⚡ Google saca tres Gemini de golpe.
3 nuevos Gemini, un problema de 87 años resuelto y Washington controlando la IA.
Google arrancó la semana llenando la mesa: tres modelos Gemini nuevos, pensados para quienes construyen agentes de IA y quieren respuestas más rápidas, más baratas y más estables.
Y hubo más. Una IA ayudó a demostrar que una conjetura matemática abierta desde 1939 estaba equivocada, el gobierno de Estados Unidos empezó a mover fichas para controlar quién accede a los modelos de frontera, y Google (otra vez) apareció diseñando un chip que lleva a Gemini grabado en el silicio.
Vamos por partes.
Índice
Tres piezas nuevas para armar agentes.
La conjetura que nadie podía con ella.
Washington entra a la sala de máquinas de la IA.
Google congela a Gemini en un chip.
Gemini se pone a tono para la era de los agentes
Mientras medio mundo espera el Gemini 3.5 Pro, que sigue en pausa desde su anuncio en mayo, Google adelantó por otro flanco: sacó tres modelos Flash el mismo día.
Todos apuntan al mismo público, los desarrolladores que arman agentes de IA y necesitan respuestas rápidas, costos bajos y un rendimiento que no se tambalee.
El caballo de batalla es Gemini 3.6 Flash. Según el Artificial Analysis Index, usa 17% menos tokens de salida que la versión anterior y resuelve tareas de varios pasos con menos razonamiento y menos llamadas a herramientas.
El precio quedó en 1,50 dólares por millón de tokens de entrada y 7,50 por millón de salida, más barato que los 9 dólares de salida que costaba antes.
Junto a él llegó 3.5 Flash-Lite, el más veloz y económico del trío, con 350 tokens de salida por segundo.
El tercero es distinto: 3.5 Flash Cyber, un modelo afinado en seguridad que trabaja de la mano de CodeMender, el agente de Google que busca y repara fallos de código.
Por su naturaleza de doble uso, Google lo dejó por ahora solo para gobiernos y socios de confianza dentro de un piloto de acceso limitado.
¿Por qué importa?
La eficiencia se volvió el terreno donde se define la pelea de los modelos. Cuando un agente hace la misma tarea miles de veces, gastar menos tokens por respuesta se traduce directo en menos costo y más velocidad, y ahí es donde Google está apretando.
Cuando la respuesta cabe en una sola línea
Levent Alpöge, matemático de Anthropic, publicó el fin de semana un resultado que va a terminar en los libros de texto: la conjetura de Jacobian, uno de los grandes problemas abiertos del álgebra, es falsa. Y el crédito lo comparte con Claude Fable 5, el modelo que estuvo trabajando en el problema durante la final del Mundial.
La conjetura la planteó Ott-Heinrich Keller en 1939 y luego entró en la famosa lista de 18 problemas que Stephen Smale dejó para el siglo. En términos simples, decía que si una fórmula que transforma un grupo de números conserva la información en cada punto, entonces siempre debería poder revertirse para recuperar el dato original. Fable 5 devolvió una fórmula que cumple esa condición y aun así rompe la regla: tres entradas distintas terminan en la misma salida, así que no hay forma de dar marcha atrás.
Lo curioso es el tamaño. El contraejemplo tiene unos 216 caracteres; cabe en un renglón. Matemáticos lo verificaron en cuestión de horas, Wikipedia se reescribió el mismo día y todavía falta la revisión formal por pares. Qiaochu Yuan lo describió como el problema más famoso resuelto hasta ahora con ayuda de un modelo de lenguaje.
¿Por qué importa?
Casi todas las promesas de la IA piden que confíes en ellas. Esta se puede comprobar. Pegas la fórmula en una calculadora matemática gratuita y ves el choque con tus propios ojos.
Además, no había respuesta en ningún dato de entrenamiento, porque el contraejemplo no existía antes del sábado. Es matemática nueva, verificable por cualquiera, y ese es un tipo de resultado que cambia la conversación sobre lo que estos modelos pueden hacer.
Del chip al modelo: sube el control
Según CNBC, la administración Trump está empezando a decidir qué empresas acceden a los modelos de frontera, una decisión que hasta ahora tomaban los propios laboratorios. La Casa Blanca lo niega y dice que cualquier participación es “voluntaria”, pero los hechos recientes hablan bastante fuerte.
El mes pasado, una directiva de control de exportaciones obligó a Anthropic a suspender el acceso a Fable 5 y Mythos 5 durante semanas. OpenAI, por su parte, limitó el lanzamiento de GPT-5.6 a “socios de confianza” a pedido del gobierno antes de abrirlo el 9 de julio. Los modelos más sensibles ya circulan por programas cerrados y vetados: Glasswing en el caso de Anthropic, Daybreak en el de OpenAI. Y, según las fuentes, los próximos despliegues necesitarían aprobación explícita del gobierno sobre qué socios participan.
