Google Gemini 4: la agentic AI que realmente actúa

Google Gemini 4: El agentic AI que realmente actúa

Es el 2 de mayo de 2026. Google I/O comienza en diecisiete días. Y todas las personas que conozco que se ganan la vida construyendo con AI se encuentran en el mismo estado mental extraño: medio escépticos, medio preparados para el impacto.

Porque si los rumores son ciertos, Google está a punto de hacer lo que nadie más ha hecho todavía. No es un "chatbot más inteligente". No "ventana de contexto más larga". Algo extraño. Un modelo que no espera a su siguiente mensaje porque ya lleva tres pasos en la tarea que acaba de describir.

He pasado los últimos once días investigando cada filtración, cada rumor de vista previa de los desarrolladores, cada línea de predicción de Polymarket y, lo que es más importante, cada punto de referencia que puedo verificar en Gemini 3.1 Pro, el modelo que está a punto de convertirse en la generación anterior. Lo que estoy a punto de explicarles es lo que creo que es realmente Gemini 4, qué cambia, cómo se compara con GPT-5.5 y Claude Opus 4.7 en este momento, y la única cosa sobre agentic AI sobre la que nadie en Twitter de tecnología está siendo honesto.

Esto no es una exageración. Me he equivocado con los modelos Google antes: llamé a Gemini 1.0 un "cosplay ChatGPT" a finales de 2023, y todavía lo estoy superando. Pero lo que viene en May 19 no es otra iteración de Gemini. Es un cambio de categoría, y las personas que comprendan el cambio desde el principio van a pasar los próximos dieciocho meses dando vueltas alrededor de las personas que no lo entienden.

Qué significa realmente agentic AI (deje de llamar a todo agente)

Déjame desahogarme antes de continuar. La palabra "agente" se ha convertido en papilla durante los últimos doce meses. Cada contenedor de un LLM con una única llamada de uso de herramienta es ahora una "plataforma agentic AI". La mitad de las veces, cuando alguien dice "agente", se refiere a "ChatGPT con una conexión Zapier".

Eso no es lo que está pasando con Gemini 4. Y eso no es lo que Demis Hassabis quiere decir cuando usa la palabra.

agentic AI (la versión real) tiene tres propiedades que los chatbots actuales no tienen:

1. Persistencia de objetivos en todos los turnos. Un chatbot responde a lo que preguntaste. Un agente recuerda lo que estás tratando de lograr y sigue optimizándolo incluso cuando te quedas en silencio durante dos horas y regresas con una pregunta relacionada tangencialmente.

2. Selección y encadenamiento de herramientas de forma autónoma. Le dices a un chatbot que "busque en la web". Le dices a un agente "búsqueme el vuelo directo más barato a Tokio el próximo mes con un asiento junto a la ventana en menos de nueve horas", y elige vuelos Google, analiza resultados, filtra según sus preferencias guardadas, hace referencias cruzadas con su calendario y solo regresa cuando tiene tres opciones o un obstáculo real.

3. Consecuencia del mundo real. Ésta es la que nadie quiere decir en voz alta. Un agente no se limita a sugerir. Se ejecuta. Se reserva. Se carga. Envía. El botón "enviar correo electrónico" ya no está en tu mano, está en la mano del modelo y tu mano está en el botón "aprobar".

Esta tercera propiedad es la que lo cambia todo. Y es por eso que el Protocolo de Comercio Universal que Google anunció el 11 de enero de 2026 es más importante de lo que la mayoría de la gente pensaba en ese momento. UCP no es solo un estándar de compras: son los rieles para que los modelos AI realmente realicen transacciones en su nombre, con Adyen, Stripe, Visa, Mastercard, Shopify, Target, Walmart y Home Depot ya a bordo. Cuando Gemini 4 se entrega con soporte completo para UCP (y todas las señales creíbles dicen que así será), su asistente AI deja de ser un motor de búsqueda y se convierte en un comprador.

Ese es el cambio. Mantenga ese pensamiento, porque es importante cuando lleguemos a la sección de comparación.

La evolución que nadie había trazado hasta ahora

La mayoría de la gente piensa en Gemini como una línea de productos única que ha ido mejorando progresivamente. Eso no es lo que pasó. Cada generación fue una apuesta estratégica y una vez que ves el patrón, la trayectoria hacia Gemini 4 se vuelve obvia.

