Google Takes No Prisoners Amid Torrent of AI Announcements

Creo que ayer le preguntaron a Google cuántos avances en IA revelarían en el escenario. Y respondieron que sí, porque dos años y medio después de que el CEO de Microsoft dijera que quería hacer bailar a Google, el CEO de Google, Sundachai y el laureado con el Nobel de Mrs. Arbys, realizaron una rutina de breakdance de dos horas. Sinceramente, hubo suficientes anuncios como para hacer de 10 a 12 videos distintos. Pero por ahora, solo les daré una idea de la amplitud de lo que lanzaron o dijeron que lanzarían pronto. Voy a mentir fue un poco tentador hacer que el vídeo fuera un montaje en VO. Pero no, fue mucho más que eso. Basta decir que todos los demás rivales de la IA del planeta se tragaron un buen bocado. Así que de lo útil a lo entretenido, de lo impresionante a lo mediocre, aquí está la esencia de los 12 movimientos de baile que más me interesaron. Ahora, obviamente, tengo que empezar con V, porque añadir sonido al vídeo era un paso muy obvio. Pero el efecto es notable. Generar videos con diálogos integrados cambia mucho las cosas, ¿No? La versión 2 ya era increíble, pero en mil indicaciones, VO superó a la versión 2 y a la recién lanzada Clean 2.0 y por supuesto, a OpenA. Es hora. Más del 80% de las veces, la gente prefirió el resultado de la versión 3. Pero antes de llegar a los obligatorios 45 segundos de muestras, unas palabras sobre el precio y la disponibilidad. Actualmente, solo el plan de 250 dólares Google AI Ultra tendrá acceso a la versión 3. Ah, y eso es solo si estás en EE. UU, y créeme, he intentado obtener acceso, pero hasta ahora, sin éxito. Esto no es como SORA, donde una VPN rápida bastará. Dicho esto, en estos clips, observa tanto el diálogo generado por la versión 3 como los efectos de sonido. La suma de los cuadrados de los dos lados más cortos es igual al cuadrado del lado más largo. Nuestro modelo de vídeo. Sí, es el mejor. Directo, sin límite. Ya sabes cómo lo hacemos. La versión 3 es genial. Sí, todo el equipo. Pero si pensabas que la IO de ayer era solo la versión 3, más un poco de otras cosas, puede que te lleves una sorpresa. Porque no sé si te diste cuenta, pero la actualización flash de gemini 2.5 fue una sorpresa de precio similar a la bomba del deepseak R. Piensa en un rendimiento a la par del deepseak R a una cuarta parte del precio. Y este es un rendimiento comparable al de modelos mucho más caros, ya sea que hablemos de cultura general, preguntas científicas difíciles, matemáticas o codificación. Y no estoy seguro de si te diste cuenta, pero Gemini 2.5 Flash también tiene generación de audio nativa, por lo que puedes controlar lo que dice uno o varios hablantes, su acento, e incluso instrucciones como risitas, suspiros o gemidos.

Un bocado crujiente, dulce y jugoso. Delicia roja, verde o amarilla. El regalo perfecto para el otoño.

Por cierto, es para 24 idiomas, y el modelo puede cambiar entre idiomas en la misma salida. Lo siguiente aún no ha llegado, así que tómalo con cautela, pero The Messy Service describió un asistente universal de IA, y esto podría recordarte algo, pero hicieron una demostración de un agente que podía hacer llamadas en tu nombre. Ya lo habíamos visto antes, pero esto parece real. Y también hacer compras por ti. Un poco como el operador de OpenAI, pero todo en un solo paquete. Ahora bien, sí, esto puede parecer teórico, pero Gemini Live está disponible desde ayer en todo Android. Abre la aplicación Gemini, toca el botón inferior derecho y podrás compartir lo que ve tu cámara en tu teléfono y tener una conversación en directo con Gemini. Lo siguiente que me llamó la atención no es una nueva función ni un nuevo modelo, sino dos declaraciones del CE o de Google que me parecieron bastante interesantes. Primero, como puedes ver, no es solo que 400 millones de personas utilicen Gemini cada mes. Lo están usando más. Por lo tanto, en comparación con el año pasado por estas fechas, los modelos de IA de Gemini generan 50 veces más tokens o, digamos, palabras. Creo que ya lo vieron antes que nadie, pero la IA no es una moda pasajera. No va a desaparecer. La siguiente frase, ajena a modelos o características, fue una puya a OpenAI por sus recientes problemas con modelos enfermizos y complacientes. Puede que no hayan notado esta referencia, pero creo que Google estaba haciendo una declaración bastante clara. Otro camión de basura descapotable enfermizo. ¿Algo más? ¿Por qué la gente sigue entregando paquetes en mi jardín? No es un paquete. Es una caja de herramientas.

