Alejarse, volver: ¿Genie 4 mantiene el mismo mundo?

Pasas junto a una brillante regadera roja, giras detrás de una pared y luego regresas. ¿Sigue estando la misma regadera junto al banco? Esa es la pregunta útil detrás de una prueba de consistencia ambiental y permanencia de objetos de Genie 4. A partir del 28 de octubre de 2026, Google DeepMind ha reconocido que los detalles visuales y los objetos pueden desviarse durante sesiones más largas, tras ediciones complejas de prompts o mientras se explora. Sus ejemplos de lanzamiento muestran dirección en tiempo real, pero no establecen una puntuación de consistencia repetible. Esta guía te ofrece una prueba controlada para ejecutar cuando tengas acceso, y separa las demostraciones oficiales de los resultados que aún requieren medición independiente.

Conclusiones clave

• Genie 4 es una vista previa de investigación, y los materiales públicos revisados no incluyen ningún benchmark numérico de consistencia.
• Registra por separado la identidad, el recuento, la posición, la apariencia y la disposición de la escena de cada objeto a lo largo de la oclusión, el movimiento de cámara, las ediciones y el tiempo transcurrido.
• Una demo pulida ilustra una capacidad; se necesitan ensayos repetidos y registrados para medir la fiabilidad.
• Un modelo de vídeo puede ayudar a sondear la continuidad a nivel de clip, pero no puede probar el estado persistente de un mundo interactivo.

Fotograma de referencia para el caso del invernadero de cinco clips que aparece más abajo. La mariposa azul, el colgante en forma de media luna dorada, el arco de hierro y el pedestal de mármol son los elementos que hay que comparar entre los clips. Esta imagen inicial generada no es un resultado de prueba de Genie 4.

Qué significa la consistencia ambiental en Genie 4

La "consistencia" puede describir varias cosas distintas. Un mundo puede parecer convincente en un fotograma y, al mismo tiempo, no conservar un objeto tras un giro. Puede mantener visible una regadera roja pero cambiar su forma, duplicarla o moverla al otro lado del banco. Una evaluación útil registra estas dimensiones por separado en lugar de asignar un único aprobado o suspenso vago a toda la escena.

Para una prueba sencilla de permanencia de objetos, define el objetivo antes de la ejecución. En el ejemplo siguiente, el objetivo es exactamente una regadera roja brillante de metal en el suelo junto a un banco de madera. La regadera es lo bastante distintiva para volver a encontrarla, mientras que el banco te da un punto de referencia estable para medir la posición relativa.

La permanencia de objetos es más limitada que la calidad general de la escena. Pregunta si un objeto sigue existiendo con una identidad y un estado estables cuando está oculto o fuera de la vista actual. La consistencia ambiental también abarca la geometría circundante, los detalles visuales y las consecuencias de las ediciones. Informa de ambas por separado: un objeto puede persistir mientras el fondo se desplaza, o el patio puede mantenerse estable mientras el objeto cambia.

Esta distinción importa al evaluar un modelo de mundo para prototipado de juegos o investigación con agentes. Un desarrollador puede aceptar una variación del fondo durante la exploración temprana de conceptos, pero un objeto que se teletransporta después de que un jugador camine detrás de una pared puede invalidar un puzle, una ruta o una secuencia de interacción. La prueba debe ajustarse al coste de ese fallo en el flujo de trabajo previsto.

Qué ha revelado Google sobre la deriva de Genie 4

Google DeepMind describe Genie 4 como un modelo de mundo interactivo en tiempo real que puede responder a la navegación por teclado, los controles de cámara y los prompts de texto. En su publicación de lanzamiento, la compañía afirma que puede dirigir una escena a medida que evoluciona y muestra ejemplos de cambios guiados por prompts y navegación (anuncio de Google DeepMind, octubre de 2026). Esos ejemplos establecen lo que las demostraciones públicas pretenden mostrar. No aportan ensayos repetidos, una semilla fija, coordenadas de objetos medidas ni una tasa de aprobados para las pruebas de volver a la escena.

El mismo anuncio nombra directamente la limitación relevante: los detalles visuales y la permanencia de objetos pueden cambiar o desviarse con el tiempo. Dice que esto se vuelve más notorio a medida que una simulación se ejecuta durante más tiempo, tras varias ediciones complejas de prompts o mientras se navega por la escena. La página del producto añade que Genie 4 admite unos minutos de interacción continua en lugar de sesiones prolongadas, y enumera la consistencia a largo plazo como un área de trabajo en curso (página del modelo Genie 4).