¿Notas el patrón? Cada lanzamiento no fue un volcado de funciones: fue Google acercándose a una tesis: que el futuro de AI no es una máquina de escribir más inteligente, es un trabajador autónomo. Cada versión desde la 2.0 ha ido añadiendo capacidades que sólo tienen sentido si el estado final es de plena agencia.

Gemini 1.0 era un chatbot que pretendía ser agente. Gemini 4, si la trayectoria se mantiene, será un agente que puede ser un chatbot si se lo pides amablemente.

Lo que espero que Google anuncie realmente en May 19

Google I/O El discurso de apertura de 2026 está reservado para May 19 a las 10 a. m. PT en el Shoreline Amphitheatre. Dos días. La agenda incluye "codificación agente" y "últimas actualizaciones del modelo Gemini"; esa es la palabra de Google, no la mía.

Esto es lo que estoy realmente seguro de que veremos, según las filtraciones de vista previa de los desarrolladores, las líneas de Polymarket (que estaban en alrededor del 60% para un anuncio de Gemini 4.0 antes del 30 de junio la última vez que lo verifiqué) y la trayectoria de lo que Google ha estado enviando silenciosamente en Gemini 3.1 Pro:

Multimodal que realmente entiende la física. El actual Gemini 3.1 Pro puede analizar video. Se rumorea que Gemini 4 razona al respecto: predice lo que sucede a continuación en un clip, comprende relaciones causales y genera continuaciones de vídeo físicamente plausibles. Si vio una demostración de Veo 3 y pensó "es bonito", espere a que Veo 4 se combine con el modelo mundial de Gemini 4.

Salida de audio nativa. Sin conexión de texto a voz. El modelo en sí emite audio como modalidad de salida de primera clase, lo que significa que el tiempo, la emoción y el ritmo de la conversación se vuelven controlables de la misma manera que lo es la generación de texto. Esto es lo que hace que los agentes telefónicos finalmente dejen de parecer robots.

Memoria persistente de 1 millón de tokens a través de MCP. Este es el que estoy siguiendo más de cerca. Gemini 3.1 Pro te ofrece un millón de tokens de contexto por sesión. Gemini 4, si la charla de vista previa del desarrollador es real, la extiende a la memoria persistente entre sesiones a través del Protocolo de contexto del modelo. El estado de su proyecto, sus preferencias, su trabajo en progreso: todo permanece cargado entre conversaciones. No más volver a explicar tu código base todos los lunes por la mañana.

Soporte nativo del Protocolo de comercio universal. Ya se está ejecutando en Gemini Apps a través de la actualización de enero de 2026 con Target como socio de lanzamiento. En Gemini 4, esta se convierte en la capa de ejecución predeterminada, lo que significa que el modelo puede comprar cosas, reservar viajes, liquidar facturas y activar pagos de Stripe en el mismo turno que realiza el razonamiento.

Modo de codificación agente. Google confirmó explícitamente que la codificación agente está en la agenda principal. Mi lectura: esta es la respuesta directa de Google a Claude Code y Codex CLI. Espere un agente de codificación con tecnología Gemini que se ejecute localmente, tenga acceso al sistema de archivos y pueda encadenar ediciones de varios archivos con autoverificación. Si puede destronar a Claude Code es una cuestión diferente; volveré a eso.

Una infraestructura de servicio impulsada por Ironwood que hace que los precios sean competitivos. Los pods de TPU Ironwood de Google ofrecen 42,5 exaflops a 9216 chips por pod, más de 24 veces la computación de El Capitan, la supercomputadora clásica más grande. Es por eso que Gemini 3.1 Pro ya tiene un precio de $2 por millón de tokens de entrada versus $5 para GPT-5.5 y Claude Opus 4.7. Es casi seguro que Gemini 4 mantendrá o ampliará esa brecha de precios.

En lo que estoy menos seguro: en un verdadero modelo de parámetros 10T. El número de 10T ha estado flotando desde marzo, y si bien es plausible según la capacidad de cómputo de Google, yo pondría mi confianza en tal vez un 40%. Es más probable una mezcla escasa de expertos que un monstruo denso de 10T: la misma capacidad efectiva, mucho más barato de atender.

