Cuando Google DeepMind presentó Genie 4 el pasado 27 de octubre, muchos vieron lo más llamativo: escenas casi fotográficas por las que uno se mueve con el teclado, con lluvia, sonido ambiente y personajes que responden. Parecía un videojuego que se inventaba a sí mismo.
Pero quedarse ahí es perderse lo importante. Genie no es un videojuego ni un generador de vídeo: es un modelo de mundo, una IA que ha aprendido cómo se comporta la realidad y que puede simularla. Y para Google, esa capacidad es una pieza clave de su idea de futuro.
Qué es un modelo de mundo
Un generador de vídeo como los que ya conocemos recibe una descripción y devuelve un clip cerrado. Se mira, pero no se toca.
Un modelo de mundo hace algo distinto: predice, fotograma a fotograma, qué ocurrirá a continuación en función de lo que hagas. Si giras a la izquierda, genera lo que verías al girar. Si avanzas hacia una puerta, la puerta se acerca. No hay un motor gráfico ni un mapa en 3D detrás: todo se inventa sobre la marcha a partir de lo que el modelo aprendió viendo enormes cantidades de vídeo.
Shlomi Fruchter, uno de los responsables del proyecto, lo resume en el blog de Google como un sistema que intenta «predecir lo que va a pasar a continuación en el mundo». Es, en cierto modo, lo que hace nuestro cerebro cuando imagina las consecuencias de un gesto antes de hacerlo.
Demis Hassabis, consejero delegado de Google DeepMind y premio Nobel de Química, lo explicó con una imagen inquietante al hablar de agentes que aprenden dentro de estos mundos: «Básicamente, tienes una IA jugando en la mente de otra IA», dijo en un pódcast de Google.
De plataformas pixeladas a mundos con sonido
La evolución ha sido muy rápida. En menos de tres años, Genie ha pasado de juegos borrosos en 2D a escenas casi fotográficas.
Genie 1 (febrero de 2024). El primer Genie se entrenó con unas 30.000 horas de vídeos de videojuegos de plataformas en 2D sacados de internet. Lo sorprendente es que nadie le dijo qué botón pulsaba el jugador en cada momento: el modelo dedujo por sí solo ocho «acciones» básicas observando cómo cambiaba la imagen. Tenía 11.000 millones de parámetros, generaba escenas de baja resolución y funcionaba a un fotograma por segundo, lejos de ser jugable en tiempo real. Aun así, ganó uno de los premios al mejor artículo del congreso científico ICML 2024.
En esa misma investigación, DeepMind entrenó una versión más pequeña con vídeos de brazos robóticos. Desde el principio, la idea no era solo hacer juegos.
GameNGen (agosto de 2024). Un equipo de Google demostró que una IA podía simular el clásico Doom a 20 fotogramas por segundo con un solo chip. Los evaluadores humanos apenas acertaban algo más que por azar al distinguir los fragmentos simulados de los reales.
Genie 2 (diciembre de 2024). Genie 2 dio el salto al 3D: a partir de una sola imagen creaba un mundo explorable con teclado y ratón, coherente durante hasta un minuto. DeepMind lo usó para poner a prueba a SIMA, su agente capaz de seguir instrucciones en entornos virtuales, y habló de «un currículo ilimitado de mundos nuevos» para entrenar agentes.
Genie 3 (agosto de 2025). Con Genie 3 llegó el tiempo real: 720p a 24 fotogramas por segundo, mundos coherentes durante unos minutos y una memoria visual de alrededor de un minuto. Si un árbol salía del encuadre y volvía a aparecer, seguía siendo el mismo. También introdujo los «eventos del mundo»: con una orden de texto se puede cambiar la meteorología o añadir objetos y personajes a la escena.
Vídeo de presentación de Genie 3, publicado por Google DeepMind.
Project Genie (enero de 2026). Google abrió el modelo al público con Project Genie, un prototipo experimental para suscriptores de su plan más caro, Google AI Ultra, en EE. UU., con creaciones de hasta 60 segundos. En mayo lo extendió de forma gradual a suscriptores de todo el mundo y le añadió la posibilidad de partir de imágenes reales de Street View, por ahora solo de EE. UU.
Genie 4 (octubre de 2026). La versión actual añade audio generado en tiempo real, una física más creíble y movimientos humanos más naturales. Y, sobre todo, trabaja en equipo con Gemini, el modelo de lenguaje de Google: Gemini Omni ancla la simulación al aspecto y el comportamiento del mundo real, y Gemini 3.8 Flash actúa como un agente que guía la simulación: observa la escena, divide los objetivos en pasos y comprueba que cada uno se cumple.
Vídeo de presentación de Genie 4, publicado por Google DeepMind.
Para qué sirven estos mundos
Aquí está la parte que menos se ha contado. Los mundos de Genie son vistosos, pero su valor principal no es entretener a personas, sino enseñar a máquinas.
