas de soporte reales, la lección que más me ha marcado es que el problema rara vez está en el modelo. El problema es un agente que da un paso, nunca comprueba si funcionó y sigue adelante con total seguridad. Esa es la razón por la que ahora cada implementación de eesel se simula con el historial de tickets de un equipo antes de entrar en funcionamiento.
Así que, cuando el anuncio de DeepMind dijo, en esencia, "hemos integrado Gemini en el ciclo para comprobar cada paso", presté más atención a esa frase que a las imágenes del dragón. En este artículo repaso qué es Genie 4 y qué tiene realmente de nuevo, después qué muestran las demostraciones (y dónde fallan), y también cómo conseguir acceso y qué no nos ha contado Google todavía. Todo lo que aparece aquí procede de las propias páginas de DeepMind y de la conversación pública, ya que nadie fuera del grupo de evaluadores lo ha probado aún.
¿Qué es Genie 4?
Genie 4 es un modelo de mundos: un sistema de IA que genera un entorno interactivo fotograma a fotograma, en tiempo real, y reacciona mientras te mueves por él. Describes un lugar (o le das una imagen de referencia) y después lo recorres a pie, volando o conduciendo, con controles de teclado, mientras el modelo inventa lo que hay a la vuelta de la esquina.
El artículo del anuncio de DeepMind, escrito por Raia Hadsell, Diego Rivas y Hang Qi, lo describe como "natively multimodal". El sonido y la música, y también los diálogos, se generan junto con el mundo en vez de añadirse después. El artículo también dice que el modelo se apoya en la familia Gemini de dos formas: Gemini Omni "anchors" el aspecto y el comportamiento de la escena en el mundo real, y otros modelos de Gemini se encargan del razonamiento que mantiene coherente una simulación.
La explicación de Google sobre por qué esto importa es bastante amplia: mundos de entrenamiento seguros para robots y agentes, además de usos creativos en cine, periodismo, videojuegos y fabricación, según el anuncio en el blog de Google. DeepMind presenta la simulación de mundos como un paso hacia la inteligencia artificial general. Ese es el objetivo a largo plazo; a corto plazo, es una versión preliminar para la que puedes apuntarte a una lista de espera.
Si no conoces esta serie de modelos, ya cubrí la parte orientada al consumidor del modelo anterior en mi análisis a fondo de Project Genie.
¿Qué tiene realmente de nuevo Genie 4 frente a Genie 3?
Genie 4 añade tres cosas que Genie 3 no tenía: audio nativo, un planificador Gemini dentro del ciclo y Gemini Omni para aportar realismo. Dirigir la escena mediante texto en tiempo real no es una de ellas, pese a lo que dan a entender algunas publicaciones sobre el lanzamiento.
Genie 3, anunciado en agosto de 2025, ya tenía lo que DeepMind llamaba "promptable world events": escribir un prompt para cambiar el tiempo o añadir objetos y personajes en mitad de una escena. Lo que cambió es quién interpreta ese prompt. En Genie 4, "Gemini will contextually adapt your prompt to match the surrounding scene", y entre tus intervenciones Gemini "monitors and steers the scene to keep the world progressing cohesively."
Aquí tienes la comparación directa, y solo he usado lo que DeepMind ha publicado:
| Genie 3 (agosto de 2025) | Genie 4 (octubre de 2026) | |
|---|---|---|
| Audio nativo | No | Sí: sonido ambiental, música, diálogos interactivos |
| Dirección mediante texto en mitad de la escena | Sí ("promptable world events") | Sí, con Gemini adaptando tu prompt a la escena |
| Planificador dentro del ciclo | Ninguno | Gemini 3.8 Flash planifica los pasos y comprueba los fotogramas |
| Capa de realismo | No se indica | Gemini Omni ancla el aspecto y el comportamiento en el mundo real |
| Resolución / tasa de fotogramas | 720p, 24 fps | No se ha publicado |
| Interacción continua | Unos minutos | Unos minutos |
| Acceso en el lanzamiento | Versión preliminar de investigación, después Project Genie | Evaluadores de confianza, después Project Genie y Gemini API |
| Marca de agua | SynthID | SynthID en vídeo y audio |
El retroceso discreto está en la ficha técnica, no en el modelo. El artículo de lanzamiento de Genie 3 indicaba 720p, 24 fotogramas por segundo y una memoria visual que se remontaba "as far back as one minute ago." El artículo de Genie 4 no aporta ninguna de esas cifras, y tampoco hay una tabla comparativa. Puede que sea mejor en todos esos aspectos, pero no puedo comprobarlo.
