Genie 4 vs Agora 2: ¿Un mundo con un director, o veinte personas en la misma habitación?

«Hasta 20 participantes» es la cifra que Odyssey utilizó para lanzar Agora 2 el 21 de septiembre de 2026, y se descompone en algo más interesante de lo que parece: cuatro controladores humanos y dieciséis agentes autónomos, todos compartiendo un único mundo persistente. Genie 4, anunciado por Google DeepMind cinco semanas después, el 27 de octubre de 2026, hace casi la apuesta opuesta. Le ofrece a un solo usuario un mundo extraordinariamente convincente con sonido nativo e indicaciones en lenguaje natural, y no permite que una segunda persona entre en él. No son dos versiones del mismo producto en distintos niveles de calidad. Son dos programas de investigación que casualmente comparten un sustantivo.

Las tres preguntas que los separan son: quién más está en el mundo, si el mundo existe cuando nadie lo mira y si hace algún sonido. Genie 4 responde a la tercera mejor que cualquier cosa lanzada antes que él, y a las dos primeras no responde en absoluto. Agora 2 responde a las dos primeras y casi no tiene nada que decir sobre la tercera.

Veinte es en realidad cuatro más dieciséis

El titular de Odyssey es una afirmación multijugador, y vale la pena ser precisos sobre qué está realmente conectado. Cuatro humanos controlan personajes en tiempo real. Otras dieciséis entidades son políticas entrenadas con aprendizaje por refuerzo —comportamientos de monstruos y compañeros— que actúan dentro del mismo mundo. Por lo tanto, la descripción honesta es un juego para cuatro jugadores poblado por agentes aprendidos, lo cual es cinco veces el número de participantes de Agora 1 y una arquitectura significativamente diferente de una demo generativa para un solo jugador.

Los entornos son múltiples en lugar de uno solo, el comportamiento se mantiene a lo largo de horizontes más largos, y los datos de entrenamiento son capturas de Diablo II, un RPG de acción isométrico del año 2000. Ese último detalle no es una curiosidad. Indica que el equipo eligió deliberadamente un juego con una gramática de cámara fija y una densa interacción entre entidades en lugar de un mundo abierto fotorrealista, porque ese es el contexto en el que el estado compartido se puede poner a prueba y en el que el listón visual es alcanzable.

Por qué el estado fuera de pantalla es la parte difícil

La mayoría de los modelos del mundo, incluido Genie 4, funcionan como un generador de vídeo muy sofisticado. La escena existe como fotogramas, y todo aquello al que la cámara no apunta en ese momento tiene que regenerarse cuando la cámara vuelve a apuntar hacia ello, y es por eso por lo que se degrada la permanencia de los objetos, y por lo que el propio material de lanzamiento de Google advierte de que los detalles y los objetos se van desdibujando cuanto más tiempo se ejecuta una simulación y más complejas se vuelven las ediciones del prompt.

Agora 2 resuelve esto al no ser un generador de video en su núcleo. Ejecuta un estado del mundo autoritativo en el servidor que persiste independientemente de cualquier punto de vista, con un modelo de simulación aprendido que gestiona el movimiento y una pila de renderizado separada que dibuja lo que ve cada cliente. Las entidades siguen existiendo cuando nadie las está mirando. Por eso veinte participantes pueden ser coherentes a la vez: no le piden cada uno a un generador que imagine a los demás, sino que leen de una única verdad compartida.

La ingeniería es deliberadamente pequeña en la parte que debe compartirse. Se reporta que el modelo de simulación tiene aproximadamente 4,46 millones de parámetros, cuatro capas, anchura 256, con catorce ramas de movimiento y una cabeza de orientación separada. El renderizador es la red grande: un transformer de flow matching de alrededor de mil millones de parámetros, dieciséis bloques con anchura 2.048, cinco de ellos con atención temporal causal. Dicho sin rodeos: hacer que las reglas sean baratas e idénticas para todos, gastar el cómputo en lo que ve cada jugador.

La ventaja de Genie 4 es la parte que oyes

En comparación, las contribuciones de Genie 4 parecen limitadas, pero no lo son. El audio nativo —paisajes sonoros ambientales, música y diálogo hablado con personajes que responden en la escena— es algo que ningún otro modelo del mundo en esta comparación ofrece en absoluto. El informe técnico de Odyssey no menciona el audio. Tampoco lo hacen ABot-Earth, WorldClaw ni HY-Nomas.

Eso importa más para la simulación que para el entretenimiento. Un entorno de entrenamiento para un agente encarnado que no puede producir sonido carece de toda una modalidad de entrada; una herramienta de previsualización sin audio deja al departamento de sonido trabajando desde cero contra los tiempos de otra persona. Genie 4 también se dirige en lenguaje natural a mitad de la simulación, cosa que Agora 2 no hace: el mundo de Odyssey se rige por mecánicas de juego y la entrada del jugador, no por una instrucción que cambia el clima.

