Resumen diario de IA, 28 de octubre: Genie 4 llega con acceso restringido mientras Gemini Robotics ER 2 se abre en vista previa

Google puso dos modelos de IA física en versión preliminar en menos de veinticuatro horas esta semana, y aplicó condiciones de acceso opuestas a cada uno. Genie 4, el modelo del mundo de Google DeepMind que genera una escena controlable con sonido sincronizado, se anunció el 27 de octubre de 2026 para un grupo limitado de probadores de confianza, con lista de espera y sin precio publicado. Gemini Robotics Embodied Reasoning 2 — ER 2, el planificador de robots de alto nivel que Google Cloud llevó a versión preliminar pública el mismo día — viene con un ID de modelo, una página de documentación y un registro que cualquier cliente de Cloud puede completar. Ambos son versiones preliminares. Solo uno de ellos tiene una puerta por la que se puede entrar hoy.

Esa asimetría es la historia de la semana, más que cualquiera de los dos modelos por sí solo. Google está ensamblando las dos mitades de una pila de IA física: un modelo del mundo que puede fabricar experiencia y un modelo de razonamiento encarnado que puede planificar con robots reales. Las mitades se anunciaron con un día de diferencia y las distribuyen dos partes distintas de la empresa bajo dos regímenes de acceso diferentes. Lo que sigue es un informe breve, no una reseña: cada cifra a continuación está etiquetada con quién la produjo.

Punto 1 — Genie 4, y las tres afirmaciones que hacen el trabajo

La entrada de DeepMind escasea en números y abunda en afirmaciones sobre capacidades. Tres de ellas importan:

• Audio nativo. Genie 4 genera sonido ambiental, música y diálogo interactivo en la misma pasada que los fotogramas, en lugar de doblar después una simulación muda. Es el primer modelo de mundo de DeepMind que hace esto.

• Control en vivo. Una instrucción escrita puede mover la cámara, cambiar el clima o introducir un personaje mientras el mundo está en ejecución, y un modelo de Gemini adapta la instrucción a lo que aparece actualmente en pantalla.

• Una ventana más larga. La cifra que circula es de aproximadamente dos minutos de consistencia de escena, el doble de Genie 3. Esa cifra provino de las sesiones informativas de lanzamiento, no del blog: el propio texto de Google dice que el modelo mantiene «sesiones cortas» y no consigna una duración por escrito. Considera los dos minutos como una cifra reportada con un proveedor detrás, no como una especificación.

La adición estructural es más fácil de pasar por alto que el audio. Gemini Omni ancla la simulación en la apariencia y el comportamiento del mundo real, y Gemini 3.8 Flash forma parte del bucle, observando fotogramas generados, descomponiendo un objetivo en pasos y volviendo a planificar cuando la escena se desvía. En la demo que Google eligió hacer pública, Gemini 4 Argon descompuso una tarea que Genie 4 luego simuló en tiempo real, con un humanoide Apptronik Apollo jugando a las damas. Ese es un producto diferente de un generador de vídeo: un generador responde a una instrucción con un clip, mientras que un generador más un planificador responde a un objetivo con una secuencia de estados verificados.

Lo que Google no publicó es tan importante como lo que sí publicó. No hay resolución, ni velocidad de fotogramas, ni cantidad de parámetros, ni medición de latencia, ni puntuación de benchmark, ni precio. Cada comparación de «Genie 4 es más realista» publicada esta semana es una comparación de reels de demostración y listas de funciones, porque nadie fuera del grupo de probadores de confianza ha medido la salida. Google sí admite los modos de fallo: la deriva en el detalle y la permanencia de los objetos en sesiones más largas y tras ediciones repetidas, la precisión espacial es imperfecta, el texto dentro del mundo a menudo es ilegible y la precisión del audio sigue sin resolverse. Todo el video y audio generados llevan una marca de agua SynthID.

Punto 2 — Gemini Robotics ER 2, para el que realmente puedes registrarte

ER 2 no es nuevo esta semana como modelo — Google lo presentó el 30 de julio de 2026 en una vista previa privada limitada —, pero el anuncio del 27 de octubre es el que cambia quién puede usarlo. Ahora está en vista previa pública en la plataforma Gemini a través de Model Garden, y se puede probar en Agent Studio, con el ID de modelo gemini-robotics-er-2-preview.

