Google lanza un modelo de IA que recorta distancias en programación
Google prepara el lanzamiento de Gemini 3.8 Flash, un modelo con grandes mejoras en código que, según pruebas internas, ya compite con los mejores de OpenAI y Anthropic.
La división de inteligencia artificial de Google, Google DeepMind, está a punto de publicar un nuevo modelo con capacidades de programación muy superiores a las de sus predecesores, según empleados consultados por The Wall Street Journal. El modelo, llamado Gemini 3.8 Flash y apodado internamente 'Skimaki', podría estar disponible a partir del miércoles. Con este lanzamiento, Google intenta tapar uno de sus puntos débiles más señalados: el rendimiento en generación de código, donde competidores como OpenAI y Anthropic le habían tomado ventaja en los últimos años.
La noticia es relevante porque la programación se ha convertido en uno de los campos de batalla más importantes de la inteligencia artificial aplicada. No es solo una cuestión de prestigio: los desarrolladores son usuarios muy exigentes y las herramientas de IA que les ahorran horas de trabajo consiguen engancharlos y generar ingresos recurrentes. Hasta ahora, los modelos de Anthropic, con su línea Claude, y los de OpenAI habían liderado este terreno, y Google llevaba fama de ir por detrás. Las pruebas internas descritas por el diario sugieren que esa brecha se está cerrando.
El dato más llamativo no viene de un ranking externo, sino de la herramienta interna de codificación de Google, llamada Jetski. Según las fuentes, cuando los ingenieros de la compañía comparan directamente a Gemini 3.8 Flash con el modelo Opus de Anthropic, prefieren el modelo de Google. Es una señal fuerte, aunque interna: significa que quienes más saben de código dentro de la empresa están eligiendo la alternativa propia frente a la que hasta ahora se consideraba la referencia del sector.
El lanzamiento, si se confirma, tendrá implicaciones directas en la competencia por la IA aplicada al desarrollo de software. Google no solo igualaría a sus rivales en un terreno clave, sino que podría hacerlo con una versión 'Flash', es decir, pensada para ser rápida y eficiente, no solo potente. Esto apunta a una estrategia de competir también en coste y latencia, algo que los desarrolladores valoran tanto como la calidad de las respuestas. Por ahora no hay cifras públicas de rendimiento, pero la expectativa es que las primeras pruebas externas lleguen pronto y pongan a este modelo frente a sus competidores.
Queda la pregunta de hasta qué punto esta ventaja interna se traducirá en adopción externa. Las pruebas realizadas por los propios empleados de Google pueden tener un sesgo a favor del producto de la casa. El verdadero examen será cuando desarrolladores ajenos a la compañía prueben Gemini 3.8 Flash en proyectos reales y lo comparen con Claude Opus o con los modelos de OpenAI. Mientras tanto, la simple existencia de estas pruebas internas ya envía un mensaje claro: Google no está dispuesta a ceder el terreno de la programación sin pelear.
El análisis de Salseo
- El detalle que da credibilidad a la noticia es que los ingenieros de Google prefieren el modelo propio al de Anthropic en Jetski, su herramienta interna de trabajo real. No es un benchmark de laboratorio: es la elección de los profesionales que usan estas herramientas a diario, aunque el sesgo a favor de lo propio siempre existe.
- La programación es el nicho de la IA donde más dinero están dispuestos a pagar las empresas por productividad. Si Google recorta distancias aquí, ataca directamente la base de clientes de pago de OpenAI y Anthropic, y no solo en calidad, sino en lo que más importa en producción: rapidez y coste por petición.
- Que el modelo sea una versión 'Flash' indica que Google quiere competir en eficiencia y latencia, no solo presumir de capacidad teórica. Lo interesante será ver los precios de su API y las comparativas de velocidad frente a Opus, porque ahí puede encontrar un hueco comercial, no solo técnico.
- La lectura contraria: las pruebas internas no son neutrales y no sabemos qué porcentaje de ingenieros prefirió el modelo de Google ni en qué tareas. Habrá que esperar a los benchmarks públicos y a la opinión de desarrolladores externos para saber si la ventaja es real y sostenible o solo un espejismo de laboratorio.