Google ha anunciado el lanzamiento de Genie 4, su modelo más reciente en la categoría de "modelos mundiales" (World Models), el cual representa un salto cualitativo en la capacidad de la inteligencia artificial para simular la realidad. A diferencia de los grandes modelos de lenguaje (LLMs) que predicen palabras, Genie 4 se centra en construir una simulación interna del entorno, prediciendo cómo evolucionan el espacio, el tiempo, la gravedad y otras fuerzas físicas dentro de la escena.
Evolución en la simulación: audio, física y coherencia
Genie 4 se distingue de su predecesor (Genie 3) por varias mejoras fundamentales, destacando principalmente por ser el primer modelo mundial de Google que admite la generación de audio nativa (Native Audio Generation). El modelo no se limita a generar escenas visuales, sino que crea automáticamente sonidos ambientales acordes al entorno simulado, además de generar diálogos humanos que interactúan y cambian dinámicamente a medida que se desarrollan los eventos en la escena.
En cuanto al rendimiento técnico, el modelo ha alcanzado las siguientes características:
- Coherencia de la escena: El modelo puede mantener la estabilidad y consistencia de la escena durante un máximo de dos minutos, duplicando la capacidad ofrecida por la versión anterior.
- Simulación física: El modelo admite la simulación de escenarios complejos como la aerodinámica (Aerodynamics) y las colisiones, con movimientos humanos que parecen naturales y responden al entorno de manera orgánica.
- Interacción en tiempo real: Los usuarios pueden dar forma al mundo, cambiar el clima, mover la cámara o añadir nuevos elementos mediante instrucciones de texto natural en tiempo real.
Integración con Gemini 3.8 Flash
Genie 4 opera en paralelo con el modelo Gemini 3.8 Flash, que desempeña el papel de "agente guía" (Guiding Agent). Gemini desglosa las instrucciones complejas en pasos pequeños y supervisa continuamente la escena mientras es generada por Genie 4 para garantizar que la ejecución se mantenga en el camino deseado; asimismo, interviene para modificar los pasos en caso de que el usuario cambie el curso de los acontecimientos de forma no planificada.
¿Qué cambia en la práctica?
Este avance representa una transición desde la simple "generación de vídeo" hacia la "construcción de mundos interactivos". Para desarrolladores e investigadores, esto significa la capacidad de crear entornos de prueba virtuales de alta precisión que incluyen audio y física realistas, lo cual podría abrir nuevos horizontes en el entrenamiento de robots o en el desarrollo de videojuegos y realidad extendida (XR). La capacidad de fusionar audio y movimiento físico en un solo modelo reduce la brecha entre la simulación digital y la realidad tangible.
Disponibilidad y limitaciones técnicas
Google ha aclarado que Genie 4 se encuentra todavía en la fase de vista previa de investigación (Research Preview) y actualmente está disponible para un grupo seleccionado de evaluadores de confianza. Su lanzamiento está programado para las próximas semanas para los suscriptores de Google AI Ultra a través del proyecto Project Genie, así como para los socios de acceso anticipado de Gemini API y Google AI Studio.
No obstante, la empresa señaló que el modelo sigue siendo experimental, ya que podrían surgir algunas inconsistencias visuales en sesiones prolongadas. Para garantizar la transparencia, todo el contenido producido por el modelo estará marcado con una marca de agua invisible utilizando la tecnología SynthID de Google para distinguir el contenido generado por inteligencia artificial.