Dirty Static // El veredicto
El primer modelo de mundo que un desarrollador puede llamar de verdad, y un tipo de API realmente nuevo: un lugar que se dirige en lugar de un clip terminado. Merece una prueba para prototipos cortos y pruebas de agentes. Todavía no merece un plan de producto, porque un mundo dura dos minutos como máximo, se desvía dentro de esa ventana, y cuesta unos 363 dólares por una hora de juego.
Ideal paraDesarrolladores y equipos creativos que quieren prototipar una escena interactiva, probar una idea espacial, o ejecutar simulaciones cortas para agentes y robots sin construir primero una escena en un motor de juego
Lo que funciona
- Una ruta real para desarrolladores por fin, por la API de Gemini y AI Studio, con un modelo con nombre, precios impresos y cuotas publicadas, un día después del lanzamiento para consumidores en Project Genie
- El audio nativo llega con la imagen, con sonido ambiental, efectos y diálogo de personajes que reacciona mientras la sesión avanza
- La dirección es directa y simple de entender, con movimiento por teclado y cambios por texto en vivo para el clima, la luz, los objetos y los eventos
- El precio es aritmética simple, a 240 tokens de video por fotograma y unos 0,10 dólares por segundo, así que una sesión completa de dos minutos tiene un techo conocido de unos 12,10 dólares
Lo que no funciona
- Las sesiones paran a los 120 segundos, no se pueden reanudar, y no dejan ningún mundo persistente detrás, así que nada de lo construido aquí pasa a la sesión siguiente
- Google mismo advierte que el detalle y la permanencia de los objetos se desvían, con la coherencia más fuerte puesta en los primeros 45 a 90 segundos y una estabilidad que cae después de 60 a 90 segundos
- Una hora de juego cuesta unos 363 dólares al precio impreso, lo que descarta entregar este modelo como el mundo dentro de un juego o una aplicación de consumo hoy
- No hay puntajes de referencia publicados para verificar, solo evaluaciones humanas y automatizadas de Google descritas en términos generales, y no hay nivel gratuito para probar
Reseña basada en investigación: se apoya en pruebas publicadas, especificaciones y documentación, no en pruebas prácticas.
Un modelo de video te entrega un clip. Genie 4 te entrega un lugar, por dos minutos, y luego te lo quita. El 19 de noviembre Google puso su modelo de mundo más nuevo en la API de Gemini como models/genie-4, un día después de que el mismo modelo llegara a los suscriptores de Google AI Ultra dentro de Project Genie. Google lo llama su primer modelo de mundo para que los desarrolladores construyan con él, y esa afirmación se sostiene en el sentido estrecho que importa. Genie 3 nunca tuvo una API pública. Este tiene un nombre de modelo, una lista de precios, y cuotas que puedes leer antes de escribir una línea de código.
Lo que recibes por el dinero es un mundo continuo en 720p a 24 fotogramas por segundo, con sonido hecho junto a la imagen, que responde a un teclado y a frases escritas mientras avanza. Lo que no recibes es nada que dure. Cada sesión tiene un tope de 120 segundos, no se puede reanudar, y no deja ninguna escena para volver a abrir. Esa tensión, una API real alrededor de un mundo deliberadamente breve y que se desvía, es toda la reseña.
Qué es
Un modelo de mundo es un sistema que predice cómo cambia un lugar cuando actúas dentro de él, y luego dibuja ese cambio fotograma a fotograma. Genie 4 es la entrada más nueva de Google DeepMind en esa línea. DeepMind lo anunció el 27 de octubre de 2026, como una vista previa de investigación para evaluadores de confianza, y la ficha del modelo siguió el 18 de noviembre. La puerta para consumidores se abrió la misma semana, dentro de Project Genie para suscriptores de AI Ultra elegibles, con un lugar en lista de espera ofrecido a los miembros de AI Pro. La puerta para desarrolladores se abrió el 19 de noviembre, y es la puerta que cubre esta reseña.