Gemini 4 vs GPT-5.5 vs Claude Opus 4.7: la comparación honesta

Esta es la sección a la que todo el mundo se desplaza hacia abajo, así que déjame decírtelo directamente. He estado ejecutando los tres productos emblemáticos en paralelo durante las últimas seis semanas en flujos de trabajo de codificación, razonamiento, multimodal y agentes. El hallazgo principal: ya no existe el "mejor modelo". Hay tres modelos que ganan tres carreras diferentes, y cuál elijas depende completamente de lo que realmente estás construyendo.

Aquí está mi cuadro de mando actual, basado en números de referencia reales y mis propias pruebas de producción:

Datos de origen: Opus 4.7 de DataCamp frente a Gemini 3.1 Pro cara a cara, el resumen de pruebas comparativas de Sagnik Bhattacharya y mis propias ejecuciones.

Lo que esa tabla no muestra, y lo que he aprendido por las malas, es la textura del uso de cada modelo. Déjame desglosarlo por caso de uso.

Cuando alcanzo Claude Opus 4.7

Trabajo de codificación de formato largo en el que necesito que el modelo contenga todo el repositorio en su cabeza y no pierda la trama en una refactorización de cuarenta pasos. Escribí sobre por qué en mi comparación Opus 4.7 vs GPT-5.5 - Claude Opus es el modelo que respeta los patrones de código existentes en lugar de imponer sus propias opiniones. SWE-Bench Pro al 64,3% no es un accidente; es el subproducto de la priorización de la capacitación que Anthropic claramente hizo en los últimos dos ciclos. Si envío un código de producción y uno de los modelos tiene que ser el correcto, Opus sigue siendo mi elección.

Cuando alcanzo GPT-5.5

Bucles de agentes con gran cantidad de terminales, tareas de estilo investigación y cualquier cosa que requiera que el modelo planifique y ejecute según una especificación flexible. Terminal-Bench 2.0 al 82,7% refleja algo real: GPT-5.5 tiene el bucle más refinado de "usar una herramienta, observar el resultado, decidir qué hacer a continuación" de cualquier modelo de frontera en este momento. Para agentes de investigación autónomos y canales de análisis de datos, este es el indicado. Cubrí el ángulo completo del desarrollador en mi libro de estrategias de estado de GPT-5.5.

Cuando alcance Gemini 3.1 Pro (y alcanzaré Gemini 4 aún más)

Todo lo que traspase modalidades. Cualquier cosa donde el ecosistema Google sea el foso. Cualquier cosa que tenga que ver con los costos. Construí un proceso completo de análisis de video en [mi inmersión profunda en Gemini 3.1 Pro] (/blog/gemini-3-1-pro-real-power) que habría costado tres veces más en GPT-5.5 y no habría funcionado en absoluto en Opus 4.7 porque el video no es una entrada de primera clase allí. Cuando Gemini 4 aterriza con memoria persistente y UCP nativo, esta brecha se amplía, no porque Gemini se vuelva "más inteligente", sino porque la superficie de lo que puede hacer sin salir de su propio contexto se expande dramáticamente.

Aquí está la parte que nadie en los hilos de comparación dice claramente: la pregunta sobre el "mejor modelo" es la pregunta equivocada. La pregunta correcta es "¿a qué modelo pertenece el flujo de trabajo que estoy creando?" Para los flujos de trabajo del ecosistema Google (espacio de trabajo, Android, búsqueda, compras, cualquier cosa multimodal), Gemini 4 será intocable desde el primer día. Por lo demás, la carrera sigue reñida.

El impacto de la industria es mayor de lo que la gente cree

Déjame alejarme. Porque centrarse en los puntos de referencia pasa por alto lo que realmente está sucediendo aquí.

Cuando agentic AI se envía con la calidad del modelo insignia, algo que Gemini 4 está a punto de lograr, cinco cosas cambian a la vez:

1. El desarrollo de software se convierte en gestión. Escribí sobre esta transición en mi artículo sobre la gestión de agentes de codificación AI, pero Gemini 4 la acelerará. El desarrollador que solía escribir tres mil líneas por semana ahora está revisando doce mil líneas por semana generadas por agentes. El límite de habilidades pasa de la velocidad de escritura a la claridad de las especificaciones. Esto excluirá a muchos ingenieros de nivel medio que construyeron su identidad en torno al volumen de salida.