Un gimnasio infinito para robots y agentes
Los modelos de lenguaje aprendieron leyendo internet. Pero un robot que tiene que doblar ropa, cocinar o moverse por un almacén no puede aprender así: necesita practicar en el mundo físico, y eso es lento, caro y a veces peligroso. Faltan datos de experiencia física, y es uno de los grandes frenos de la robótica.
Un modelo de mundo ofrece una salida: dejar que el robot o el agente practique dentro de una simulación tantas veces como haga falta, con escenarios nuevos cada vez. Es lo que DeepMind llama un «currículo ilimitado».
Jack Parker-Holder, otro de los responsables de Genie, lo planteó en TechCrunch con una referencia a AlphaGo: los agentes que actúan en el mundo físico todavía no han tenido su «momento de la jugada 37», aquella jugada inesperada con la que la IA de DeepMind sorprendió al campeón de go Lee Sedol en 2016.
Ya hay pasos en esa dirección. SIMA 2, la nueva versión del agente de DeepMind, se probó en mundos generados por Genie 3 que nunca había visto y es capaz de mejorar por ensayo y error, con Gemini proponiéndole tareas y evaluando cómo lo hace.
Con Genie 4, DeepMind presentó además dos ejemplos de robótica: el robot humanoide Apollo, de Apptronik, jugando a las damas, y un brazo robótico dispensando líquido con una pipeta en una placa de laboratorio. Las dos son simulaciones, no robots reales, pero ilustran la idea: ensayar en un mundo imaginado antes de actuar en el real.
No es solo cosa de Google. Nvidia ofrece su plataforma Cosmos a empresas de robots como Figure AI o Agility Robotics, en la misma línea que su colaboración con LG para fábricas de IA y robótica. Y en el MIT ya hay agentes que aprenden por su cuenta en una isla virtual.
Coches que han visto un tornado sin haberlo vivido
La conducción autónoma es otro gran campo. Un coche sin conductor debe saber reaccionar ante situaciones que casi nunca ocurren, y que por eso apenas aparecen en sus datos.
En febrero de este año, Waymo, la empresa de robotaxis de Alphabet, presentó un modelo de mundo basado en Genie 3 que genera escenarios como un tornado, un elefante en la calzada o una zona residencial inundada, con datos de cámara y de lidar. Según Waymo, le permite explorar situaciones que su flota nunca ha observado directamente.
Sus competidores siguen el mismo camino: la británica Wayve usa su modelo GAIA-3 para crear escenarios críticos para la seguridad, y Tesla ha descrito un simulador neuronal para su sistema de conducción que, según la compañía, servirá también para su robot Optimus.
Ensayar el «qué pasaría si»
Los eventos que se activan con una orden de texto convierten a Genie en una máquina de hipótesis. ¿Cómo se vería esta calle inundada? ¿Y este bosque durante un incendio?
DeepMind cita entre los usos de Genie 4 visualizar inundaciones repentinas o incendios forestales y convertir una fotografía de archivo en un entorno simulado. Sus probadores ya exploran usos que van desde el periodismo y el trabajo con archivos históricos hasta la simulación de escenarios para empresas, aunque por ahora son pruebas, no productos.
Cine y videojuegos
En el cine, Genie 4 se plantea como herramienta de previsualización: rodar varias «tomas» de una misma escena en vivo antes de llevarla a producción.
En los videojuegos, como herramienta de prototipado: pasar de una idea a un prototipo explorable en segundos. Microsoft trabaja en una línea parecida con Muse, un modelo entrenado con partidas reales para ayudar a idear mecánicas de juego.
Cuando se lanzó Project Genie, varias empresas de videojuegos cayeron en bolsa, entre ellas Unity, Roblox y Take-Two. El propio sector pidió calma. «Esto mide el conocimiento financiero sobre las capacidades de la IA más que el riesgo real de disrupción del sector», opinó Yoni Dayan, director de producción de Ubisoft. El consejero delegado de Unity, Matt Bromberg, defendió que estos mundos no sirven por sí solos para juegos que necesitan experiencias coherentes y repetibles.
Fruchter apunta en el blog de Google a algo más allá: un nuevo tipo de medio que «difumina la línea entre ver una película y jugar a un videojuego».
El camino hacia la inteligencia general
Para DeepMind, todo lo anterior conduce a su gran objetivo. «Comprender y simular el mundo es un aspecto crucial para construir una AGI», escribe en el anuncio de Genie 4, en referencia a la inteligencia artificial general.
La lógica es esta: una inteligencia que solo ha leído textos sabe describir el mundo, pero no actuar en él. Para actuar hay que anticipar las consecuencias, y eso es exactamente lo que entrena un modelo de mundo.
Una apuesta al alcance de pocos
Generar un mundo en tiempo real es carísimo. Hassabis lo reconoció en una entrevista: «Nos encantaría poner Genie en manos de más gente, pero es caro». La razón es que cada persona que lo usa obliga al sistema a crear el mundo de nuevo, fotograma a fotograma. Como explica Heise, cada movimiento del usuario tiene que viajar a un clúster de chips de Google y volver en tiempo real.