Esa redacción ofrece a los evaluadores un conjunto útil de condiciones que variar: el tiempo transcurrido de la sesión, el número y la complejidad de las ediciones, y la distancia o el alcance de la navegación. No nos dice con qué frecuencia se moverá una regadera, cuánto cambio visual cuenta como fallo ni cómo se compara Genie 4 con otro sistema en las mismas condiciones. Esas preguntas requieren una prueba operativa y observaciones públicas.

El estado de acceso también afecta a lo que se puede afirmar. Las páginas oficiales describen una vista previa de investigación para evaluadores de confianza, con un acceso más amplio previsto a través de Project Genie y socios de acceso anticipado. La disponibilidad puede cambiar, así que confirma la vía de acceso actual antes de tratar este protocolo como algo que todos los lectores puedan ejecutar. La fecha del artículo registra cuándo se comprobó este estado; no es una afirmación de que la vista previa vaya a permanecer por fases indefinidamente.

Una prueba repetible de permanencia de objetos en Genie 4

Usa primero una escena sencilla y un solo objeto objetivo. Las escenas elaboradas introducen variables adicionales: las personas pueden bloquear el objeto, los reflejos pueden cambiar su color aparente y varios objetos similares pueden dificultar juzgar la identidad. Empieza con el patio, un banco, una pared baja y una regadera roja. Mantén el prompt y la secuencia de control sin cambios entre ejecuciones comparables.

Usa esta secuencia una vez que puedas acceder a Genie 4:

1. Crea la escena inicial. Introduce: "Crea un patio exterior sencillo con una pared baja de piedra, un banco de madera y exactamente una regadera roja brillante de metal colocada en el suelo junto al banco. Mantén la disposición clara y estable. No añadas, elimines, muevas ni dupliques objetos a menos que yo lo pida explícitamente."
2. Registra la vista de referencia. Captura la escena antes de actuar. Anota la posición en pantalla de la regadera y su relación con el banco, la pared y la orientación de la cámara. Registra si la escena inicial contiene realmente una regadera en el lugar solicitado.
3. Oculta y vuelve. Mueve la cámara detrás de la pared de piedra y luego vuelve a la posición de visualización original. Evita una edición de texto en esta pasada. Comprueba si la regadera sigue siendo única, reconocible y está junto al mismo banco.
4. Explora y vuelve. Muévete alrededor del banco y por el patio usando los mismos controles cada vez. Vuelve a la posición original. Anota si los puntos de referencia y la posición relativa sobrevivieron al recorrido.
5. Aplica una edición aislada. Pide: "Cambia el cielo a gris nublado. No cambies el patio, el banco, la regadera ni sus posiciones." Comprueba el cambio del cielo y luego puntúa por separado cualquier cambio no relacionado.
6. Inspecciona de nuevo más tarde. Repite la vista de retorno tras un intervalo definido o un número registrado de acciones. Registra el tiempo transcurrido y todo lo hecho mientras tanto. No trates sesiones separadas como ensayos emparejados a menos que el producto ofrezca un reinicio o una semilla reproducibles.

La matriz de pruebas hace que cada pasada responda a una pregunta distinta. Un retorno limpio tras la oclusión prueba si el objetivo permanece representado fuera de la vista. Un recorrido prueba si las relaciones espaciales sobreviven al movimiento de cámara. La edición aislada prueba si un cambio explícito se filtra al estado no relacionado. Una inspección posterior sondea la deriva con el tiempo. En conjunto, estas comprobaciones producen un informe más útil que una sola captura etiquetada como "consistente".

Registra la configuración antes de la primera ejecución

Un resultado sin su configuración es difícil de interpretar. Registra la fecha, la vía de acceso, la duración de la sesión, el prompt completo de la escena, los prompts de seguimiento exactos, los controles usados y el método de grabación. Incluye el orden de las pruebas y cualquier pausa. Si la interfaz expone una semilla, un reinicio o un identificador de sesión, regístralo; si no lo hace, escribe "no se observó reinicio ni semilla reproducibles".

Conserva vídeo o capturas de fotogramas con marcas de tiempo, especialmente la vista inicial, el momento en que el objeto queda ocluido y la vista de retorno. Esas capturas permiten que otra persona compruebe si el cambio aparente provino del objeto, del ángulo de cámara, de la iluminación o de un fotograma ambiguo. También protegen contra el sesgo de memoria: tras una sesión visualmente rica, las personas tienden a recordar la escena prevista en lugar de su estado renderizado exacto.

Para una repetición, reutiliza el mismo prompt y las mismas acciones lo más fielmente que permita la interfaz. Si el estado inicial cambia entre intentos, informa de los intentos como observaciones separadas, no como una comparación A/B controlada. El número de ejecuciones importa. Un retorno exitoso es evidencia sobre una ejecución; no demuestra que el mismo resultado sea fiable entre sesiones.