Google lo posiciona como el cerebro de alto nivel de un robot, más que como un controlador. Toma la comprensión espacial y temporal de video, la planificación a largo plazo y las barreras de seguridad, y las envuelve en una capa de orquestación: los desarrolladores declaran interfaces de control de bajo nivel —modelos visión-lenguaje-acción, API de navegación, funciones personalizadas— como herramientas, y ER 2 planifica sobre ellas. También clasifica el progreso de la tarea, que es lo que permite a un robot darse cuenta de que un paso falló y reintentarlo sin reiniciar todo el flujo de trabajo.

Las cifras reportadas por el proveedor con las que Google abre:

• Localización precisa del fotograma del evento — 91,3 % de precisión al identificar el fotograma exacto en el que ocurre un evento crítico, con una distancia absoluta media de 0,96 segundos entre fotogramas.

• Velocidad de ejecución — 4x, descrita como «una fracción del coste computacional de muchas categorías de modelos más grandes». No se menciona una línea base en la oración, por lo que el múltiplo es direccional más que comparable.

• Lectura de instrumentos — más de 10 categorías, incluidas esferas circulares, mirillas, pantallas digitales, escalas lineales y termómetros de líquido, leídas directamente a partir de la información visual.

• Seguridad — 97,9 % en Seguimiento de Instrucciones de Seguridad y 93,0 % en Proximidad Humana con un umbral de un metro, según los propios informes de seguridad de Google. Las protecciones físicas, como paradas de emergencia, barreras y límites de fuerza, siguen siendo responsabilidad del operador; las puntuaciones describen el razonamiento, no el hardware.

No hay una lista de tarifas en el propio anuncio, solo un enlace a la página de precios. Para un modelo de vista previa eso es normal, y también es la cifra que un equipo de compras necesita primero.

El patrón detrás de los dos elementos

Leídos en conjunto, los anuncios describen una pila que se está construyendo en público y vendiendo en privado. Un modelo del mundo solo resulta útil para el entrenamiento de robots si puede generar suficiente experiencia variada y reiniciable como para importar; un planificador de robots solo resulta útil si se puede evaluar contra algo distinto de un corpus de vídeo fijo. Google está claramente poniéndolos frente a frente. Está igualmente claro que no está listo para entregar ninguno de los dos a un cliente no verificado: Genie 4 es solo para probadores, ER 2 es solo una versión preliminar, y ninguno tiene fecha de disponibilidad general.

Eso deja una pregunta práctica para cualquiera que esté construyendo sobre la pila: ¿qué partes se pueden invocar ahora?

• No se puede invocar. Genie 4, hasta que se abra la lista de espera o se formalice un acuerdo con un socio de acceso anticipado. Gemini Robotics ER 2, a menos que estés preparado para desarrollar contra una vista previa pública en Google Cloud.

• Disponible hoy. Gemini Robotics ER 1.6 preview está en el catálogo de OrcaRouter, y también Gemini 3.8 Flash — el mismo modelo que Google designa como el agente en el bucle que verifica los fotogramas de Genie 4 y vuelve a planificar. Ninguno de los dos es el modelo del mundo. Ambos son la mitad de razonamiento del pipeline, y se pueden probar ahora en lugar de después de una lista de espera.

OrcaRouter enruta esos a través de una única API en más de 200 modelos, con los precios de lista de los proveedores trasladados sin margen alguno (0 % de recargo), de modo que un cambio de precios de Google llega a nuestro catálogo el mismo día en que se publica. La conmutación por error automática importa más de lo habitual aquí: un modelo de nivel preview puede sufrir limitaciones de tasa o ser retirado, y un segundo proveedor detrás de la misma llamada es la diferencia entre un experimento y una caída del servicio. El DSL de enrutamiento es la otra opción cuando una canalización necesita el planificador y un modelo aparte para la verificación en una única llamada compuesta. No alojamos Genie 4, y nada en este resumen debe interpretarse como una vía de acceso a él.

¿Qué cambiaría este brief?

Cuatro eventos sacarían a Genie 4 de la columna «demo» y lo convertirían en algo con lo que un equipo pueda planificar su presupuesto: una hoja de especificaciones publicada con resolución y velocidad de fotogramas; un precio para el nivel de Gemini API; una primera medición independiente desde fuera del grupo de probadores de confianza; y que Project Genie ponga Genie 4 a disposición de los suscriptores de AI Ultra, que es la única superficie de consumo que Google ha nombrado. El evento equivalente para ER 2 es un tarifario y una fecha de disponibilidad general.

Hasta entonces, el resumen honesto es que Google ha anunciado el modelo del mundo más capaz que ha construido y el planificador de robots más usable que ha lanzado, en la misma semana, y puso el más impresionante de los dos detrás de una lista de espera. El que puedes usar hoy es el anuncio más pequeño. Así suelen ir las semanas de vista previa.