Google ha lanzado tres nuevos modelos de inteligencia artificial —Gemini 3.6 Flash, Gemini 3.5 Flash-Lite y Gemini 3.5 Flash Cyber—, pero el modelo que el mercado esperaba, el Gemini 3.5 Pro, sigue sin fecha de lanzamiento. La compañía lo atribuye a que no ha superado las pruebas internas, especialmente en generación de código, según confirmó a la publicación china 36Kr. La estrategia es clara: saturar el mercado con variantes de nicho para disimular que el producto estrella no está listo. Pero el dato más revelador no está en los modelos, sino en el silicio: la filtración del chip interno “Frozen v2”, que promete multiplicar la eficiencia de los TPU actuales, sugiere que Google no está simplemente retrasando un lanzamiento, sino rediseñando toda su arquitectura desde la base. La pregunta para quien invierte, compite o regula este sector es si estamos ante un tropiezo táctico o el síntoma de una crisis estructural en el laboratorio de Mountain View.

Una avalancha de modelos que no oculta el vacío central

TechCrunch titulaba con claridad: “Google releases three new Gemini models — but no 3.5 Pro”. La ausencia del modelo más potente, que según la hoja de ruta interna debía haber llegado antes, se ha convertido en el elefante en la sala de todas las conversaciones sobre inteligencia artificial. Los tres modelos lanzados —Gemini 3.6 Flash, orientado a respuestas rápidas y bajo coste computacional; Gemini 3.5 Flash-Lite, una versión aún más ligera para dispositivos con recursos limitados; y Gemini 3.5 Flash Cyber, especializado en ciberseguridad— son variantes de un ecosistema que se ramifica sin que el tronco principal haya crecido.

Google declaró a 36Kr que Gemini 3.5 Pro se está probando con socios y se lanzará “próximamente”, sin aportar una fecha concreta. La información, recogida también por la publicación china Interface (界面), señala que el modelo no alcanzó los objetivos marcados en pruebas internas, especialmente en generación de código. Este detalle no es menor: la capacidad de generar código funcional y complejo se ha convertido en el campo de batalla donde se mide la verdadera potencia de los modelos de frontera. Mientras tanto, OpenAI ya ha lanzado GPT-5.6 Sol, y el laboratorio chino Moonshot AI ha presentado Kimi K3, ambos con rendimientos destacados en benchmarks de programación.

El problema no es de calendario: es de arquitectura

Que un modelo se retrase no es, en sí mismo, una noticia extraordinaria. Lo preocupante para Google es que el retraso de Gemini 3.5 Pro no es un incidente aislado, sino el tercer aplazamiento significativo en menos de un año. Anteriormente, la compañía ya había pospuesto el lanzamiento de Gemini 3.0 Pro por problemas similares. Y después, la versión intermedia Gemini 3.2 Pro también sufrió demoras.

El patrón sugiere que el problema no es de calendario, sino de arquitectura. Mientras que los modelos Flash —versiones destiladas y optimizadas para tareas específicas— pueden iterarse con relativa rapidez, el modelo Pro requiere una coherencia interna que parece estar escapando a los equipos de Google. La generación de código, en particular, exige una comprensión profunda de estructuras lógicas, sintaxis y contexto que los modelos actuales de Google no logran estabilizar. Según ingenieros citados por 36Kr, los equipos de Google han tenido que reescribir partes significativas del pipeline de entrenamiento de Gemini 3.5 Pro, lo que ha retrasado todo el cronograma.

En este contexto, la decisión de lanzar tres modelos de nicho tiene una lectura estratégica: Google necesita demostrar que su ecosistema sigue vivo, que hay novedades, que el laboratorio no se ha detenido. Pero para los analistas que siguen de cerca el sector, la señal es la opuesta: cuantos más modelos menores se lanzan, más evidente resulta la ausencia del grande.

Frozen v2: la apuesta silenciosa que lo cambia todo

Si el lanzamiento de modelos menores es la cortina de humo, la filtración del chip “Frozen v2” es la verdadera noticia. Según informó 36Kr, Google está desarrollando un chip interno que incrusta permanentemente parte de la arquitectura Gemini en el silicio, reduciendo la computación y la transferencia de datos necesarias durante la inferencia. Los ingenieros de Google estiman que este diseño ofrece una capacidad de procesamiento de tokens por unidad de potencia varias veces superior en comparación con los TPU actuales.

El impacto en los mercados fue inmediato: las acciones de Google (GOOGL y GOOG) subieron tras conocerse la filtración. Los inversores interpretaron que Google no está simplemente parcheando su modelo, sino rediseñando toda la pila tecnológica, desde el silicio hasta la capa de aplicación. Si Frozen v2 cumple lo que promete, Google podría reducir drásticamente el coste de inferencia de sus modelos más grandes, lo que le daría una ventaja competitiva en precio y escalabilidad que ni OpenAI ni los laboratorios chinos pueden igualar a corto plazo.

Sin embargo, esta apuesta tiene un riesgo evidente: el desarrollo de chips personalizados es lento, caro y no siempre exitoso. Google ya ha tenido problemas con generaciones anteriores de TPU, y Frozen v2 parece ser un rediseño radical, no una evolución incremental. Mientras el chip no esté listo —y no hay fecha de producción en masa—, Google compite con una mano atada a la espalda.

El pulso de la frontera: quién marca el ritmo

La situación de Google no puede entenderse sin el contexto global. OpenAI lanzó GPT-5.6 Sol, con un rendimiento en código que superó ampliamente a Gemini 3.0 Pro. En China, Moonshot AI presentó Kimi K3, con capacidades multimodales que han sorprendido incluso a los analistas más escépticos. Y Anthropic, aunque más discreta, ha ido mejorando su modelo Claude 4 de forma constante.

Google, que durante años fue el laboratorio de referencia en inteligencia artificial, ha pasado a la defensiva. Su estrategia de fragmentar el mercado con modelos especializados puede funcionar a corto plazo para retener clientes empresariales que necesitan soluciones concretas, pero no resuelve la pregunta fundamental: ¿puede Google producir un modelo de frontera que compita cara a cara con GPT-5.6 Sol o Kimi K3?

La respuesta, hoy, es incierta. Y el silencio sobre Gemini 3.5 Pro, que debía ser esa respuesta, solo alimenta las dudas.

Una reflexión de futuro: el riesgo de jugar a la defensiva

Google no es una empresa pequeña ni está en peligro inmediato. Sus ingresos por publicidad, su nube y su ecosistema Android le dan un colchón financiero que ningún otro laboratorio de inteligencia artificial tiene. Pero en la carrera por la frontera de la inteligencia artificial, el dinero no lo es todo. La capacidad de atraer talento, de mantener la moral de los equipos de investigación y de ejecutar con rapidez es lo que separa a los líderes de los seguidores.

La estrategia actual de Google —llenar el escaparate con modelos menores mientras rediseña su silicio— puede ser brillante si Frozen v2 llega a tiempo y Gemini 3.5 Pro finalmente funciona. Pero también puede ser una apuesta suicida si el chip se retrasa o no cumple las expectativas, y el modelo estrella sigue sin llegar mientras OpenAI y los laboratorios chinos avanzan.

Para nuestra audiencia global, la lección es clara: en la geopolítica de la inteligencia artificial, los retrasos no son accidentes, sino señales. Google está perdiendo el pulso de la frontera, y su respuesta no es correr más rápido, sino cambiar de caballo. Veremos si el nuevo caballo —Frozen v2— galopa antes de que la carrera termine sin él.