Mientras OpenAI y Anthropic compiten en la creación de sistemas recursivos de autoaprendizaje capaces de diseñar de forma independiente las siguientes generaciones de algoritmos, Google DeepMind ha elegido un camino fundamentalmente diferente. Externamente, la diferencia puede parecer insignificante: la corporación continúa lanzando modelos y ganando dinero. Sin embargo, el análisis de los pasos recientes de la división de Demis Hassabis indica un giro estratégico hacia las llamadas "world models" (modelos del mundo).

Por qué Gemini 3.6 Flash no va de potencia

El 21 de julio, Google lanzó el modelo Gemini 3.6 Flash. Los enfoques clave son la velocidad y el costo, no el rendimiento absoluto. Según los datos de la propia corporación, la nueva versión genera un 17% menos de tokens que su predecesora, lo que reduce directamente el precio de la respuesta. Sin embargo, en el ranking de Artificial Analysis, este modelo ocupó solo el décimo lugar, perdiendo frente a prácticamente todos los principales competidores.

Esto no significa que Google haya abandonado las mejoras. La compañía ya ha iniciado el entrenamiento más grande para la futura Gemini 4, y una versión más grande, Gemini 3.5 Pro, aún está siendo probada con socios. Pero lo principal es que Sundar Pichai vinculó públicamente la hoja de ruta con el desarrollo de agentes personales, no con posiciones en benchmarks.

DeepMind contra la mejora recursiva

Un modelo del mundo es una IA que estudia las leyes físicas del entorno: gravedad, movimiento, relaciones de causa y efecto. Dicho algoritmo predice el desarrollo de eventos en el espacio, no solo selecciona palabras. En el sitio web de DeepMind, tanto Genie 3 como Gemini Robotics se encuentran en la sección de "modelos del mundo" e IA incorporada (embodied AI), es decir, software que controla máquinas.

OpenAI y Anthropic han elegido una estrategia completamente diferente. Estos equipos se centran en la auto-mejora recursiva de los sistemas. En la práctica, esta tecnología permite que la IA diseñe de forma independiente la siguiente generación de algoritmos, iniciando un ciclo de desarrollo en el que el producto crea soluciones aún más potentes.

El cofundador de Anthropic, Jack Clark, en su ensayo del 4 de mayo, estimó la probabilidad de que la IA pueda gestionar de forma independiente el proceso de investigación para finales de 2028 en un 60%. Al mismo tiempo, señaló que DeepMind "parece la más cautelosa entre los tres grandes". La cautela aquí significa prudencia. Clark se basa en documentos de la propia DeepMind, en particular en un artículo sobre seguridad de la IA publicado en 2025.

A modo de comparación: Anthropic ya ha registrado casos en los que la IA crea una IA más avanzada. Durante un período de prueba en abril, el rendimiento de sus modelos se multiplicó por 52. Un año antes, este aumento era de solo 2,9 veces. Un ingeniero experimentado habría necesitado de cuatro a ocho horas de trabajo para lograr un aumento de cuatro veces.

Por qué no se puede afirmar que Google ha salido de la carrera

Existen dos factores importantes que contradicen esta hipótesis. En primer lugar, Google mantiene el liderazgo en las pruebas de investigación de aprendizaje automático. El benchmark MLE-Bench evalúa la capacidad de los modelos para crear arquitecturas de IA de forma independiente. En febrero, Gemini 3 mostró un resultado del 64,4%, ocupando el primer lugar. Más tarde, en julio, la versión 3.6 Flash obtuvo un 63,9%. Las empresas que se retiran del mercado no suelen encabezar dichos rankings.

En segundo lugar, el gigante tecnológico conserva un alcance colosal. Sundar Pichai declaró que la audiencia de la aplicación Gemini alcanzó los 950 millones de personas al mes.

El precio financiero de la posición de espera

Durante mucho tiempo, los ingresos de la publicidad en buscadores cubrieron los gastos experimentales de DeepMind. Sin embargo, los informes recientes de Alphabet indican una reducción del colchón financiero. En el segundo trimestre de 2024, los ingresos de la compañía alcanzaron los $119,8 mil millones, un 24% más que el año anterior. Solo la publicidad en buscadores generó $63,3 mil millones.

Pero los gastos están creciendo. En tres meses, Alphabet destinó $44,9 mil millones al desarrollo de centros de datos y la compra de equipos, casi el doble que el año anterior. Como resultado, el flujo de caja libre fue negativo en $5,86 mil millones. En marzo, esta cifra era positiva: $10,1 mil millones, y en diciembre del año anterior, $24,6 mil millones.

Para cubrir la diferencia, Alphabet emitió acciones por $49,6 mil millones y obtuvo $20,3 mil millones en préstamos. El volumen de pasivos a largo plazo aumentó de $46,5 mil millones a $98,2 mil millones en seis meses. La partida de gastos relacionada con los desarrollos conjuntos de IA generó una pérdida de $5,79 mil millones, frente a los $3,37 mil millones del año anterior. En consecuencia, la actual posición de espera le cuesta cada vez más a la corporación.

Qué es importante seguir en los próximos 30 días

  • Si se producirá el lanzamiento de Gemini 3.5 Pro y qué posiciones ocupó el modelo en las pruebas.
  • Si DeepMind presentará nuevos datos sobre los modelos del mundo para Gemini 4.
  • Si el flujo de caja de Alphabet volverá a ser positivo en septiembre.
  • Si Demis Hassabis expresará una posición clara sobre la tecnología de autoaprendizaje.

El lanzamiento de Gemini 4 será un momento decisivo para la estrategia de la compañía. Si el enfoque de creación de modelos del mundo se justifica, la desaceleración actual resultará ser un cálculo preciso. El próximo informe financiero mostrará los límites reales de los recursos de Alphabet en esta carrera tecnológica.

Opinión del experto: Mientras el mercado está obsesionado con los benchmarks y la mejora recursiva, DeepMind apuesta a largo plazo por la comprensión de la física del mundo real. Si esta estrategia tiene éxito, Google podría encontrarse en una posición única, donde los competidores tendrán que ponerse al día no en tokens, sino en la comprensión fundamental del entorno. Sin embargo, el precio del error, en forma de deudas crecientes y talento que se va, se vuelve crítico.