El sistema está construido en capas, y Google es inusualmente abierto sobre el cableado. La ficha del modelo dice que Genie 4 está adaptado de Gemini Omni Flash y construido sobre él, con modelos Gemini que aportan razonamiento y dirección en tiempo real. En el anuncio de octubre, DeepMind nombró la división del trabajo. Gemini Omni ancla cómo se ve y cómo se comporta una simulación. Gemini 3.8 Flash viaja dentro del bucle como agente guía, mira los fotogramas, divide una meta en pasos, y verifica que cada paso se cumplió. Genie mismo renderiza la realidad física inmediata, píxel a píxel, sonido incluido.
Ese sonido es el cambio titular desde Genie 3. Genie 4 es el primer modelo de mundo de DeepMind que genera audio de forma nativa, en la misma pasada que la imagen en lugar de como una pista puesta después. El sonido ambiental pertenece al escenario, viento en los árboles u olas en una playa en los ejemplos de Google, y los personajes sostienen diálogo que reacciona a lo que haces y a los eventos a su alrededor. DeepMind también afirma un paso adelante en física y en personas, con aerodinámica y colisiones simuladas y personajes que se mueven de forma más natural que en versiones anteriores. Esas son afirmaciones de la empresa sobre calidad. La ficha del modelo dice que evaluaciones humanas y automatizadas encontraron ganancias claras sobre Genie 3 en fotorrealismo, fluidez de movimiento, y dirección, pero Google no ha publicado ningún puntaje, ninguna tabla de referencia, y ningún resultado de terceros para que alguien lo verifique.
Genie 4 en la API de Gemini, verificado el 20 de noviembre de 2026
- Modelo
- models/genie-4, por la API Interactions v1beta y Google AI Studio
- Salida
- Video 720p a 24 fotogramas por segundo, formato 16:9 fijo, con audio estéreo nativo sincronizado a 48 kHz
- Entradas
- Un texto, una sola imagen de referencia, o ambos, enviados como un solo evento de inicio del mundo
- Controles
- WASD y teclas de flecha para movimiento y cámara, textos en vivo para cambios de escena y diálogo
- Transporte
- WebRTC para aplicaciones de navegador, WebSocket para código de servidor, con tokens efímeros por sesión
- Límite de sesión
- 120 segundos como máximo, sin reanudación después de que una sesión termina
- Precio de entrada
- 1,50 dólares por millón de tokens para texto e imágenes de referencia
- Precio de texto de salida
- 9 dólares por millón de tokens
- Precio de video de salida
- 17,50 dólares por millón de tokens, audio incluido, a 240 tokens por fotograma
- Tasa efectiva
- Unos 0,10 dólares por segundo, 6,05 por minuto, 12,10 por una sesión completa
- Sin soporte
- Nivel gratuito, API Batch, inferencia Flex, inferencia Priority, entrada por micrófono o cámara en vivo, llamada a funciones, conexión con Search, salidas estructuradas
Experiencia en el mundo real
Esta es una reseña basada en investigación. Dirty Static no ejecutó ninguna sesión de Genie 4, y nada aquí es una prueba directa. La valoración se apoya en el anuncio de Google sobre la salida de la API, en el anuncio y la ficha del modelo de DeepMind, en la documentación de la API de Gemini tal como la resumieron Unite.AI y TestingCatalog, y en la aritmética de precios independiente de AI Press Box, todo verificado el 20 de noviembre de 2026.