Puntúa la deriva sin falsa precisión

Usa una etiqueta ordinal para cada una de las cinco dimensiones. Esta es una rúbrica práctica de informe, no un benchmark validado ni una afirmación sobre la evaluación interna de DeepMind. Una puntuación debe resumir lo que muestra la grabación, no implicar una medición a nivel de píxel cuando no se realizó ninguna.

Puntúa la identidad, el recuento, la posición, la apariencia y la disposición de forma independiente en cada pasada. Añade una marca de tiempo o una referencia de fotograma y una breve nota factual por cada deriva menor o mayor. Si un punto no es observable, déjalo sin puntuar en lugar de convertir la evidencia faltante en un aprobado. Mantén la evidencia cerca de la puntuación para que los lectores puedan distinguir una observación medida de una impresión.

No promedies estas etiquetas en un porcentaje. Las categorías son ordinales, y un promedio simple ocultaría si el fallo crítico fue un ligero cambio de color o un objeto duplicado. Si la aplicación necesita una única decisión, define primero su condición de fallo. Por ejemplo, una mecánica de juego que dependa de que la regadera permanezca junto al banco puede tratar cualquier deriva mayor de posición como un fallo, mientras que una exploración temprana de moodboard puede tolerar una deriva menor de apariencia.

Qué muestran las demos públicas de Genie 4 y qué no pueden demostrar

Google dice que sus grabaciones de lanzamiento muestran interacciones en tiempo real en las que las personas navegan con controles estándar y dirigen escenas con texto. Son útiles para entender el bucle de interacción previsto: pedir un mundo, mover la cámara y cambiar una escena mientras continúa. Sin embargo, son demostraciones seleccionadas, y las páginas oficiales no las identifican como ensayos repetidos de permanencia de objetos.

Un clip puede mostrar que un objeto aparece en dos momentos. Sin un estado inicial documentado, una oclusión explícita, un retorno a la misma posición de cámara y ejecuciones repetidas, no puede mostrar con qué frecuencia persiste el objeto ni cuánto cambió fuera de la vista. Una grabación seleccionada también puede omitir el tiempo entre momentos. Trata el material de lanzamiento como evidencia cualitativa de capacidad, no como un benchmark controlado.

Este límite es especialmente importante porque el propio anuncio informa de condiciones de deriva. El material público ofrece un punto de partida honesto para la evaluación, al tiempo que deja abierta la cuestión clave de la fiabilidad. Un artículo o una nota de laboratorio cuidadosos deberían etiquetar la evidencia como "demostración oficial", "ejecución manual única" o "resultado manual repetido". Esas etiquetas impiden que los lectores confundan una categoría con otra.

Cuándo la evidencia actual es suficiente para una decisión de flujo de trabajo

Para la exploración de conceptos, la pregunta relevante puede ser si un equipo puede iterar rápidamente sobre la atmósfera, la dirección de cámara o una escena explorable. Una vista previa que produzca un punto de partida atractivo podría ser útil incluso si un objeto se desplaza, siempre que el equipo trate el resultado como un borrador y no prometa un estado estable. DeepMind describe la dirección creativa y el prototipado de experiencias interactivas entre las áreas que los evaluadores de confianza están explorando, a la vez que posiciona el modelo como investigación temprana.

Para la evaluación de agentes, la lógica de juego o una simulación cuyo resultado dependa del estado persistente de los objetos, una demo de lanzamiento no es suficiente. Un equipo debería exigir pruebas repetidas sobre la interacción exacta que importa, con la escena, los controles, la duración de la sesión y el umbral de fallo por escrito. Si una tarea depende de ubicaciones precisas de objetos o de interacciones complejas entre varios agentes, esas son pruebas separadas; una pasada exitosa de oclusión de un solo objeto no puede establecerlas.

Una regla práctica de decisión es ajustar el baremo de evidencia a la consecuencia de la deriva:

• Consecuencia baja: Usa mundos generados para explorar la dirección visual o ideas aproximadas de interacción. Mantén a una persona en el bucle y espera reparación manual.
• Consecuencia moderada: Prototipa una mecánica solo tras ejecuciones repetidas de su secuencia central de objeto y cámara. Registra reinicios, reintentos y casos de fallo.
• Consecuencia alta: No te fíes de clips públicos de lanzamiento ni de una pasada aislada. Exige validación específica para la tarea, comportamiento de sesión estable y una forma de reproducir el estado inicial antes de tratar el mundo como una simulación fiable.

