IT之家 10 de octubre de 2028, Google DeepMind lanzó el martes su último modelo mundial, Genie 4, que actualmente se encuentra en fase de previsualización de investigación. Este último modelo puede generar mundos virtuales interactivos con la mayor fidelidad hasta la fecha, permitiendo a los usuarios modificar escenas ingresando indicaciones durante la simulación. El modelo también puede generar audio en tiempo real sincronizado con el mundo virtual, incluyendo música, sonidos ambientales y conversaciones interactivas.

IT之家 observa que, unos meses antes del lanzamiento de Genie 4, la startup de video con IA Runway lanzó su segundo modelo mundial, GWM Worlds 2, un modelo interactivamente ejecutable que responde dinámicamente a las entradas del usuario y admite la generación de audio. Al mismo tiempo, el sector de los modelos mundiales comenzó a mostrar tendencias de consolidación: World Labs, fundada por Fei-Fei Li, fue adquirida por AMD, Amazon está en negociaciones para adquirir Decart, y Rivian acaba de adquirir Third Dimension para desarrollar internamente capacidades de simulación destinadas a pruebas de conducción autónoma.
Lanzamiento de Genie 4, la última iniciativa de Google para mantenerse a la vanguardia en una competencia intensa.
Hace más de un año, Google lanzó el modelo anterior, Genie 3, en forma de previsualización de investigación. Además de una mejora significativa en el realismo visual y la adición de capacidad de audio, Genie 4 admite operaciones de edición de forma libre, como ajustar en tiempo real el clima, el ángulo de la cámara o añadir personajes y objetos. Puede mantener escenas coherentes hasta por dos minutos, el doble de duración que el modelo anterior, con mejores efectos físicos y personajes virtuales más realistas.
La integración de los grandes modelos de Google, Gemini y Genie 4, también se ha incrementado aún más: Gemini actúa como director, encargándose de planificar los pasos y verificar los fotogramas visuales, mientras que Genie 4 se encarga de generar el contenido visual. En un experimento de investigación relacionado con el proyecto de robots Gemini, el modelo Gemini 4 Argon descompuso la tarea en múltiples pasos, que luego fueron simulados en tiempo real por Genie 4. Este experimento demostró una solución viable: validar escenarios en un entorno de simulación antes de realizar pruebas de robots en el mundo real.
Tejas Kulkarni, director de investigación de Google, dijo en una sesión informativa: "Veremos cada vez más modelos híbridos de este tipo en el futuro, donde Gemini escribe código y texto, y Genie 4 lee estos contenidos en tiempo real, simulando la realidad en diferentes niveles de abstracción."
Al igual que otros modelos mundiales, sus escenarios comerciales principales incluyen juegos, aprendizaje interactivo y robótica. Un ejemplo propuesto de aprendizaje interactivo es que el usuario entre en una pintura que representa una escena histórica y converse con los personajes de la pintura sobre los eventos registrados.
Sin embargo, los "probadores confiables", es decir, los primeros usuarios en experimentar los productos avanzados de Google, descubrieron un nuevo uso potencial: la creación de prototipos de películas.
El ingeniero de Google DeepMind, Diego Rivas, dijo en una reunión informativa para los medios: "El valor de las características en tiempo real se manifiesta especialmente en escenarios que requieren mantener una línea creativa coherente, como en las etapas de generación de ideas y de guion de storyboard, donde se necesitan rápidas explosiones de creatividad".
Google también lanzó el modelo de generación de video por IA llamado Veo, que puede generar cortos de alta definición a partir de prompts de texto, imágenes o video, con audio sincronizado incorporado. Esta herramienta sigue ganando popularidad entre los creadores cinematográficos.
Rivas agregó que, en el futuro, los usuarios podrán utilizar el modelo multimodal Gemini Omni para convertir materiales de prototipo en activos creativos formales, ya que Gemini multimodal puede generar videos a partir de imágenes, audio y texto. Sin embargo, también mencionó que estas capacidades aún tienen un largo camino por recorrer antes de implementarse.
Durante toda la presentación, Rivas enfatizó repetidamente que Genie 4 aún se encuentra en una etapa temprana de desarrollo, y aún no está definido cómo será la experiencia final del producto completo. El equipo también reconoció que Genie 4 aún presenta deficiencias: cuanto más tiempo se ejecuta la simulación, más probable es que los detalles y los objetos se desvíen, y aún no han encontrado una solución confiable para garantizar la precisión del audio mientras se mantienen los textos en el mundo virtual claramente legibles.
Actualmente, Genie 4 está disponible en una previsualización de investigación para probadores confiables. En las próximas semanas, este modelo se irá lanzando gradualmente a los usuarios suscritos a Google AI Ultra, al proyecto Genie, una herramienta de IA de Google que genera mundos virtuales interactivos a partir de indicaciones de texto o imágenes, así como a socios tempranos de la interfaz de programación de aplicaciones (API) de Gemini y Google AI Studio.
