Google DeepMind presentó Genie 4 el 27 de octubre de 2026 como un modelo experimental para generar mundos simulados interactivos en tiempo real y con audio nativo. En la demostración, el usuario navega con el teclado, mueve la cámara y modifica la escena con instrucciones de texto. El ejemplo de Apptronik Apollo jugando a las damas es una simulación, no una prueba con el robot físico.
Cómo se controlan los mundos simulados
Genie 4 permite explorar una escena mientras evoluciona: las teclas sirven para desplazarse y controlar la cámara, y las instrucciones de texto cambian el entorno. Google también mostró indicaciones basadas en imágenes de referencia. Según la compañía, el modelo genera sonido ambiental, música y diálogos que responden a las acciones o los acontecimientos de la escena.
Qué aportan los modelos Gemini
Google describe dos funciones distintas. Gemini Omni ayuda a anclar la apariencia y el comportamiento de las simulaciones. En otro flujo, Gemini 3.8 Flash actúa como agente guía: observa imágenes de la escena, divide un objetivo en pasos, comprueba el avance y adapta el plan. Genie 4 genera el mundo simulado en el que se desarrolla esa secuencia.
En el ejemplo de Apptronik Apollo, Gemini 4 Argon prepara los pasos de una partida de damas y Genie 4 los convierte en una escena simulada. Google no presentó el resultado como una prueba física del humanoide ni como evidencia de que la simulación se transfiera a un robot real.
Usos en exploración y límites de Genie 4
Google dijo que los evaluadores exploraban la previsualización de películas, los prototipos interactivos antes de escribir código para un motor de juego y la creación de escenarios históricos o de simulación. Son usos en fase de exploración, no despliegues comerciales establecidos.
La página de Genie de Google describe sesiones continuas de unos pocos minutos. La compañía también señala que la apariencia de los objetos puede desviarse, sobre todo durante sesiones largas, tras cambios complejos en las instrucciones o al desplazarse por el mundo. La reproducción de lugares reales no es siempre exacta; las interacciones complejas entre personas o varios agentes independientes siguen siendo un reto. El texto puede resultar ilegible, y Google identifica la precisión del audio como un área de mejora.
El creador de Theoretically Media explora en inglés los cambios de escena por texto, el diálogo y las interacciones con controles similares a los de un videojuego. Sus observaciones corresponden a una vista previa limitada. No hay una comparación de rendimiento que permita situar Genie 4 por encima o por debajo de NVIDIA Omniverse para el entrenamiento de robots.
El audio generado tampoco equivale a una función de accesibilidad anunciada para Genie 4. Google presentó Guided Vision por separado como una función de Gemini Live.
Acceso anunciado y marcas de agua
El 27 de octubre de 2026, Google dijo que la vista previa de investigación había empezado a llegar a evaluadores de confianza. También anunció planes para ofrecer acceso a suscriptores de Google AI Ultra mediante Project Genie y a socios con acceso anticipado a través de Gemini API y Google AI Studio.
Google dijo que los vídeos y el audio generados llevarían SynthID y que la vista previa contaba con salvaguardas de seguridad.