¿Por qué esta persona me sigue a dondequiera que voy? Nadie te sigue. Es solo tu sombra.

Gemini es bastante bueno avisándote cuando te equivocas El siguiente anuncio, que casi con seguridad será un video cuando se lance, fue, Por supuesto, Gemini 2.5 Pro Divs. Oficialmente solo está disponible en ese nivel de 250 dólares, pero creo que podré tener acceso en los próximos días. Por supuesto, eso es para ejecutarlo en SimpleBench, pero ya tenemos algunas puntuaciones en las que este modo de Pensamiento Profundo supera no solo a Gemini 2.5 Probeniler, sino también a y mini de OpenAI. Sí, en codificación, pero también en matemáticas de forma bastante espectacular y multimodal. Este es el MMU que consiste en analizar diagramas, gráficos y otros elementos visuales. Básicamente, lo que afirma Google aquí es que con el Pensamiento Profundo tendrás acceso al modelo más inteligente del planeta. Ahora, por supuesto, tendremos que probarlo y digamos que mañana podría haber otros contendientes. Pista, pista. Pero Google nos dio un ligero guiño sobre por qué funciona tan bien. Escuché varias entrevistas relacionadas y, por supuesto, las tres horas completas de material de video del IO y no paraban de insinuar muestras paralelas. Y pensé, ah, eso me suena familiar. Cubrí el explosivo artículo de Google que hablaba sobre el muestreo y la ampliación de la búsqueda en el tiempo de inferencia. Esto fue en un video reciente de Patreon, pero para aquellos que no van a ver ese video, básicamente decía que ampliar las muestras que analizas con un enfoque modular puede superar a ampliar la longitud de la cadena de pensamiento. El autor clave lo llamó otro acceso en el que los laboratorios de IA pueden ampliar su gasto en computación en algo que creo que han sobrevalorado enormemente en el pasado, que son las descripciones generales de IA que son increíblemente poco fiables. Por supuesto, se centraron en sus éxitos y en cómo aumentó hasta los 1.500 millones de usuarios de citas. Aunque me pregunto cuántos de esos 1.500 millones de usuarios recibieron resultados erróneos. Anunciaron que en el futuro, creo que a partir de ahora funcionará con un modelo 2.5 personalizado, probablemente algo parecido a la linterna Gemini 2.5, pero en cualquier caso, es de esperar que la precisión mejore de forma bastante significativa. Normalmente no presentaría algo así, pero para algo que van a utilizar miles de millones de personas, creo que es significativo. Ya que hablamos de búsquedas, tengo que mencionar el modo IA, que para mí es el intento de Google de acabar con la perplejidad. Sí puedes entablar una conversación de ida y vuelta, al parecer para el verano, podrá reservar cosas para ti, como un agente, realizar investigaciones exhaustivas y realizar análisis de datos. Puede que ninguna de estas funciones sea nueva para ninguno de vosotros, pero sí demuestra que Google se está preparando rápidamente para los días en que la clásica barra de búsqueda sea sustituida por el modo IA. Hablando de Google, Deep Research también ha experimentado una gran mejora. El modelo que lo respalda se ha actualizado, y si tienes el nivel Pro, obtienes la versión 2.5 Pro completa para potenciarlo como la investigación de OpenAI. Ahora puedes usar tus archivos. Pero creo que hay algo mucho mejor en la nueva Deep Research, porque, seré totalmente sincero, la investigación exhaustiva original me pareció muy prolija. Siempre generaba informes de 20 páginas, incluso si pedía algo bastante sencillo. De hecho, ese era el caso cuando preguntaba. Pregunté hace un momento, descubre 50 datos increíbles sobre Alpha Evolve en mi video anterior. Pero ahora la investigación profunda de Google está integrada con su función Canvas. Por lo tanto, puedes convertir al instante ese informe de investigación profunda en un sitio web interactivo, por ejemplo, o tal vez solo en un gráfico, una tabla o un podcast utilizando Notebook LM. Por lo tanto, aunque es bueno ser exhaustivo ahora, creo que la mayoría de los usuarios tendrán algo que puedan usar a diario. Hablando de codificación, mencionaré rápidamente Jules de Google, que es el rival de Code Ex de OpenAI, anunciado solo unas horas antes. Pero con Jules, cualquiera puede registrarse y es gratis hasta 5 tareas por día con tecnología 2.5 Pro. Obviamente, tendré que probarlo en paralelo, pero Jules puede importar tu repositorio de GitHub, clonarlo virtualmente en la nube y verificar que los diferentes cambios realmente funcionan, por ejemplo. Y si eres nuevo en todo esto, Google ha creado un rival repleto. Esto se presentó en la sesión para desarrolladores. Pero en esencia, no solo puedes desarrollar una aplicación, sino también implementarla en Google Cloud Run. Sí, son aplicaciones bastante básicas que puedes crear por ahora, pero otras personas pueden ver lo que has creado, probarlo y disfrutarlo. Pero volvamos a algunas imágenes atractivas con Imagine 4, su último modelo de texto a imagen. En sus materiales promocionales, Google se centró en los detalles más sutiles que Imagine 4 puede hacer, así como en la fidelidad del texto. Si ves esta imagen de ovejas en un campo con hilo tejido. Probé exactamente el mismo mensaje en la imagen GPT-1 y obtuve esto. Pero en lugar de confiar solo en un tamaño de muestra de