Empieza por la sensación de la cosa, tal como la describe la documentación. Una sesión abre con un solo evento de inicio que contiene tu texto, tu imagen, o ambos, y la guía pone la espera hasta el primer fotograma en unos cinco a nueve segundos. Después de eso, las acciones de teclado llegan rápido. La guía de implementación reporta una respuesta visual de unos 0,2 a 0,5 segundos para movimientos de teclado con latencia de red baja, mientras un cambio por texto, una tormenta nueva, un personaje nuevo, una línea de diálogo, tarda cerca de uno a dos segundos en aparecer. Una latencia de red por encima de 150 milisegundos embota la dirección de forma notable, lo que vale la pena saber antes de culpar al modelo por una demostración lenta ejecutada sobre una conexión lejana. Un detalle de la cobertura merece una ceja levantada. Unite.AI reporta sesiones servidas solo desde centros de datos en Estados Unidos, mientras TestingCatalog reporta servicio desde Estados Unidos, Europa Occidental, y Japón. Los resúmenes no coinciden, así que revisa la lista de regiones en la documentación actual antes de diseñar alrededor de la latencia.
Luego está el reloj, y el reloj es estricto. El mundo se genera sobre una ventana rodante en el tiempo en lugar de guardarse como una escena 3D permanente. La documentación de Google, tal como la reportó Unite.AI, advierte que apartar la mirada de un objeto por ocho segundos o más, o girar un círculo completo, puede mover o reiniciar puntos de referencia, puertas, y botones. La ficha del modelo dice lo mismo en lenguaje más amable. El detalle y la permanencia de los objetos pueden cambiar o desviarse cuando una sesión se alarga, después de varios cambios complejos por texto, o mientras se navega. Google pone el tramo más fuerte para coherencia y permanencia en los primeros 45 a 90 segundos, y advierte que la estabilidad visual puede degradarse después de 60 a 90 segundos. Lee esos dos números juntos y el resumen honesto es este. Recibes cerca de un minuto de mundo en el que puedes confiar, dentro de una asignación de dos minutos que estás pagando.
La facturación tiene una trampa, y es simple. Cerrar una pestaña del navegador separa el transporte sin parar la generación en el servidor, así que el medidor sigue corriendo. La documentación dice a los desarrolladores que llamen complete() para terminar una sesión de forma limpia, o cancel() para abortarla, y que traten esa llamada como parte del control de costos. La gracia salvadora es el tope mismo. Una sesión que nadie para puede costar como máximo unos 12,10 dólares, porque no puede pasar de 120 segundos. AI Press Box hizo la aritmética más amplia desde la página de precios. Una hora de juego de Genie 4 cuesta 362,88 dólares, repartida en al menos 30 mundos separados, y esa hora cuesta cerca de 45 por ciento más por segundo que el generador de clips de Google a la misma resolución, Gemini Omni 1.2 Flash, que hace clips fijos de hasta 15 segundos. Nuestro tutorial sobre cómo hacer un video corto con Gemini Omni 1.2 Flash muestra la ruta de los clips. Genie cobra más porque el mundo responde, y si esa prima vale la pena depende por completo de si tu idea necesita una respuesta.
Costo de una hora de video 720p generado, en dólares (cifras de la página de precios, 20 de noviembre de 2026)
Genie 4 es interactivo y se transmite en sesiones de hasta 120 segundos. Gemini Omni 1.2 Flash hace clips fijos de hasta 15 segundos y no es interactivo. Tasas calculadas por AI Press Box desde la página de precios de la API de Gemini: Genie 4 a 0,1008 dólares por segundo, Omni 1.2 Flash a 0,0695 por segundo.
Las cuotas mantienen el uso temprano pequeño por diseño. Un proyecto pago de nivel 1 recibe 2 sesiones simultáneas y 50 solicitudes de sesión por día. El nivel 2 recibe 5 simultáneas y 250 por día. El nivel 3 recibe 10 simultáneas y 1.000 por día. Los mensajes de control dentro de una sesión no comen la cuenta diaria, lo que tiene sentido. Aun así, diez jugadores a la vez es el techo en el nivel más alto, y ese número solo ya te dice para qué cree Google que sirve este lanzamiento. Diez personas pueden probar un prototipo juntas. Diez mil no pueden jugar un juego publicado.