Pocas empresas pueden permitírselo. Google tiene varias piezas que encajan:
- Sus propios chips. Genie se ejecuta en las TPU que diseña Google. Ya el primer Genie se entrenó con 256 de ellas.
- La herencia de DeepMind en juegos. De AlphaGo a los agentes de videojuegos, el laboratorio lleva más de una década enseñando a la IA a aprender jugando.
- Un ecosistema propio. Gemini dirige las simulaciones, Gemini Robotics controla robots como los de Apptronik, Waymo usa Genie para sus coches y Street View aporta imágenes del mundo real.
- Vídeo. Google no ha detallado con qué datos entrena Genie, pero, como señaló TechCrunch, tiene acceso a YouTube.
Parker-Holder y Diego Rivas, de DeepMind, creen que queda mucho camino: comparado con los modelos de lenguaje, dijeron a Heise, «estamos en 2021». Es decir, antes de ChatGPT.
Otros caminos: lo que hacen sus rivales
La apuesta de Google destaca también por contraste. No todos sus competidores creen en lo mismo.
OpenAI llegó a presentar su generador de vídeo Sora como un simulador del mundo. Pero en marzo de 2026 anunció el cierre de la aplicación y la API de Sora para concentrar recursos. Su equipo seguirá investigando la simulación del mundo aplicada a la robótica.
World Labs, la empresa de la investigadora Fei-Fei Li, sigue otra vía: su herramienta Marble crea mundos en 3D persistentes que se pueden editar y exportar a otros programas, en lugar de generar cada fotograma al vuelo. En septiembre, AMD anunció un acuerdo para comprarla por unos 8.200 millones de dólares en acciones, que aún no se ha cerrado.
Nvidia apuesta por una plataforma abierta, Cosmos, para que otras empresas entrenen sus robots y coches.
Yann LeCun es el gran escéptico de la generación de píxeles. Ya en 2024 sostenía que modelar el mundo para actuar generando píxeles es un derroche condenado al fracaso. Su alternativa, que Meta desarrolló con V-JEPA 2, predice en un espacio de representaciones abstractas, no en imágenes. Ahora preside AMI Labs, la empresa que cofundó y que en marzo recaudó 1.030 millones de dólares para desarrollar esa idea.
Otros, como Runway con GWM Worlds 2 o Tencent con HY-World 2.0, compiten en mundos jugables o en mundos 3D exportables.
La diferencia de Google es la ambición del conjunto: generar el mundo entero en tiempo real y conectarlo con su modelo de lenguaje, sus robots, sus coches y sus mapas.
Los límites
Nada de esto está resuelto. DeepMind admite que Genie 4 es un modelo «temprano y experimental»: los detalles y la permanencia de los objetos pueden cambiar con el tiempo, el modelo solo admite unos pocos minutos de interacción continua y siguen en investigación el texto legible, la precisión espacial y las interacciones físicas complejas. Todo lo que genera lleva la marca de agua SynthID.
Hay además una duda de fondo: que una escena parezca real no significa que respete la física. Un estudio llamado Physics-IQ concluyó que la comprensión física de los modelos de vídeo es muy limitada y no tiene relación con su realismo visual. Es el mismo debate que planteamos al preguntarnos si es buena idea enseñar física a la IA con videojuegos. Y lo que un robot aprende en una simulación imperfecta puede fallar en el mundo real.
También hay preguntas sobre los datos. Al poco de abrirse Project Genie, circularon clips en los que aparecían personajes como Mario o paisajes muy parecidos a los de Zelda. Poco después, la herramienta empezó a bloquear peticiones relacionadas con Super Mario 64, alegando los intereses de terceros proveedores de contenido.
Y sobre el empleo: según la encuesta anual de la GDC, el 52 % de los profesionales del videojuego cree que la IA generativa está teniendo un impacto negativo en el sector.
Qué futuro dibuja
El futuro inmediato no son videojuegos sin fin generados al vuelo. DeepMind y sus investigadores hablan de modelos de mundo híbridos, en los que una IA como Gemini planifica qué debe ocurrir y Genie lo dibuja. «Lo que veremos cada vez más son estos modelos de mundo híbridos», dijo Tejas Kulkarni, director de investigación de Google.
Si la apuesta sale bien, estos mundos serán sobre todo campos de entrenamiento invisibles: lugares donde robots, coches y agentes ensayan millones de situaciones antes de enfrentarse a la realidad. Si no, quedará como una demostración técnica tan espectacular como cara.
De momento, Google ha dejado clara su visión: mientras otros compiten por el mejor chatbot, DeepMind quiere una IA que no solo hable del mundo, sino que sea capaz de imaginarlo.
La imagen de representación de este artículo procede del anuncio oficial de Genie 4 y pertenece a Google DeepMind