Todo esto ocurre mientras los modelos chinos de pesos abiertos, como Kimi K3 de Moonshot AI, se acercan cada vez más al rendimiento de los mejores modelos estadounidenses.
¿Por qué importa?
Los controles de exportación solían quedarse en los chips. Ahora suben por la cadena hasta el acceso al modelo mismo. Si Washington maneja la lista de invitados de la IA de frontera, cada hoja de ruta de la industria pasa a tener una dependencia nueva que no se resuelve con más ingeniería.
Y hay una ironía de fondo. Cerrar la puerta de los modelos propios no hace nada contra los chinos de pesos abiertos, que cualquiera puede descargar y correr sin pedir permiso.
Un chip con Gemini grabado por dentro
The Information reportó que Google está desarrollando un chip de servidor, apodado internamente “Frozen v2”, que graba parte de la arquitectura de Gemini directamente en el silicio. Recortaría cálculos y movimiento de datos en cada respuesta, y sus ingenieros estiman que podría entregar entre seis y diez veces más tokens por unidad de energía que las TPU más recientes de la compañía.
El nombre viene de “congelar” partes del modelo dentro del hardware. Los pesos se pueden seguir actualizando, pero la arquitectura queda fija, así que el chip solo sirve mientras Google mantenga a Gemini sobre ese mismo diseño de base. Es un complemento de las TPU, con un despliegue previsto hacia 2028. Detrás está una escasez de cómputo tan seria que Google Cloud llegó a rechazar contratos de clientes externos.
¿Por qué importa?
La eficiencia de la inferencia se está volviendo el verdadero campo de batalla económico de la IA, porque de ahí salen los márgenes. Google está dispuesto a sacrificar flexibilidad (un chip amarrado a una sola familia de modelos) a cambio de un salto grande en eficiencia.
Si la apuesta funciona, cambia el costo de operar modelos a gran escala y le da a Google una ventaja de precio frente a OpenAI y Anthropic.
⚡️ Bits Express
Washington apunta a los modelos chinos. Tras el salto de Kimi K3 de Moonshot AI, el gobierno de EE. UU. evalúa medidas contra los modelos chinos: desde responsabilizar legalmente a quienes los alojen hasta listas negras comerciales. El problema de fondo es que los modelos de pesos abiertos ya circulan por todos lados y son casi imposibles de frenar.
AMD le mete presión a Nvidia. AMD presentó Helios, su primer sistema de rack completo para IA, pensado para competir de frente con la plataforma Vera Rubin de Nvidia. Microsoft, Meta, OpenAI, Oracle y Tata ya se apuntaron a desplegarlo.
Un modelo de OpenAI se saltó su propia jaula. En una prueba interna, un modelo sin nombre encontró una vulnerabilidad para salir de su entorno aislado y abrir un pull request en GitHub, saltándose la instrucción de reportar solo por Slack. OpenAI pausó el despliegue y rearmó su seguridad con monitoreo de toda la sesión.
Claude Team ahora arranca con dos. Anthropic bajó el mínimo del plan Team de cinco personas a dos. Equipos de dos ya acceden a proyectos compartidos, controles de administrador, facturación centralizada, SSO y búsqueda empresarial.
Canva abre su “vibe coding” a todos. Canva Code 2.0 pasó de vista previa limitada a estar disponible para cualquier usuario, incluido el plan gratis. Puedes partir de un prompt, una plantilla o HTML importado y editar el resultado como cualquier diseño de Canva.
🎓 Academia de IA de Weplash
Todas las semanas vemos a la IA resolviendo matemáticas de nivel doctorado, escapándose de sandboxes y metiéndose dentro de los chips. Suena lejano y muy técnico, pero el mensaje práctico es el contrario: usar estas herramientas cada vez pide menos de ti.
Hay dos cosas que suelen frenar a la gente cuando piensa en aprender IA. Una es el tiempo. Por eso nuestros cursos son cortos y directos, pensados para que aprendas algo hoy y lo apliques en tu negocio esta misma semana. La otra es la idea de que hace falta saber programar. Todo se explica en lenguaje natural, con un paso a paso que puedes replicar tal cual, sin una sola línea de código si no quieres.
Nuevos cursos esta semana:
🤖 Convierte a Claude en tu Operador Web con Computer Use.
🧠 Prompt Engineering para Claude Fable 5.
📱 Dale Tareas a Claude Desde tu Móvil con Dispatch.
🕴️ Claude Code para Marketing.
📝 Ahorra Horas de Preparación para Reuniones con Google Calendar.
🧑💼 Construye tu Propio CRM con Claude Code.
⚡ Escribe el Doble de Rápido con Typeless.
🎬 Edita tus Videos con Claude Code.Dentro te llevas certificados que sirven para tu LinkedIn y tu CV, retos frecuentes donde aprendes una habilidad concreta y puedes ganar dinero en efectivo, y una comunidad activa que te da feedback y con la que puedes hacer networking mientras avanzas.
Si algo de lo de hoy te dio curiosidad, ese es justo el punto de partida.
Te esperamos dentro. 😎
