Google lanza Gemini 2.0 Flash y adelanta sus agentes de IA

Google ha presentado este miércoles Gemini 2.0 Flash, la primera versión de su nueva generación de modelos de inteligencia artificial. La novedad no está solo en que sea más rápido y multimodal —capaz de trabajar con texto, imágenes, audio y vídeo—, sino en que Google lo plantea como la base para agentes: sistemas que no se limitan a contestar, sino que pueden planificar tareas y usar herramientas.

Gemini 2.0 Flash se publica inicialmente en versión experimental para desarrolladores a través de Google AI Studio y Vertex AI, la plataforma empresarial de Google Cloud. También empieza a llegar a productos propios de la compañía, como las respuestas generadas por IA en el buscador estadounidense.

Un modelo preparado para producir, no solo interpretar

Los modelos multimodales anteriores ya podían analizar una fotografía, resumir un documento o responder sobre un vídeo. Gemini 2.0 Flash amplía esa idea con capacidades nativas para generar imágenes y audio, además de texto. La empresa ha mostrado, por ejemplo, conversaciones por voz con respuestas expresivas y traducciones que preservan mejor el tono de quien habla.

El modelo mantiene una ventana de contexto de hasta un millón de tokens. En términos sencillos, puede manejar una cantidad muy grande de información dentro de una misma conversación: documentos extensos, horas de grabación o grandes colecciones de código. Esa capacidad ya estaba presente en Gemini 1.5, pero Google busca ahora combinarla con una interacción más ágil y con el uso de herramientas externas.

La distinción importa porque un asistente convencional recibe una pregunta y devuelve una respuesta. Un agente puede dividir un encargo en pasos, buscar datos, consultar servicios conectados y presentar un resultado. Ese proceso abre posibilidades útiles, pero también eleva el riesgo de errores: si un sistema interpreta mal una instrucción y actúa sobre una herramienta, la consecuencia puede ir más allá de una respuesta equivocada.

Deep Research: investigar con más pasos intermedios

Entre las primeras aplicaciones de Gemini 2.0 está Deep Research, una función para Gemini Advanced. El sistema puede elaborar un plan de investigación, recorrer páginas web y producir informes con sus fuentes.

No equivale a sustituir el trabajo de un investigador ni garantiza que las conclusiones sean correctas. La calidad depende de las fuentes que encuentre, de cómo interprete sus contenidos y de si el usuario revisa el resultado. Su valor está en reducir el tiempo de reunir material y ordenar una primera síntesis, especialmente para comparar productos, preparar un tema o explorar información dispersa.

Google prevé lanzar Deep Research en Gemini Advanced durante las próximas semanas.

Astra quiere entender el mundo a través de la cámara

Project Astra es el prototipo de asistente que DeepMind mostró por primera vez en mayo. Su objetivo es que la IA pueda observar el entorno mediante la cámara del móvil, mantener una conversación por voz y recordar lo que ha visto durante la interacción.

Google ha incorporado parte de esas capacidades a la aplicación Gemini: conversación en tiempo real, más idiomas y una respuesta más natural cuando el usuario comparte vídeo. La promesa es evidente para tareas cotidianas, desde localizar un objeto hasta recibir ayuda mientras se realiza una reparación. Pero Astra sigue siendo un proyecto en desarrollo, no un producto acabado con autonomía plena.

Mariner lleva el agente al navegador

La demostración más ambiciosa es Project Mariner, un prototipo de extensión para Chrome que observa el contenido visible de una página web y puede mover el cursor, escribir y hacer clic para completar tareas. Google lo está probando con un grupo reducido de usuarios de confianza.

En una demostración, Mariner podía buscar productos y añadir opciones a una lista. Es una dirección distinta a la de un chatbot: en vez de pedir al usuario que copie datos entre pestañas, el sistema intenta ejecutar los pasos en el navegador.

Aun así, Google reconoce que Mariner es un experimento de investigación. Los agentes web se enfrentan a páginas cambiantes, formularios ambiguos, pagos y datos personales. El reto no es únicamente que sepan pulsar botones, sino que entiendan cuándo deben detenerse, pedir confirmación y no tomar decisiones que corresponden al usuario.

Gemini 2.0 Flash da a Google una plataforma común para esa estrategia. La carrera ya no consiste solo en crear modelos que escriban o conversen mejor: consiste en lograr que operen programas y servicios sin convertir cada encargo en un problema de seguridad y supervisión.