Sobre el papel, la duración de las sesiones no ha cambiado. Ambas páginas dicen que el modelo admite "a few minutes" de interacción continua. Algunos medios informaron de que se había duplicado, pero esa cifra no aparece en ninguna página de DeepMind que yo haya podido encontrar, así que la he dejado fuera.
¿Cómo funciona Genie 4 con Gemini?
Genie 4 funciona como dos modelos que trabajan en un ciclo: Genie renderiza el mundo y Gemini 3.8 Flash actúa como un "guiding agent" que planifica y comprueba. Este es el párrafo más interesante de todo el anuncio, así que a continuación explico la descripción de DeepMind en términos sencillos.
Mientras Genie 4 genera el mundo, Gemini sigue observando la escena y divide un objetivo en una secuencia de pasos; después revisa los fotogramas entrantes para "track the progress and verify that each step succeeded." Si el mundo se desvía o tú intervienes, Gemini cambia su plan al momento. DeepMind dice que esto es lo que permite "reliable causality, procedural behaviors, and multi-step reasoning."
En otras palabras, Genie por sí solo es muy bueno prediciendo el siguiente fotograma, y Gemini es lo que lo convierte en algo capaz de seguir un plan. El análisis de Gemini 3.8 Flash cubre el modelo que aquí desempeña el papel de verificador, y es un modelo rápido y barato, lo cual tiene sentido para algo que debe observar fotogramas en tiempo real.
DeepMind también mostró una versión de esto con su modelo más grande. En una demostración de robótica, Gemini 4 Argon escribe un plan detallado de varios pasos, y cada paso se envía a Genie 4 como una descripción textual mientras se renderiza la simulación. El ejemplo es Apollo, el humanoide de Apptronik, jugando a las damas.
La conexión con la robótica no es nueva para Google. Se suma a Gemini Robotics 2 y al trabajo de Gemini 4 Argon para robótica, y la página del modelo de DeepMind dice que los mundos de Genie 4 podrían ser el lugar donde agentes como SIMA "learn new skills." DeepMind llama a esta línea de trabajo "hybrid world models": los modelos de lenguaje y código se encargan de la estructura y de la cronología de la historia, y el modelo de píxeles se ocupa del aspecto y el sonido de las cosas.
¿Qué muestran realmente las demostraciones de Genie 4?
Las demostraciones muestran un gran salto en realismo, sobre todo en las personas y el sonido, junto con los mismos problemas de consistencia que tenía Genie 3. DeepMind las agrupa en cuatro capacidades: dirección en tiempo real, física y acción humana, sonido y eventos complejos impulsados por Gemini.
DeepMind señala que los clips son grabaciones de sesiones en tiempo real, con "standard keyboard controls for navigation and camera control, and text prompts to steer." Algunas que me llamaron la atención:
- Personas. DeepMind llama a la simulación humana "the most dramatic leap", y tanto el andén abarrotado de una estación japonesa de los años 1980 como el recorrido entre bastidores de un teatro se parecen mucho más a imágenes grabadas que a un motor de videojuegos.
- Sonido. Genie 4 es el "first real-time world model to generate audio natively." de DeepMind. En el clip del saxofón en un lago, el instrumento, el viento y también el agua proceden del modelo.
- Física. Los ejemplos incluyen aerodinámica y colisiones, como una semilla de arce que cae o un globo aerostático sobre la Antártida, y también un busto de mármol que se deja caer sobre una sandía.
- Tareas robóticas. Un brazo UR5 de Universal Robots sostiene una pipeta y dispensa líquido en una placa de laboratorio.
Vale la pena leer los prompts si piensas usarlo. Son largos y específicos, y también muestran un gran dominio de la cámara: "photographed on 16mm film", "the camera is not attached to the man or the platform", "no HDR". DeepMind también publicó una guía de prompts para Genie, que deja claro que, para obtener un buen resultado, necesitas unas instrucciones propias de un director, no una sola frase.
¿Qué dice la gente sobre Genie 4?
El hilo de Hacker News alcanzó 642 puntos y 390 comentarios el día del lanzamiento, y el ambiente era de asombro, pero también de escepticismo. La mayoría de los comentarios más críticos trataban sobre la consistencia, que es precisamente lo que DeepMind señala como su principal limitación.
Un lector revisó la demostración del dragón fotograma a fotograma:
"A big chunk of the right side of castle disappeared, including catapult, when camera turned back while flying on dragon. See 1:25 to 1:29. I was not expecting this to happen in a "world model"."
