Genie 3

Genie 3 genera sus entornos fotograma a fotograma, en tiempo real, con calidad fotorrealista, durante hasta un minuto. Google DeepMind lo anunció en agosto de 2025 y lo lanzó en febrero de 2026 dentro de Project Genie, una aplicación web abierta a los suscriptores de Google US Ultra. La trayectoria es corta y pronunciada: Genie 1 fue un artículo de investigación, Genie 2 (diciembre de 2024) producía diez segundos a baja resolución sin control en tiempo real, y Genie 3 lo reemplazó.

El problema técnico es más difícil que la generación de vídeo estándar. Un modelo de vídeo puede ajustar retroactivamente los fotogramas anteriores para mantener una secuencia coherente; Genie 3 no puede. Cada fotograma debe mantenerse coherente con el pasado y con la acción inmediata del teclado o del ratón del usuario, sin ningún conocimiento de las entradas que aún están por llegar. La física no está preprogramada. El modelo aprendió la gravedad, las colisiones y la dinámica del movimiento observando grandes volúmenes de imágenes de videojuegos de plataformas en 2D, una comprensión emergente y no un motor de reglas.

El límite de un minuto es un compromiso. La dinámica del mundo tiende a degradarse en sesiones más largas, y los costes de servicio siguen siendo altos. Google DeepMind también reconoce un límite de complejidad en la mecánica del juego, una fidelidad de control imperfecta y un sesgo derivado de los datos de entrenamiento.

Frente a OpenAI Sora y Runway Gen-3, el control interactivo es el diferenciador. La consecuencia más importante está en otro lugar: Simmer ya usa Genie 3 para entrenar agentes que logren objetivos en mundos 3D arbitrarios, lo que orienta el modelo hacia la inteligencia corporizada más que hacia el entretenimiento. El equipo se sitúa a sí mismo en el 50% de su visión declarada.