Qué funciona
El acceso mismo es la primera fortaleza, y no hay que restarle valor. Los modelos de mundo han vivido en demostraciones, listas de espera, y patios de juego para suscriptores. Genie 3 pasó toda su vida así. Genie 4 le da a un desarrollador un flujo de sesión documentado, transportes estándar, tokens efímeros que mantienen la clave principal de la API fuera del cliente, y aplicaciones de inicio en AI Studio para una primera mirada. Un equipo puede pasar de leer la documentación a dirigir un mundo dentro de su propia aplicación, y eso simplemente no había sido verdad en esta familia de modelos antes.
El audio es la segunda fortaleza, porque llega como parte del mundo en lugar de como decoración. Una escena que cruje, salpica, y responde mientras la diriges es un prototipo distinto de una escena muda. Para trabajo de previsualización, para pruebas de diálogo, y para entrenamiento de agentes donde el sonido lleva información, generar el sonido en la misma pasada elimina todo un paso de unión. DeepMind pone la precisión del audio como un problema abierto, y con justicia, pero la dirección es la correcta y ningún rival en la comparación de API de abajo entrega diálogo reactivo como parte estándar del flujo.
La tercera fortaleza es lo legible que es el trato. El precio es una multiplicación que un desarrollador puede hacer en papel. El tope de sesión es un número duro. Las cuotas son una tabla pequeña. Los límites, la desviación, el texto poco legible, la precisión espacial frágil, están impresos en la ficha del modelo de Google en lugar de ser descubiertos por los usuarios. Un lanzamiento que te dice que su mundo olvida cosas después de ocho segundos sin mirada es un lanzamiento alrededor del cual puedes planear, incluso cuando el plan es esperar.
Qué no funciona
La persistencia es la gran ausencia, y da forma a todo lo demás. No hay ninguna escena para guardar, ningún mundo para volver a abrir, ninguna sesión para reanudar, y ninguna exportación del lugar que acabas de cruzar. Cada sesión nueva empieza otra vez desde un texto y una imagen. Para prototipos y para pruebas cortas de agentes, eso es aceptable, incluso ordenado. Para cualquier cosa a la que un usuario deba volver, un nivel, una sala de exhibición, un curso con una segunda lección, la API no ofrece nada sobre lo que construir hoy. El mundo es una actuación, no un lugar.
El precio es el segundo problema, y es un problema de forma más que de tamaño. Diez centavos por segundo es un precio fino para una prueba y un precio brutal para un producto. A 6,05 dólares por minuto, una experiencia de consumo que mantiene a un jugador dentro de un mundo por una noche quemaría cientos de dólares de generación por jugador. Google vende el mismo modelo a los consumidores de otra manera, dentro de Project Genie en un plan AI Ultra desde 99,99 dólares por mes, con límites diarios y sin cargo de créditos por mundo, según las páginas de ayuda de Project Genie. Esa división lo dice todo. La suscripción es donde Google espera que la gente juegue. La API es donde espera que los desarrolladores prueben.
La brecha de evidencia es el tercer problema. Cada afirmación de calidad en este lanzamiento, el realismo, la física, el movimiento natural de las personas, el diálogo, descansa en demostraciones de Google y evaluaciones de Google. La ficha del modelo describe el método de evaluación y reporta una mejora clara sobre Genie 3 sin publicar un solo puntaje. Los evaluadores de confianza citados en el anuncio de octubre fueron elegidos por Google y hablaron de un potencial en modo borrador, lo que es alentador y no es verificación. Hasta que equipos de fuera publiquen sus propias sesiones y sus tasas de fallo, un comprador está pagando por una promesa.