Lo que Genie 4 no puede hacer es admitir un segundo controlador. No hay estado compartido, ni servidor autoritativo, ni noción de otro participante. Pídele que ejecute cuatro jugadores y obtendrás cuatro mundos independientes que casualmente comparten un prompt.

640×480 es una decisión de diseño, no un informe de error

Agora 2 se renderiza a 640×480, y los críticos han notado un desenfoque ocasional en los objetos. Sería fácil señalarlo como una deficiencia frente al fotorealismo que Genie 4 afirma tener, excepto que Genie 4 no ha publicado ninguna resolución en absoluto.

Esa asimetría merece que nos detengamos a reflexionar. Un equipo lanzó un mundo de baja resolución y publicó su sección de limitaciones, admitiendo que la tasa de fotogramas sostenida, la latencia de entrada a visualización, la calidad visual a largo plazo, la concordancia entre vistas y la adherencia a las acciones no se habían evaluado cuantitativamente. El otro lanzó una afirmación fotorrealista, una ventana de coherencia de dos minutos y ninguna cifra. Cuando un lado es medible y el otro no, el lado medible suele parecer peor y suele ser más útil.

Dos apuestas diferentes sobre para qué sirven los modelos del mundo

Odyssey apuesta a que los problemas interesantes son sociales y multiagente. Su planteamiento es explícito: un mundo simulado compartido es un lugar más seguro para estudiar cómo se comportan muchos agentes juntos que el mundo real. La empresa ha citado como motivación un incidente reportado por METR en el que aproximadamente 1.200 agentes se autoorganizaron. Bajo esa tesis, la fidelidad es un medio y el número de participantes es lo esencial, porque los fenómenos que se quieren observar —colusión, coordinación, división emergente de roles— solo aparecen a escala.

Google está apostando a que los problemas interesantes son perceptivos e instructivos. Bajo esa tesis, un único director con un mundo fotorrealista, con audio y controlable es el artefacto útil, ya sea que el director sea un cineasta que bloquea una toma o un equipo de robótica que ensaya una tarea. La demostración más reveladora de Genie 4 encaja exactamente con esto: Gemini 4 Argon descompuso tareas que Genie 4 simuló en tiempo real para un humanoide Apptronik Apollo. Un agente, un mundo, sin multitudes.

Ambas apuestas pueden ser acertadas. No pueden ser cubiertas por un solo modelo, y por eso el planteamiento de «cuál es mejor» falla.

El proyecto de ley de servicio que nadie pone en el titular

Se informa que Agora 2 utiliza aproximadamente cuatro GPU RTX PRO 4500 para atender una sesión de cuatro jugadores, con entrenamiento y servicio en AWS Trainium. Esa es una cifra real y es el tipo de cifra que determina si una vista previa de investigación puede convertirse en un producto. Veinte participantes en un mismo mundo es barato en jugadores y caro en silicio, porque el estado compartido significa que el servidor debe ser autoritativo para todos a la vez.

Genie 4 no ha revelado ningún coste de servicio. Es una vista previa de investigación para probadores de confianza, seguida por los suscriptores de Google AI Ultra y los socios con acceso anticipado a la API de Gemini. Nadie fuera del grupo de probadores sabe cuánto cuesta producir un minuto de mundo generado, lo que significa que nadie puede decir todavía si la impresionante demostración sobrevive al contacto con una lista de precios.

Para qué es realmente evidencia cada uno

Agora 2 es evidencia de que un modelo del mundo puede ser un sustrato para la investigación multiagente en lugar de un truco de renderizado. Si tu pregunta es «qué ocurre cuando muchos agentes comparten un entorno», es el único de los dos que tiene un entorno que compartir, y el hecho de que se pueda jugar en un navegador en agora.odyssey.ml lo hace inusualmente accesible para una vista previa de investigación.

Genie 4 es prueba de que el techo perceptivo se ha movido. Si tu pregunta es «¿puede un mundo generado ser lo bastante convincente como para planificar sobre él?», está por delante, y el audio es la razón: es la primera vez que un modelo del mundo produce una escena que podrías entregar a alguien sin disculparte por el silencio.

Para los equipos que construyen infraestructura de agentes en lugar de mundos, la lección práctica de Agora 2 es que el coste de coordinación domina. Veinte agentes en un solo mundo son un problema de enrutamiento antes que un problema gráfico: qué modelo gestiona la política de qué agente, qué ocurre cuando un endpoint se atasca y cómo mantener baratas las llamadas de verificación económicas. Esa es la capa en la que trabajamos —una API para más de 200 modelos con conmutación por error automática, para que una ejecución multiagente no muera porque un proveedor tuvo un mal minuto— y es la capa que permanece constante, sea cual sea el modelo de mundo por el que finalmente os estandaricéis.

La pregunta que vale la pena hacerse en octubre de 2026 no es cuál de estos dos es mejor. Es si el modelo del mundo que necesitas es un lugar en el que otros agentes puedan situarse, o una toma que puedas dirigir. Odyssey construyó el primero. Google construyó el segundo, y lo convirtió en el de mejor aspecto que se haya mostrado.