Genie 4 en contexto: mundos más duraderos, demos robóticas y una carrera de modelos de mundo

Google DeepMind lanzó Genie 4 el 27 de octubre con audio nativo y edición por texto en directo, como explicamos en nuestro primer artículo. La cobertura posterior aclara algunos puntos y sitúa el modelo en un campo que avanza muy rápido.

Sesiones más largas y más Gemini en el circuito

Según TechCrunch, Genie 4 mantiene una escena coherente hasta dos minutos, el doble del límite de Genie 3 según el medio. Como referencia, Project Genie, el prototipo público basado en Genie 3, cortaba las generaciones a los 60 segundos. DeepMind añade que Gemini Omni da realismo al aspecto y al comportamiento de la simulación, mientras un modelo Gemini Flash planifica y corrige en tiempo real. Tejas Kulkarni, director de investigación en Google, dijo a la prensa que espera «modelos de mundo híbridos», en los que Gemini escribe código y texto que Genie convierte en una escena en marcha.

De los videojuegos a los robots

La vertiente robótica es nueva. DeepMind afirma haber probado Genie 4 con Gemini 4 Argon, que divide una instrucción en pasos que Genie representa; una demo muestra al humanoide Apollo de Apptronik jugando a las damas, todo en simulación. Otra petición muestra un brazo Universal Robots UR5 manejando una pipeta. El laboratorio vincula este trabajo a Gemini Robotics. Hay un precedente: en febrero, Waymo explicó que su propio modelo de mundo, basado en Genie 3, genera situaciones de conducción poco frecuentes, como clima extremo o animales en la calzada.

Preguntas abiertas

The New Stack señala un problema de fondo para entrenar agentes: cuando una prueba falla, cuesta saber si el error es del agente o de la física simulada. Google no ha demostrado que Genie 4 pueda sustituir a los motores físicos convencionales ni ha publicado datos sobre si las pruebas repetidas dan el mismo resultado. DeepMind no ha difundido artículo científico ni ficha de modelo, y su blog no indica resolución, fotogramas por segundo ni latencia.

Un campo concurrido

Genie 4 es el primer modelo de mundo de DeepMind con audio integrado, pero no el único del sector. En septiembre, Runway presentó en vista previa GWM Worlds 2, que según AlphaSignal transmite vídeo 720p a 24 fotogramas por segundo con audio sincronizado y sin duración de sesión fija. Ese mismo mes, AMD acordó comprar World Labs, la empresa de Fei-Fei Li creadora del generador de mundos Marble, por 8.200 millones de dólares, informó TechCrunch. Harán falta pruebas independientes para saber qué enfoque resiste mejor.