Ayer mismo, todo el círculo de la IA estaba sumido en un estado de euforia.
Filtraciones de todas partes surgieron a la vez: la arma definitiva de Google, Gemini 3.5 Pro, con nombre en clave "Cappuccino", se lanzaría oficialmente en 48 horas.
Una enorme ventana de contexto de 2 millones de tokens, un nuevo modo de razonamiento "Pensamiento Profundo". Se dice que las evaluaciones internas ya han superado ampliamente a GPT-5.6 Sol y Claude Fable 5.
Obviamente, se trataba de un producto revolucionario que estaba a punto de cambiar el panorama de la IA.
Todos estaban emocionados haciendo la cuenta atrás, frotándose las manos, preparados para presenciar la historia.
Sin embargo, al despertar esta mañana, la situación cambió drásticamente.
Un informe exclusivo de Bloomberg fue como un cubo de agua helada que apagó el entusiasmo de todos: el lanzamiento de Gemini 3.5 Pro se ha retrasado, y no unos días, ¡sino varios meses!
Lo que debería haber sido un lanzamiento histórico fue detenido por el propio Google.
¿Por qué?
48 horas de euforia y freno de emergencia
Ayer mismo, las plataformas sociales estaban saturadas de spoilers sobre Gemini 3.5 Pro.
Nombre en clave: Cappuccino.
Contexto súper largo: 2 millones de tokens.
Pensamiento Profundo: el nuevo modo "Deep Think" lo eleva a alturas sin precedentes en matemáticas, programación y razonamiento lógico.
Evolución integral: capacidades de escritura de código, flujos de trabajo de agentes inteligentes, diseño de UI frontend y generación de gráficos SVG mejoradas significativamente.
Internos predecían que sería el "arma definitiva" de Google para contraatacar por completo a OpenAI y Anthropic.
Reacción extrema. Todos esperaban la fecha legendaria del 17 de julio.
Sin embargo, esta mañana, un artículo de un periodista de Bloomberg trajo una decepción instantánea.
Según fuentes internas, el desarrollo de Gemini 3.5 Pro lleva meses de retraso. El núcleo del problema es que el modelo no ha cumplido con los estrictos estándares internos en capacidades clave, especialmente en codificación con IA.
A finales del mes pasado, Google actualizó urgentemente los datos de entrenamiento en un último esfuerzo por mejorar la capacidad de codificación, pero el resultado fue "decepcionante".
Cuatro palabras que pusieron fin a las 48 horas de euforia.
Las acciones de Google cayeron tras la noticia, con una caída de hasta el 4.43%.
Mientras los nuevos modelos de OpenAI y Meta avanzan a toda velocidad en capacidades de código, el retraso de Gemini 3.5 Pro está causando una grave ansiedad interna en Google.
Ingenieros, investigadores de IA y ejecutivos se sienten profundamente frustrados. Cada vez más preocupados de que Google esté perdiendo la ya de por sí estrecha ventaja competitiva.
La "trampa de Tácito" de Google: ¿Por qué toda la empresa no puede construir la IA más potente?
¿Por qué falló el gran as que todos esperaban?
Este informe nos revela las múltiples dificultades internas de Google. Es un reflejo de un imperio gigantesco en un período de transformación de época.
La velocidad de la innovación "frenada" por la burocracia
El informe menciona un detalle clave: la compleja jerarquía interna de Google y la multitud de partes interesadas.
El lanzamiento de un modelo debe satisfacer las necesidades de enormes líneas de productos como Búsqueda, Maps, YouTube, etc.
Este modo de decisión "querer todo" conduce a la dispersión de recursos y a la lentitud en la toma de decisiones.
Un ex empleado hizo una analogía vívida: "Intentar que todos los líderes departamentales remen en la misma dirección es como intentar hervir todo el océano".
El resultado: cambios frecuentes en las directrices, departamentos que reinventan la rueda repetidamente, dificultad para formar una fuerza unificada.
Mientras OpenAI y Anthropic corren a velocidad de startup, el "titanic" de Google se estanca coordinándose internamente.
Un usuario comentó con acierto: "Google necesita recortar su burocracia hinchada para progresar en este campo".
Waterloo de la codificación con IA: el complejo de "sangre pura" de los ingenieros y la sed de potencia computacional
Y, ¿por qué falló precisamente la capacidad de codificación? Detrás de esto se esconde una contradicción más profunda en Google.
Por un lado, Google tiene una cultura de ingeniería de élite global, que también fomenta un complejo de "sangre pura".
Muchos ingenieros veteranos creen que "todo el código importante debe escribirse a mano". Esta desconfianza hacia el código generado por IA limita el uso de Gemini por parte de los ingenieros para el desarrollo, por temor a que el código propietario se filtre a los datos de entrenamiento.