Competencia
| Ruta | Lo que recibes | Forma del costo | El compromiso |
|---|---|---|---|
| API de Genie 4 | Un mundo 720p que se dirige, con audio nativo, transmitido en vivo, ido cuando la sesión termina | Unos 0,10 dólares por segundo, 12,10 por sesión completa, solo nivel pago | El único modelo de mundo de DeepMind con una API para desarrolladores, y el mundo más breve de esta lista |
| Project Genie | El mismo modelo Genie 4 en la experiencia de navegador de Google, con un agente y una galería de comunidad | Dentro de un plan AI Ultra desde 99,99 dólares por mes, límites diarios, sin cargo de créditos por mundo | La forma más barata de jugar por horas, sin manera de poner el mundo dentro de tu propio producto |
| Gemini Omni 1.2 Flash | Clips de video fijos a la misma resolución 720p, hasta 15 segundos, sin dirección | Unos 0,07 dólares por segundo de clip terminado | Más barato por segundo y más simple, para cualquier idea que no necesite que el mundo responda |
| World Labs Marble | Un mundo 3D persistente que puedes revisitar, editar, expandir, y exportar como splats o mallas | Unos 1,20 dólares por mundo por su API, con planes de aplicación desde gratis hasta 95 dólares por mes | Un archivo de mundo que se queda en su lugar, generado en lugar de transmitido en vivo, y mudo donde Genie habla |
El contraste más afilado es con Marble. Marble te entrega datos de escena. Puedes irte, volver mañana, caminar un camino distinto, y exportar el lugar a un motor. Genie 4 te entrega dos minutos de comportamiento, con sonido y personas que responden, y no guarda nada. Esos son productos distintos con la misma etiqueta de modelo de mundo. Elige según lo que tu idea no puede perder. Si necesita un lugar que persista, Genie todavía no es tu herramienta, haga lo que haga la demostración contigo. Si necesita un lugar que reaccione, con voces, dentro de los próximos dos minutos, nada más en la lista hace eso por una API hoy. Existen otros rivales de transmisión, incluido Decart Oasis 3 a un precio reportado de 0,02 dólares por segundo, pero su detalle publicado es más delgado que la documentación de Google para este lanzamiento, así que quedan fuera de la tabla en lugar de dentro.
Veredicto final
Construye un prototipo con ella esta semana si tu trabajo toca escenas interactivas, diseño espacial, o entrenamiento de agentes. El costo de descubrir lo que un mundo que se dirige le hace a tu idea es de unos doce dólares por sesión en el peor caso, el modelo de dirección es fácil de entender, y el audio le da incluso a una prueba áspera una vida que los mundos mudos no tienen. Mantén la prueba dentro del primer minuto de cada sesión, donde Google dice que el mundo se mantiene mejor unido, y anota lo que se desvía.
Todavía no construyas un producto con ella. Un tope de dos minutos sin reanudación, ninguna escena guardada, diez sesiones simultáneas en el nivel más alto, y 363 dólares por hora de juego suman una herramienta de muestreo, no una base. La postura correcta es la que los precios de Google mismo sugieren. Prueba por la API, juega por Project Genie si tienes un plan Ultra, y revisita la pregunta cuando un modelo Genie ofrezca un mundo que sobreviva al final de su sesión. La puerta que se abre importa más que la sala detrás de ella esta vez, y la puerta está de verdad abierta.
Fuentes
- Google: Genie 4 now available through the Gemini API, November 19, 2026
- Google DeepMind: Genie 4, a new generation of world simulation, October 27, 2026
- Google DeepMind: Genie 4 model card, November 18, 2026
- Google: Project Genie update featuring Genie 4, November 18, 2026
- Unite.AI: Google opens Genie 4 world generation to Gemini API developers
- AI Press Box: Genie 4 on the Gemini API costs $12.10 per two minute world
- TestingCatalog: Google opens Genie 4 world model to developers in Gemini API
- Images: Hero and body images are generated Dirty Static house style illustrations. No manufacturer screenshot is presented as a real Genie 4 session.
FIN DE LA TRANSMISIÓN
Mantén la curiosidad. Cuestiónalo todo.


