El Genie 4 de Google DeepMind aporta un toque moderno a diseños de agentes anteriores a las LLM
decoder ·
Google DeepMind ha presentado Genie 4, un modelo de mundo interactivo experimental que simula entornos fotograma por fotograma en tiempo real. A diferencia de las versiones anteriores, esta iteración genera directamente audio de fondo y diálogos de personajes coincidentes junto con los elementos visuales. Los modelos Gemini operan en segundo plano para planificar tareas de múltiples pasos y garantizar la coherencia de la simulación mientras los usuarios interactúan mediante indicaciones de texto o entradas de teclado. El sistema permite cambios dinámicos, como alterar las condiciones climáticas, mientras los personajes reaccionan de manera natural a su entorno y a las acciones del usuario. A pesar de estos avances, el modelo actualmente tiene dificultades con sesiones prolongadas, física compleja y persistencia de objetos. El acceso está inicialmente limitado a probadores seleccionados, con planes para expandirlo a suscriptores de Google AI Ultra y socios de la API. Todo el contenido generado incluirá marcas de agua invisibles de SynthID para identificar el origen de la IA. Esta tecnología representa un paso hacia modelos híbridos de mundo que combinan el razonamiento lingüístico con la simulación a nivel de píxeles para el entrenamiento futuro de robots.
decoder