Genesis AI presenta GENE-26.5: el modelo de robótica que cocina, resuelve cubos y toca el piano

Cocinar un huevo requiere crackear la cáscara con una mano, sostener el bol con la otra, y no perder ninguno de los dos objetivos mientras distribuís la presión de los dedos en tiempo real. Para un humano, es un acto automático. Para un robot, es un problema sin solución desde hace décadas.

Genesis AI mostró el 6 de mayo que ya no es tan sin solución.

La startup con oficinas en París, California y Londres publicó un video donde su sistema GENE-26.5 realiza una secuencia de 20 subtareas de cocina, incluyendo el mencionado cracking de huevo con una mano, corte de tomate con coordinación bimano, y uso de utensilios como espátulas, batidor y sartén. El mismo modelo —con los mismos pesos— también demostró resolver un Cubo de Rubik, preparar un smoothie, realizar pipeteo de laboratorio con precisión milimétrica, y tocar el piano.

Todo en velocidad real. Sin trucos de edición.

La startup fue fundada por Zhou Xian y Théophile Gervet, y recaudó 105 millones de dólares en una ronda semilla liderada por Eclipse y Khosla Ventures en julio de 2025. El ex CEO de Google Eric Schmidt es uno de los inversores individuales. Según informó TechCrunch, el equipo cuenta hoy con 60 personas, repartidas entre Europa y Estados Unidos.

Lo que hace diferente a Genesis no es solo el modelo. Es que construyeron el stack completo: modelo de IA, mano robótica propia, guante de captura de datos, y middleware de control de ultra baja latencia. Su mano robótica, la Genesis Hand 1.0, replica el tamaño y la cinemática de una mano humana con 20 grados de libertad activos. El guante que usaron para capturar datos de entrenamiento tiene sensores táctiles y permite una correspondencia 1:1 entre el movimiento humano y el del robot, eliminando lo que en el campo se llama el "embodiment gap".

El resultado es que Genesis puede entrenar su modelo con video de internet, con datos de humanos usando el guante, y con teleoperación, sin que el robot tenga que aprender a compensar diferencias de hardware en el proceso.

Para la evaluación del modelo a escala, la startup usa simulación, lo que les permite correr el equivalente a 2.700 horas de evaluación en el mundo real en mucho menos tiempo.

En términos de control, su middleware propio reduce la latencia de extremo a extremo a 3 milisegundos en condiciones óptimas, comparado con los 80 milisegundos del controlador estándar del proveedor de sus brazos robóticos. El error de seguimiento bajó de 20mm a 2mm. En robótica, esa diferencia es la que separa un sistema funcional de uno que rompe todo lo que toca.

Gervet señaló en la nota de TechCrunch que el siguiente paso es lanzar un robot de cuerpo completo. La manipulación, insisten, es el problema central de la robótica. Todo lo demás es soporte.