Genie 4: escribís un lugar y caminás adentro

En una de las demos que Google DeepMind publicó el 27 de octubre de 2026, un hombre toca el saxo sobre una plataforma que flota en un lago con niebla. El prompt de esa escena tiene unas 270 palabras, y una parte es una lista de lo que la imagen no puede hacer: “Absolutely no HDR, no dramatic contrast, no glossy digital rendering”.

Para quien diseña marcas, juegos o sitios inmersivos, Genie 4 hace que un primer borrador recorrible de una idea cueste minutos; decidir qué tiene que decir ese mundo sigue siendo el trabajo. Genie 4 es un world model: un sistema de IA que genera un entorno cuadro por cuadro mientras lo recorrés, en lugar de producir un video terminado. Ahora suma sonido, te deja cambiar la escena con texto mientras estás adentro y, por ahora, solo lo usan testers invitados.

¿Qué hace Genie 4 exactamente?

Según el anuncio de DeepMind, un mundo de Genie 4 se recorre con el teclado y se modifica con texto mientras corre: otro clima, otro ángulo de cámara, una persona o un objeto nuevo. Gemini, el modelo de lenguaje de Google, adapta cada instrucción a la escena y, entre una indicación y otra, “monitorea y conduce la escena para que el mundo avance de forma coherente”.

Lo nuevo frente a Genie 3, que Google mostró como research preview hace poco más de un año, es el sonido. DeepMind lo presenta como su “primer world model en tiempo real que genera audio de forma nativa”: sonido ambiente, música y diálogo que se generan con la imagen. TechCrunch informa que Genie 4 mantiene una escena coherente hasta dos minutos, el doble que su antecesor. Ese número salió de la conferencia de prensa de Google; el post de DeepMind solo habla de “sesiones cortas”.

¿Quién puede usar Genie 4 y cuándo?

Por ahora, solo un grupo de prueba. DeepMind dice que empezó a liberarlo “como research preview para trusted testers” y que llega “pronto” a los suscriptores de Google AI Ultra dentro de Project Genie y a socios con acceso anticipado en la Gemini API y Google AI Studio. Hay lista de espera y no hay fecha. The New Stack agrega que tampoco se sabe nada de precio ni de garantías de rendimiento.

Conviene mirar las demos sabiendo que cada clip lo eligió Google. El hilo de Hacker News sobre el lanzamiento ya superaba los 1.000 puntos y los 570 comentarios el 28 de octubre, y algunos de los comentarios más votados señalan dónde se rompen: un pedazo de castillo que desaparece cuando la cámara vuelve a mirar, un busto que cae sobre una sandía y no se vuelca. Son observaciones de quienes vieron los videos, no mediciones, pero coinciden con lo que DeepMind reconoce como pendiente.

Lo que Genie 4 todavía hace mal

DeepMind es directo con los límites: “los detalles visuales y la permanencia de los objetos todavía pueden cambiar o desplazarse con el tiempo”, sobre todo en sesiones largas, después de varias ediciones del prompt o al moverse por la escena. La física compleja, la precisión del audio y del espacio, la consistencia a largo plazo y el texto legible siguen siendo investigación abierta. En un mundo generado, texto legible quiere decir carteles, etiquetas y pantallas: todo lo que alguien tiene que poder leer.

The New Stack suma un punto para quien quiera usarlo para testear: Google no publicó benchmarks sobre cómo rinde Genie 4 en pruebas repetidas con agentes, ni sobre si el mismo prompt da resultados consistentes. Para un borrador creativo, que varíe no molesta; para algo que tiene que comportarse igual dos veces, todavía no sirve.

Qué cambia para quien diseña experiencias

Los testers de DeepMind marcan el uso más realista. Desarrolladores de juegos lo están probando para pasar “de una idea inicial a un prototipo explorable en segundos” y probar estilos visuales y mecánicas “antes de escribir una sola línea de código de motor”. Equipos creativos también lo prueban como “modo borrador” para previsualizar tomas de cine. Diego Rivas, ingeniero de DeepMind, le dijo a TechCrunch que el tiempo real vale más “en la etapa de ideación, en la etapa de storyboard”.

Nuestra lectura es que, fuera de la investigación en IA, Genie 4 entra por ahí: como un boceto que se puede caminar. Una experiencia de marca o un sitio de lanzamiento se podrían mostrar como un espacio con sonido antes de construir nada. Eso acorta la conversación más cara de un proyecto creativo: la reunión donde cada uno se imagina otra cosa.

El resto no se acorta, y las demos de Google muestran por qué. El prompt del saxo es un brief creativo: tipo de película, grano, contraste, por dónde puede ir la cámara, qué sonidos se permiten. El de una semilla de arce que cae al pasto tiene 15 palabras. Una semilla no tiene nada que contar. Cuanto más tiene que comunicar un mundo, más se parece su prompt a una dirección de arte, y al resultado todavía le cuesta mostrar texto legible o mantenerse estable más que una sesión corta. La historia, el texto en pantalla y lo que pasa después son justo lo que una marca necesita controlar, y lo que Genie 4 deja abierto. Un sitio que te cuenta algo mientras carga, como el que miramos en octubre, funciona porque alguien diseñó esa secuencia a propósito.

Qué mirar

Tres cosas van a definir si Genie 4 importa fuera de las demos: el precio y los límites de uso cuando llegue a Ultra, si mejoran el texto y la permanencia de los objetos, y si algo puede salir del entorno de Google. En el hilo alguien preguntó si se pueden exportar assets 3D o un proyecto para un motor de juegos; el anuncio no lo dice. Si sigue siendo no, Genie 4 es un excelente cuaderno de bocetos que solo se abre adentro de Google. Si pasa a ser sí, se empieza a correr la frontera entre prototipo y producción.

Fuentes

• Genie 4: A new generation of world simulation, Google DeepMind, 27 de octubre de 2026.
• Google’s Genie 4 world model adds audio, more realistic worlds, and real-time steering, TechCrunch, 27 de octubre de 2026.
• Google built AI agents a world to practice in. The physics still aren’t quite right., The New Stack, 27 de octubre de 2026.
• Discusión sobre Genie 4, Hacker News, 27 de octubre de 2026.