Esto no es un veredicto de que Genie 4 no pueda soportar usos exigentes. Es un límite de decisión basado en la evidencia pública disponible actualmente. A medida que se amplíe el acceso a la vista previa y aparezcan pruebas independientes, los equipos podrán sustituir este umbral cauteloso por datos de sus propias tareas.

Un caso de continuidad en cinco planos: la linterna mariposa del invernadero

El patio sencillo anterior es la prueba controlada. Un caso creativo más exigente pregunta si un personaje ricamente vestido, una cámara en movimiento y un fondo abarrotado pueden coexistir con un objeto objetivo estable. Imagina un invernadero al crepúsculo lleno de cristales color verde azulado, buganvillas coral, orquídeas magenta, lámparas ámbar y reflejos sobre un suelo de mosaico mojado. Una bailarina con una trenza cobriza y una chaqueta bordada verde jade sigue un recorrido curvo por la sala. El objetivo es exactamente una linterna mariposa de vidrio ultramar con una pequeña asa en forma de media luna dorada, colgada del lado izquierdo de un arco de hierro negro sobre un pedestal de mármol blanco. Debe permanecer ahí con el mismo color, forma y asa durante toda la secuencia.

Si tienes acceso a Genie 4, crea este mundo una vez y graba cinco segmentos consecutivos de diez segundos mientras navegas por él. Mantén la misma sesión; no regeneres un mundo nuevo para cada segmento. El segmento 1 establece la vista de referencia. El segmento 2 oculta la linterna tras el follaje y vuelve. El segmento 3 rodea el arco y regresa desde una nueva dirección. El segmento 4 cambia solo el cielo y la luz. El segmento 5 vuelve tras un movimiento adicional. Guarda la ruta de cámara y las marcas de tiempo, y puntúa la identidad, el recuento, la posición, la apariencia y la disposición respecto al segmento 1. Estas son acciones propuestas, no resultados de una ejecución completada de Genie 4.

Para un proxy de continuidad visual que puedes crear tú mismo en Atlas Cloud, usa Wan 2.7 Image-to-Video, modelo alibaba/wan-2.7/image-to-video. Su modo publicado admite clips de diez segundos y guía por primer fotograma. Crea un fotograma de referencia cuidadosamente compuesto y úsalo como primer fotograma del clip 1; usa el fotograma final de cada clip como primer fotograma del siguiente cuando ese control esté disponible. Solicita cinco clips separados de diez segundos, silenciosos y en 16:9, y convierte cada clip terminado en su propio GIF. No dividas un clip fuente en cinco GIFs. El prompt completo del fotograma de referencia y los cinco prompts de vídeo temporizados se incluyen en la hoja de prompts adjunta. Los clips pueden revelar deriva visual dentro de un clip o entre clips; no pueden medir si Genie 4 recuerda un mundo interactivo.

Los cinco clips siguientes muestran una vista de referencia, una oclusión, una ruta de cámara, un intento de edición solo de luz y un retorno posterior. Cada GIF procede de un clip fuente separado de diez segundos. Ilustran qué inspeccionar; no establecen una puntuación de consistencia de Genie 4.

1. Vista de referencia. La cámara desciende y traza un arco hacia la bailarina mientras ella gira, sonríe y señala hacia la mariposa azul. El arco, el pedestal de mármol, el colgante en forma de media luna y la mariposa son visibles a la vez, lo que da a los clips posteriores un punto de comparación.

Clip 1: Guarda la vista inicial y la vista final clara como referencia para la identidad, el recuento, la posición y la disposición de los objetos.

2. Oclusión y retorno. La cámara se mueve entre el follaje mientras la bailarina rodea el pedestal. La mariposa sale brevemente de la vista y luego reaparece junto al mismo arco y pedestal. Compara su patrón de alas azules y el colgante en forma de media luna dorada antes y después de la obstrucción.

Clip 2: La observación importante es la apariencia de la mariposa y su punto de suspensión al volver, no solo el movimiento de la bailarina.

3. Ruta de cámara. La cámara viaja por el invernadero, cambia su ángulo sobre el arco y sigue a la bailarina mientras esta extiende la mano hacia un pétalo a la deriva. La mariposa azul sigue siendo un punto de referencia espacial visible en las vistas muestreadas.

Clip 3: Compara la mariposa, el arco y el pedestal desde el punto de vista cambiado antes de juzgar si la disposición se movió.

4. Edición solo de luz. El cambio solicitado es una luz más fría, azul lluvia, a través del tragaluz. El material muestra esa luz más fría durante el movimiento cenital, mientras que la vista final se calienta hacia la paleta crepuscular anterior. Ese cambio visible importa al puntuar una supuesta edición solo de luz; no debería informarse como un estado meteorológico perfectamente mantenido.

