Google Presenta el Nuevo Modelo de IA Genie 4 para Crear Mundos Interactivos

Google DeepMind ha introducido el modelo de IA Genie 4, capaz de crear mundos interactivos con sonido en tiempo real. Los desarrolladores han anunciado gráficos más realistas, una mejor modelización de la física y el comportamiento de los personajes.

Genie 4 pertenece a la clase de modelos de mundo: tales sistemas no solo crean una secuencia de fotogramas, sino que simulan cambios ambientales en respuesta a las acciones del usuario. Una persona puede navegar por el espacio usando un teclado y controlar la cámara, mientras que los comandos de texto pueden agregar objetos y cambiar el clima. Gemini ajusta las solicitudes a lo que está sucediendo y supervisa la secuencia del mundo. Según TechCrunch, Genie 4 mantiene una escena coherente durante hasta dos minutos, el doble que su predecesor.

Uno de los principales cambios es la generación de sonido incorporada: el modelo crea ruidos, música y habla simultáneamente con la imagen. Los personajes participan en diálogos, reaccionan a las acciones del usuario y cambian sus líneas durante la escena. Los desarrolladores también anunciaron mejoras en aerodinámica, colisiones y otras interacciones físicas, siendo el paso más notable la simulación de humanos: los personajes se mueven de manera más natural y responden al entorno. La demostración presenta un vuelo en globo aerostático sobre la Antártida, una estación japonesa de los años 80, carreras de dragones y un mundo de vitrales.

Genie 4 se basa en modelos Gemini: Gemini Omni es responsable de la apariencia realista y el comportamiento de los objetos, mientras que Gemini 3.8 Flash actúa como un agente gestor, observando la escena, desglosando tareas en pasos y ajustando el plan cuando el usuario interviene.

Como parte de Gemini Robotics, el modelo se está probando junto con Gemini 4 Argon: Argon desglosa tareas en pasos, mientras que Genie 4 modela cómo el robot Apollo de Apptronik juega a las damas. Tales entornos ayudarán a entrenar robots antes de la transición al mundo real.

El modelo ya se está probando en cine, periodismo, educación, desarrollo de juegos e ingeniería. Sin embargo, Genie 4 sigue siendo experimental: los detalles y objetos pueden cambiar de apariencia con el tiempo, especialmente en sesiones largas. Todos los videos y audios recibirán marcas de agua SynthID. El acceso se abrirá a un grupo limitado de probadores, luego a los suscriptores de Google AI Ultra en Project Genie y a los socios a través de la API de Gemini y Google AI Studio; el costo de la API no ha sido revelado.