Otro describió el patrón de forma más general, y creo que esta es la interpretación más justa de las demostraciones:
"It's very good at maintaining consistency for things that stay in frame, but I don't know that this points to it developing a strong "world simulation" like they claim."
El otro gran tema fue la apertura. A un comentarista le parecía "very hard to get me excited about yet another proprietary model for which absolutely zero technical details are released (not even the number of parameters)", según este comentario de Hacker News. Sin embargo, no todos coincidían en que la propuesta de entrenar robots fuera puro bombo; una respuesta a un escéptico señaló que ya se está usando un modelo de mundos para entrenar coches autónomos:
"A proprietary version of this technology is already training Waymo's robot cars. Waymo blogged about their DeepMind-provided world model a year ago."
Mi interpretación: el realismo es real, pero la parte de "mundo" sigue siendo, en gran medida, lo que aparece en pantalla. Las cosas que salen del encuadre pueden volver distintas, lo cual está bien para un borrador de previsualización cinematográfica, pero importa mucho más cuando quieres entrenar a un robot con él.
¿Qué no nos ha contado Google sobre Genie 4?
Google no ha publicado el número de parámetros, pruebas comparativas, resolución o tasa de fotogramas, un límite de sesión más allá de "a few minutes", precio ni documentación de la API. Lo que sí publicó es una lista de limitaciones inusualmente franca, que merece la pena leer completa en la página del modelo Genie.
Esto es lo que, según DeepMind, todavía le cuesta a Genie 4:
| Limitación | Qué dice DeepMind |
|---|---|
| Entornos coherentes | Los detalles visuales y la permanencia de los objetos pueden alterarse, especialmente en sesiones largas, después de varias modificaciones del prompt o al desplazarse |
| Otros agentes | Modelar interacciones entre usuarios, múltiples agentes y entornos compartidos sigue siendo un problema de investigación |
| Lugares reales | No puede simular ubicaciones del mundo real con una precisión perfecta |
| Texto | El texto claro suele aparecer solo cuando está en la descripción de tu mundo |
| Duración | Unos minutos de interacción continua, no sesiones prolongadas |
| Audio | La precisión del audio en tiempo real sigue mejorándose |
En cuanto a seguridad, Google dice que Genie 4 pasó por evaluaciones internas de seguridad y tiene medidas de protección acordes con las de sus otros modelos. También dice que todo el vídeo y el audio que genera llevan SynthID, la marca de agua invisible de Google. Es el mismo enfoque que en Genie 3, solo que ahora se extiende al sonido.
¿Cómo puedes acceder a Genie 4 y cuánto costará?
Ahora mismo no puedes, salvo que seas un evaluador de confianza. Google dice que Genie 4 llegará después a los suscriptores de Google AI Ultra en Project Genie y a los socios con acceso anticipado en la Gemini API y Google AI Studio. Puedes apuntarte a la lista de espera de Genie 4 hoy.
La vía para consumidores es la más clara. Project Genie es la aplicación de Google Labs para crear mundos, y la página de planes de Google la presenta como una función exclusiva de Ultra en más de 140 países. A fecha de 28 de octubre de 2026, esa página todavía describe Project Genie como una aplicación que funciona con Genie 3.
Esto es lo que cuesta hoy cada vía, según las propias páginas de Google:
| Vía de acceso a Genie 4 | Estado (28 de octubre de 2026) | Precio |
|---|---|---|
| Programa de evaluadores de confianza | Activo, solo por invitación | No se ha publicado |
| Project Genie en Google AI Ultra | Próximamente | Ultra desde $99.99/mes (5x el uso de Pro) o $199.99/mes (20x el uso de Pro), EE. UU. |
| Gemini API y Google AI Studio | Próximamente, socios con acceso anticipado | No se ha publicado una tarifa de Genie 4 |
Así que el plan realista para la mayoría es: apuntarte a la lista de espera y, si ya pagas por Ultra, estar pendiente de que Project Genie cambie de modelo. Para los desarrolladores, todavía no hay nada sobre lo que construir. Mientras tanto, Google AI Studio y la Gemini API te dan acceso al resto de la familia Gemini, incluido Gemini Omni Flash, el modelo que está detrás de la capa de realismo de Genie 4.
¿Para quién es Genie 4?
Según las notas de los evaluadores de confianza, los primeros usos están en el trabajo creativo y de planificación, no en producción. DeepMind enumera cuatro:
- Previsualización cinematográfica. Directores que entran en una escena y realizan varias "tomas" en directo, cambiando la cámara, la iluminación, los diálogos y la acción.