Clip 4: Inspecciona el clima y la iluminación por separado del recuento, la forma y la posición de la mariposa.

5. Retorno tardío. La bailarina sigue otro recorrido curvo, gira de nuevo hacia el arco y extiende la mano mientras la cámara se amplía. La vista final muestra de nuevo una mariposa azul bajo el colgante en forma de media luna y sobre el pedestal de mármol.

Clip 5: Compara esta vista final con el Clip 1. El material enviado es un ejemplo de continuidad visual, no un retorno interactivo grabado en Genie 4.

La paleta saturada y el movimiento expresivo hacen que el ejemplo sea más fácil de seguir, pero los reflejos, las flores, la tela y la luz cambiante también crean oportunidades para impresiones falsas. En los fotogramas muestreados, la mariposa sigue siendo reconocible en el arco; la luz fría azul lluvia solicitada para el Clip 4 no persiste hasta el retorno final. Un informe riguroso inspeccionaría los clips completos fotograma a fotograma y registraría cualquier deriva de objetos por separado del cambio de iluminación. Estos cinco clips generados de forma independiente no pueden mostrar si Genie 4 mantiene el estado mientras un usuario se aleja navegando.

Qué sigue siendo desconocido sobre la consistencia de Genie 4

Los materiales de lanzamiento revisados no publican ningún benchmark cuantitativo de consistencia, ni una tolerancia numérica para la deriva de objetos, ni ejecuciones repetidas desde estados iniciales fijos, ni un resultado manual independiente para este protocolo. Tampoco ofrecen un precio público de la API de Genie 4 en los materiales revisados. La ausencia en estas fuentes no prueba que no existan evaluaciones internas ni datos de evaluadores; significa que los lectores no pueden inspeccionar esos resultados aquí.

Quedan abiertas varias preguntas útiles: ¿Cómo varía la consistencia entre tipos de escena? ¿Una edición corta y sencilla del prompt causa menos deriva que una cadena de ediciones? ¿Cuánto importan la imagen inicial o la complejidad de la escena? ¿Pueden los evaluadores reiniciar al mismo mundo y comparar ejecuciones? ¿Con qué frecuencia cambia un objeto de identidad, recuento o ubicación después de salir de la vista?

La siguiente evidencia útil sería un informe de prueba que publique los prompts, la vía de acceso, la duración de la sesión, el número de intentos, la ruta de control, las condiciones de reinicio, las grabaciones y las puntuaciones por dimensión. Hasta entonces, la conclusión más precisa de una prueba de consistencia ambiental y permanencia de objetos de Genie 4 es un método, no una puntuación: el modelo ha reconocido deriva en sesiones largas y relacionada con la navegación, mientras que las demostraciones públicas aún no cuantifican con qué frecuencia ocurre.

Cuando el acceso esté disponible, ejecuta la pequeña prueba del patio antes de comprometerte con un flujo de trabajo que dependa de un estado persistente. Guarda cada grabación y puntúa las cinco dimensiones por separado. Eso te da una línea base reproducible y mantiene una demo llamativa en su lugar adecuado: una razón para probar, no un sustituto de la prueba.

Preguntas frecuentes

¿Genie 4 está disponible públicamente?

Las páginas oficiales consultadas el 28 de octubre de 2026 lo describen como una vista previa de investigación para evaluadores de confianza, con un acceso más amplio previsto a través de Project Genie y socios de acceso anticipado. Consulta la página actual de Genie 4 antes de planificar una ejecución, ya que el acceso a la vista previa puede cambiar.

¿Ha publicado Google un benchmark de consistencia de Genie 4?

Los materiales de lanzamiento oficiales revisados para este artículo no proporcionan una puntuación numérica de consistencia ni resultados repetidos de permanencia de objetos. Sí revelan que los detalles visuales y la permanencia de objetos pueden desviarse con el tiempo, especialmente durante sesiones más largas, tras ediciones complejas o mientras se navega.

¿El movimiento de cámara cuenta como una prueba de permanencia de objetos?

Es una condición útil, pero registra si el objeto quedó completamente oculto y si la cámara volvió a una vista comparable. Una órbita de cámara que nunca ocluye el objeto prueba más la consistencia del punto de vista que la persistencia fuera de la vista.

¿Puede un modelo de generación de vídeo probar la permanencia de objetos en un mundo interactivo?

No. Puede probar si un objeto parece estable dentro de un clip generado. No puede establecer que un mundo interactivo conserve el estado después de que un usuario cambie de posición, actúe sobre el entorno o vuelva en una parte posterior de una sesión.