uno, en realidad nos mostraron algunos puntos de referencia. Ahora bien, es un gráfico complicado, pero Google básicamente está admitiendo que la imagen GPT-1 sigue superando a Imagine 4 en la configuración ultra, pero tarda mucho más en generar sus imágenes. Por lo tanto, en lo que respecta a la conversión de texto a imagen, probablemente sea justo decir que Google ha alcanzado a OpenAI y a ese modelo de generación de imágenes que ves en chat GBT, pero no ha superado a OpenAI. Pero diré que si lo que buscas es velocidad, no busques más allá de Gemini Diffusion, el modelo que nadie vio venir. Todavía no ha salido. Estoy en lista de espera. Pero es una forma totalmente diferente de hacer modelado lingüístico. Resumiré cómo funciona en un segundo, pero primero, ¿Qué tan rápido funciona? Bueno, puedes ver el mensaje y ahí está la respuesta. Google dice que el modelo de difusión Gemini es cinco veces más rápido que su modelo actual. ¿Más rápido? Quiero decir, ¿Puedes detenerte y pensar en las implicaciones de eso? Imagina en un futuro próximo una aplicación instantánea desarrollada solo con un mensaje de voz. ¿Cómo puede ser tan rápida? A diferencia de los autoregresivos o los modelos token a token, los de difusión funcionan de otra manera. Aquí tienes una analogía rápida que se me ocurrió. Dime si te gusta. Casi todos los modelos lingüísticos con los que estás familiarizado funcionan prediciendo la probabilidad de un conjunto de posibles palabras siguientes en la secuencia. Los modelos de fusión pueden funcionar en todo el resultado a la vez. Es un poco como la diferencia entre una persona que coloca rápidamente bloques de LEGO para construir una estatua entera. Esos son los modelos autoregresivos. Con los modelos de fusión, es un poco como tener un cubo gigante de ladrillos de Lego e intentar hacer esa estatua. Ya tienes el cubo y 100 personas con ideas afines vienen y toman o añaden un bloque de ese cubo durante unos turnos hasta que se revela la estatua. Pasas de un bloque de ruido a una estatua esculpida en mucho menos tiempo. ¿Pero tienes que sacrificar el rendimiento? Bueno, los primeros puntos de referencia dicen que probablemente no. Depende del dominio, por supuesto, y todos tendremos que hacer muchas pruebas, pero las señales son buenas. Como mencioné al comienzo, de este video, solo este anuncio, la difusión de Gemini podría haber sido un video completo, y espero que algún día lo sea, en un tono mucho más ligero. Por supuesto, no puedo evitar mencionar la nueva función de Google para probar. Estoy seguro de que todos ustedes, chicos y chicas, la usarán casi de inmediato. Pero lo interesante para mí fue que Google creó su propio modelo generador de imágenes a medida para que pudieras introducir una foto tuya y probarte diferentes prendas de moda antes de comprarlas. Vale, puede que no sea tan impresionante como los otros anuncios, pero diseñar un modelo a medida para eso es un poco arriesgado. Algo que pensé que destacaría rápidamente es que Google anunció un detector de ID de sintetizador. Ya es bastante antiguo que Google añade una marca de agua de ID de sintetizador a su texto, imágenes y videos. Pero creo que vale la pena destacar el detector de ID de sintetizador porque invitan a periodistas, académicos y otros investigadores a poder introducir una determinada imagen o texto y y obtener la respuesta sobre si Google cree que fue hecho por Gemini o de hecho, Imagine o V. Así que ten en cuenta que todo lo que crees con Google no solo tiene marca de agua, sino que ahora hay terceros que podrán detectar esa marca de agua. Antes de llegar a la que posiblemente sea la novedad más genial, permíteme presentarte la bolsa de trabajo 8000 hours. 8000 hours son los patrocinadores del video de hoy y nos presentan una respuesta a esta pregunta. Sí, hay muchísimas oportunidades en IA y más allá, pero cada vez es más difícil encontrar trabajos reales seleccionados por su impacto positivo como en la seguridad de la IA. La bolsa de trabajo de 80.000 hours tiene literalmente páginas y páginas de trabajos estupendos, trabajos realmente remunerados. El enlace está en la descripción. Puede que lo recuerdes de los espacios anteriores, pero también tienen un podcast épico y una guía profesional. Pero voy a terminar con gemaverse, el universo creado por los usuarios de modelos de peso abierto. Y ni siquiera voy a centrarme en Gemma N, que es un modelo que puede adaptarse a tu teléfono o incluso a Matchma con un rendimiento de vanguardia para responder a preguntas médicas. Simplemente pensé que ese Gemma era genial. SG Mema es una nueva familia de modelos entrenados para traducir el lenguaje de signos a texto hablado. Pero es mejor el lenguaje de signos americano en inglés. Y luego presentó su trabajo en Dolphin Gemel, del que hablé en un video anterior. Pero debo decir que para aquellos cínicos que pensaron que todos los demás anuncios eran tonterías, tienen que admitir que esto es bastante épico. Un modelo de lenguaje para el lenguaje de señas qué les pareció exagerado o el día más importante de la IA hasta ahora. Probablemente no debería, pero no puedo resistirme. Y voy a terminar con algunos clips más de VO. Así que opinen lo que opinen de las noticias, que tengan un día maravilloso. ¿Podemos hablar?