- Periodismo e historia. Convertir una sola foto de archivo en una escena explorable, o mostrar cómo se desarrolla una inundación repentina o un incendio forestal.
- Conceptos de videojuegos. Pasar de una idea a un prototipo explorable "before writing a single line of engine code."
- Simulación. Socios empresariales que lo prueban para generar escenarios rápidamente, junto con el propio trabajo de robótica de DeepMind.
Si creas vídeos, compáralo con herramientas que puedes usar hoy, como Sora 2, Runway y Kling AI. Estas crean clips fijos, mientras que Genie crea un mundo por el que te mueves, y esa es una tarea distinta.
¿Es relevante Genie 4 para los equipos de atención al cliente?
No como producto. Genie 4 renderiza mundos, y nadie va a responder a una solicitud de reembolso con un andén de tren simulado. Sin embargo, su arquitectura es la idea más útil del anuncio para cualquiera que use IA en una cola de soporte.
Fíjate en lo que hace Gemini dentro del ciclo: divide el objetivo en pasos, actúa, comprueba el resultado y después ajusta. Genie por sí solo produce fotogramas convincentes que pueden desviarse discretamente del plan, y la IA de soporte falla de la misma manera. Un modelo que escribe una respuesta con seguridad sin que nada la contraste con tus políticas o los datos de tus pedidos también está haciendo conjeturas. De ahí vienen las alucinaciones de la IA en soporte.
Así que la pregunta que yo le haría a cualquier proveedor no es "¿qué modelo usas?". Es "¿qué comprueba lo que hace el modelo, y puedo verlo funcionar primero con mis tickets?". Aquí tienes algunas formas concretas de hacer esa comprobación:
- Prueba con el historial antes de ponerlo en marcha. Ejecuta el agente con tus tickets anteriores y lee lo que habría enviado. Escribí una explicación sobre cómo probar un agente de IA.
- Fundamenta cada respuesta en una fuente. El agente debería responder basándose en tu centro de ayuda y en respuestas anteriores, e incluir enlaces a lo que haya usado.
- Saber cuándo dar un paso atrás. Una regla clara de derivación es mejor que un modelo ingenioso. Consulta las mejores prácticas para la derivación de agentes de IA.
Así es como SamCart configuró eesel. Empezaron cargando su centro de ayuda y sus tickets anteriores de Freshdesk, y después pusieron un agente a trabajar con los tickets de correo electrónico y otro independiente en el chat del sitio web. Ambos responden a partir de unos 280 artículos del centro de ayuda, enlazan solo a artículos públicos y el agente de tickets deja de responder en cuanto un compañero se hace cargo del ticket. Es la misma disciplina de planificar-actuar-comprobar, solo que aplicada a una cola en vez de a un dragón.
Si estás comparando modelos para esa tarea, mi análisis del mejor modelo para tickets de soporte explica cuáles están a la altura, y agentes de IA frente a chatbots de IA explica por qué el ciclo importa más que el modelo.
¿Debería interesarte Genie 4 ya?
Sí, si trabajas en cine, videojuegos, simulación o investigación en robótica: apúntate a la lista de espera, porque el realismo y el audio nativo suponen un avance real respecto a Genie 3, y el diseño con Gemini dentro del ciclo apunta hacia dónde van los modelos de mundos. No, si esperabas desarrollar algo sobre él este trimestre: no hay API, ni precio, ni ficha técnica.
Para todos los demás, es un buen adelanto de una idea más amplia. Google no hizo fiable el modelo de mundos haciéndolo más grande, sino añadiendo un segundo modelo cuyo único trabajo es planificar y comprobar. Esa es la lección que yo aplicaría a cualquier IA que pongas de cara a tus clientes. Para tener una visión más amplia de los agentes, mi selección de los mejores agentes de IA y mis ejemplos de agentes de IA son buenas lecturas para continuar.
Prueba eesel si buscas una IA que compruebe su trabajo
Genie 4 necesita que Gemini compruebe cada fotograma. Tu IA de soporte necesita lo mismo para cada respuesta. eesel es un compañero de IA para tu equipo de soporte que se incorpora a tu cola actual en Zendesk, Freshdesk o Gorgias y aprende de tu centro de ayuda y de tus tickets anteriores. También te permite ejecutarlo con tu propio historial de tickets antes de que responda a un solo cliente.
SamCart utiliza dos, uno por canal, a partir del mismo centro de ayuda. Si quieres ver qué habría dicho en los tickets del mes pasado, prueba eesel gratis.