La empresa anunció Genie 4 el martes 27 de octubre. Según la presentación de DeepMind, los usuarios pueden recorrer los entornos con controles de teclado y modificar la escena mientras se genera.

Qué se puede hacer con Genie 4

Las instrucciones en lenguaje natural pueden cambiar el clima, mover la cámara o agregar personas y objetos, según DeepMind. La empresa también lo presenta como su primer modelo de mundo en tiempo real con generación nativa de audio.

Ese audio puede incluir sonidos ambientales, música y diálogos interactivos que responden a las acciones del usuario o a los acontecimientos de la simulación. DeepMind muestra así escenas que combinan imagen, sonido e interacción, no solo imágenes generadas para mirar.

La empresa explica que Gemini 3.8 Flash funciona como un agente guía: observa la escena, divide los objetivos en pasos y revisa los cuadros generados para comprobar el avance. Si el usuario cambia el entorno, el agente puede ajustar su plan.

Quién puede probarlo y qué límites tiene

Al 28 de octubre, DeepMind describe el acceso como una vista previa de investigación para probadores de confianza. Luego planea ampliarlo a suscriptores de Google AI Ultra dentro de Project Genie y a socios de acceso anticipado de Gemini API y Google AI Studio, pero no anunció cuándo.

La página oficial de Genie ofrece una lista de espera para Project Genie. DeepMind no informó la fecha de apertura general, los países incluidos ni el precio o las condiciones para próximos usuarios y desarrolladores.

Las simulaciones no son reproducciones exactas de lugares reales. DeepMind advierte que los detalles visuales y la permanencia de los objetos pueden cambiar con el tiempo, después de instrucciones complejas o al desplazarse por una escena. La interacción continua dura unos minutos, no sesiones prolongadas.

La precisión del audio en tiempo real, las interacciones físicas complejas, el texto legible, la precisión espacial y la consistencia a largo plazo siguen en investigación, según la empresa. DeepMind también dice que los videos y audios generados incluirán SynthID, una marca de agua digital imperceptible para ayudar a identificar contenido creado con inteligencia artificial.

Entre los usos que sus probadores exploran están la previsualización de escenas para cine, el prototipado de experiencias interactivas y la recreación de escenarios históricos con fotos de archivo. DeepMind los presenta como pruebas en curso, no como resultados disponibles para el público general.