Se acabó el silencio. Sí, podemos Hablar. Podemos hablar, punto. Podemos hablAR, punto. ¿Podemos hablar con acento?

Oh, creo que eso sería maravilloso.

Sí, es muy divertido, pero.

Sí, es muy bueno.

Muy divertido.

¿Puedo hablar?

Sí, podemos hablar. Sí, podemos hablar. Podemos hablar.

Podemos hablar. Sí, podemos hablar, punto.

No.

Sí, podemos hablar. Como dibujos animados.

Esto es increíble.

Imaginen todas las posibilidades narrativas. Podemos cantar y hablar. Hablemos entonces. ¿De qué vamos a hablar ahora? ¿De qué vamos a hablar ahora que podemos hablar?

No tengo ni idea de qué quieres hablar.

Ahora que puedo hablar.

No. No sé si tengo algo que decir.

Podemos hablar de lo mágico que es esto.

Es que soy una alucinante. Quiero decir algo importante, algo profundo. El futuro sigue en nuestras manos.

Eso es un diálogo trillado.

No hablemos.

Bienvenidos a una exposición de coches inexistente. Veamos algunas opiniones. Quiero decir, tío, la aceleración es una locura. Miras lejos, pisas el pedal y ya estás ahí.

Me siento seguro con él en un todoterreno y parece que es el tipo de coche adecuado para él.

Creo que la autonomía solo va a mejorar. Lo siento. Ya no queremos conducir coches de gasolina.

Sí, se acabaron los coches de gasolina.

Puedes ver que soy un poco inadaptado aquí, pero no le digas a nadie que acabo de comprar un coche eléctrico. Creo que es genial para las familias y los bebés, con todas las características de seguridad que tienen estos SUV. Pero lo que realmente estamos viendo es que la tecnología va a ser muy, muy importante en términos de cómo avanzaremos.

Fue genial venir a la conferencia porque a mi marido le encantan los coches.

Creo que ahora tengo que comprarme un vehículo eléctrico. Me encantan los muscle cars, pero intento mantenerme lo más sana posible para poder ir a la próxima exposición. De coches.