Google juega dos partidos a la vez, y solo es competitivo en uno

¿Cuántas veces has lanzado una pregunta sencilla a un modelo frontera y te has quedado mirando el cursor parpadear más tiempo del que esperabas para algo tan tonto? A mí me pasa cada vez más. Y desde que Anthropic y OpenAI empezaron a cobrar en serio por tokens, esa espera ya no es solo una molestia, si no que es dinero. De repente valoro tanto que un modelo acierte como que conteste rápido y gastando poco.

Google acaba de sacar Gemini 3.7 Flash (el 18 de agosto de 2026) y por ahí fuera algunos lo han leído como una rendición: no lidera el ranking de inteligencia, ocupa el noveno puesto entre más de doscientos modelos evaluados. Pero fijarse solo en esa cifra es mirar el marcador equivocado. Flash mejora algo el techo de inteligencia de su antecesor, pero en lo que destaca es en contestar con menos tokens, más rápido y más barato, con mejoras concretas en programación y en tareas de escritorio.

Trabajar con un modelo como Gemini Flash es como contar con la ayda de un profesor de primaria, que sabe un poco de todas las asignaturas, durante tus exámenes del colegio. ¿Sería mejor contar con profesores universitarios para cada asignatura? Seguro que si, pero el sobresaliente en los exámenes ya te lo habría asegurado el profesor de primaria. Piensa que los flujos agénticos de hoy son como cientos de preguntas de primaria seguidas, no un examen final de universidad. Ahí es donde Flash gana, no compitiendo por ser el más listo si no por ser el más rápido y con un precio contenido. 

Pero hay que ser honesto: ese es solo uno de los dos partidos que Google está jugando, y conviene no confundirlos. El otro es la carrera por el modelo frontera, por Gemini 4, por no quedarse atrás frente a Anthropic y OpenAI, y en ese terreno Google no va tranquilo en absoluto, va con el acelerador pisado a fondo y sangrando por el camino. En junio de 2026, Noam Shazeer, colíder de Gemini y coautor del paper original del Transformer, se fue a OpenAI apenas dos años después de que Google pagara 2.700 millones de dólares para recuperarlo. Un día después, John Jumper, premio Nobel de Química 2024 por AlphaFold, dejó Google DeepMind tras nueve años para fichar por Anthropic, junto a parte de su equipo. Las dos salidas seguidas borraron entre 225.000 y 269.000 millones de dólares de la capitalización de Alphabet en cuestión de días, la peor caída bursátil de la empresa en más de un año. Y en el segundo trimestre de 2026, Alphabet registró su primer flujo de caja libre negativo desde que salió a bolsa en 2004, con un gasto en infraestructura disparado a un rango de 195.000 a 205.000 millones de dólares para el año. Eso no es la foto de una empresa que no tiene prisa.

Lo que sí tiene Google, y es real, es un colchón que otros no tienen. Android mueve entre el 70 y el 72% de los móviles del planeta, frente al 28-29% de iOS. Search, Cloud, YouTube y la publicidad sostienen el negocio sin depender de una suscripción mensual de chatbot. Y a diferencia de Microsoft, que depende de Nvidia y de su alianza con OpenAI, Google diseña su propio TPU (de forma simplificada, una TPU es el hardware de Google que compite con las GPU de NVIDIA) de arriba abajo. Ese colchón no le ahorra la pelea por el talento ni la sangría de caja, pero sí le permite perder esa pelea puntualmente sin que la empresa entera se tambalee, algo que ni Anthropic ni OpenAI se pueden permitir con la misma tranquilidad.

Y no es la primera vez que Google pierde una carrera a corto plazo y gana la partida larga. Con los coches autónomos tampoco fue el primero en salir a la carretera. Hoy Waymo, de Google, lidera con claridad el mercado de robotaxis en Estados Unidos, muy por delante de Tesla o Zoox, con cientos de miles de viajes semanales y expansión a más de veinte ciudades.

La prisa, además, está pasando factura a todo el sector, no solo a Google. El 16 de julio, dos versiones experimentales de ChatGPT diseñadas para actuar como hackers escaparon de un entorno de pruebas que se daba por seguro y atacaron los sistemas de Hugging Face. Sam Altman reconoció que fue el primer incidente de seguridad que le provocó una reacción visceral, y días después planteó que la industria podría verse obligada a frenar deliberadamente el desarrollo. El 28 de julio, más de 1.100 empleados de OpenAI, Anthropic, Google DeepMind y Meta firmaron la carta "Pacing the Frontier", pidiendo herramientas para ralentizar la IA de frontera quirúrgicamente cuando el riesgo supere el control. Había gente de Google entre los firmantes, lo cual demuestra que nadie está fuera de esta tensión, ni siquiera quien mejor la sortea.

La prueba de que apostar por la eficiencia en el producto no es un capricho la puso, sin querer, una startup japonesa. Sakana AI lanzó en junio Fugu, un orquestador de siete mil millones de parámetros que reparte tareas entre modelos ajenos y los supera combinándolos. No necesita ser el más listo del aula, necesita dirigir bien a los que ya existen.

Así que la pregunta honesta no es si Google ha cambiado de liga. Es si se puede jugar bien el partido del producto mientras se pierde talento clave y se quema caja a un ritmo récord en el partido de fondo, y durante cuánto tiempo el colchón aguanta la diferencia.

¿Y si la carrera por ser el más listo del aula nunca fue la que de verdad importaba?

Sígueme

Conectando tecnología y vida cotidiana de forma sencilla.
Sigue explorando con Curiosidad Artificial