Cuando Google finalmente se dio cuenta de la importancia de la codificación con IA y decidió obligar a usarla, surgió un nuevo problema: falta de potencia computacional.
El informe señala que cuando los ingenieros intentan usar herramientas de IA internas, encuentran frecuentemente limitaciones de capacidad computacional.
El detalle más irónico de todo el artículo es: ¡en una empresa que este año se espera tenga un gasto de capital de 180.000 a 190.000 millones de dólares, sus propios ingenieros no pueden acceder a GPUs!
Los datos de Wall Street muestran que el gasto de capital de Google en el primer trimestre de este año fue de 35.700 millones de dólares, más del doble que el año pasado. Con tanto dinero invertido en chips y centros de datos, ¿y el resultado?
Ante este caos, Google está tratando de enmendar el error.
El arquitecto jefe de IA está unificando las herramientas de programación con IA de los departamentos bajo la arquitectura subyacente Google Antigravity, y se ha formado un equipo especializado en programación con IA dentro de DeepMind, pero puede ser demasiado tarde.
Carrera interna, el círculo vicioso de la fuga de talento
Google no es ajeno a los problemas. Tiene el laboratorio de investigación de élite Google DeepMind, el departamento de nube Google Cloud, el equipo de Android, e incluso ha formado múltiples grupos internos para abordar la codificación con IA.
Pero este mecanismo de "carrera" también significa desgaste interno.
Diferentes equipos luchan por su cuenta, productos se superponen, la estrategia vacila. Peor aún, este caos y sentimiento de frustración conducen directamente a la fuga de talento de primer nivel.
El informe dice que muchos investigadores, decepcionados por el atraso de Google, han saltado a Anthropic y OpenAI.
Esto crea un ciclo terrible: la burocracia causa ineficiencia -> la ineficiencia causa atraso en los productos -> el atraso causa fuga de talento -> la fuga de talento agrava el atraso tecnológico.
El retraso de Gemini 3.5 Pro es la consecuencia inevitable de este ciclo.
Alerta en toda la industria, los gigantes caen colectivamente en la "trampa de la decepción de la próxima generación de modelos gigantes"
Al compartir el informe, Ethan Mollick de Wharton School planteó un punto escalofriante:
Esto no es solo una tragedia de Google, sino un "invierno tecnológico cíclico" que todo Silicon Valley está experimentando.
Mollick señaló agudamente que los reveses actuales de Google replican perfectamente el dolor vivido previamente por Meta Llama 4 y xAI Grok 4.
Nombró este fenómeno "La trampa de la decepción de la próxima generación de modelos gigantes".
Los modelos de próxima generación, entrenados con enormes inversiones en dinero y potencia computacional, ofrecen mejoras de rendimiento muy por debajo de lo esperado, lo que provoca un claro deslizamiento en el liderazgo del mercado.
En el pasado, la industria creía en la Ley de Escalado. Sin embargo, cuando el tamaño del modelo alcanza cierto punto, la "estética violenta" de simplemente acumular potencia computacional y datos comienza a fallar.
Cuello de botella de datos: los datos de texto humano de alta calidad están casi "agotados", la efectividad de los datos sintéticos aún está por verificar.
Cuello de botella algorítmico: la arquitectura Transformer actual y sus variantes pueden estar acercándose a su límite de rendimiento.
Rendimientos decrecientes: para obtener pequeñas mejoras de rendimiento, se necesita un crecimiento exponencial en el coste de potencia computacional.
En este juego de gigantes, solo OpenAI, con Orion/GPT-4.5, ha escapado temporalmente de esta trampa, sin un deslizamiento importante.
Puede confirmarse que, a medida que el tamaño del modelo se acerca a los límites físicos y de ingeniería, la dificultad de iteración de los modelos de vanguardia está aumentando drásticamente.
Este retraso de Gemini 3.5 Pro hace que todos se den cuenta:
Estamos en una meseta. El avance frenético del pasado, ese de "un día de IA, un año humano", va a hacer una pausa.
Para toda la industria, esto podría ser algo bueno. Cuando el ruido se desvanece, la gente realmente piensa en el valor de la IA.
En cuanto a Google, el tiempo y la paciencia que le quedan al mercado pueden no ser muchos.
Referencias:
https://x.com/Mr_Salio/status/207736089707741624811
https://x.com/emollick/status/2077849021150888408
https://www.bloomberg.com/news/articles/2026-07-16/google-gemini-launch-delayed-as-tech-falls-short-of-internal-goals
Este artículo es del WeChat Official Account "新智元" (Nueva Era de la Inteligencia), autor: ASI启示录