2. La investigación empresarial colapsa en un 90%. Los equipos financieros que solían dedicar tres días a elaborar un análisis de mercado pueden hacerlo en cuarenta minutos. Las empresas consultoras que facturan $200/hour por servicios de "investigación" sentirán una compresión de márgenes que nadie ha descontado todavía. Cualquiera cuyo trabajo sea "sintetizar información de fuentes públicas y resumirla" debería leer este párrafo con atención.

3. Los flujos de trabajo de productividad pasan de ser asistenciales a ser autónomos. "Hola Géminis, planifica mi viaje del tercer trimestre a Tokio" deja de ser una pregunta que devuelve una lista de enlaces. Se convierte en una operación que termina con tres opciones de vuelo reservadas tentativamente, cuatro reservas de hotel en su bandeja de entrada, bloques de calendario creados para las reuniones que mencionó y un mensaje de Slack redactado para su equipo, esperando su aprobación única.

4. La robótica por fin tiene cerebro. Lo que faltaba en la robótica de almacenes, la automatización del hogar inteligente y la logística autónoma durante los últimos cinco años era un modelo lo suficientemente capaz de razonar sobre la física del mundo real en tiempo real. Gemini 4 más un brazo robótico es la combinación que hace que 2027 sea el año en que la robótica realmente funcione. Google ya está señalando las integraciones de finales de 2026: esté atento a los dispositivos de nivel Pixel que no son teléfonos.

5. Los agentes nativos del navegador reemplazan los flujos de trabajo SaaS. Si su producto es una aplicación web cuyo valor principal es "conectamos tres API y presentamos una interfaz unificada", su foso está en llamas. Gemini 4 con UCP y MCP realizará esa conexión por sí mismo, en el navegador del usuario, sin pagarle una tarifa de licencia. Esto es lo existencial para la mitad de la capa SaaS por encima del nivel de la base de datos.

No estoy catastrofizando. Estoy describiendo lo que ya está empezando a suceder. La brecha entre "esto es posible" y "esto es envío" ahora se mide en meses, no en años.

Lo que nadie está siendo honesto

Quiero hacer la parte incómoda de esta publicación ahora, porque si me la salto solo estoy promocionando un producto que ni siquiera se ha lanzado.

agentic AI aumenta el costo de equivocarse en un orden de magnitud.

Un chatbot que alucina te cuesta una respuesta equivocada. Un agente que alucina te cuesta un cargo en tu tarjeta de crédito. Un vuelo reservado para la semana equivocada. Un correo electrónico enviado al cliente equivocado con el archivo adjunto incorrecto. Se activó un reembolso de Stripe contra el cliente equivocado porque dos de ellos tenían nombres similares.

Esto no es teórico. Ya tuve un ciclo de uso de herramientas Gemini 3.1 Pro que llamó con confianza a un Calendario API con la zona horaria incorrecta y creé una reunión a las 4 a. m. en lugar de a las 4 p. m. La modelo no se equivocó en lo que le pregunté. Se equivocó en un solo detalle del contexto y se ejecutó con confianza. Ese es el nuevo modo de falla, y es peor que el anterior porque no hay ningún borrador que revisar.

Google lo sabe. Demis Hassabis ha sido notablemente consistente acerca de esto en cada entrevista que he visto: AGI aún falta entre cinco y diez años, Gemini 4 es una herramienta poderosa que requiere juicio humano y las acciones de agente necesitan puertas de confirmación del usuario. Las filtraciones de la hoja de ruta sugieren que Google está enviando Gemini 4 con mensajes de confirmación obligatorios para cualquier acción que tenga consecuencias financieras, de comunicación o destructivas. Esa es la decisión correcta. También es más lento y molesto de lo que sugieren las demostraciones, y creará una tensión entre "el agente es autónomo" y "el agente pregunta antes de hacer algo importante" que no creo que nadie haya resuelto por completo todavía.

Mi regla personal, que he estado perfeccionando desde que comencé a crear pilas de agentes: el agente decide de forma autónoma, pero el humano aprueba de forma autónoma. Cualquier cosa irreversible (pagos, envíos, eliminaciones, reservas) obtiene una puerta humana. Todo lo reversible (búsquedas, borradores, programación en su propio calendario) se ejecuta de forma autónoma. Construya sus flujos de trabajo Gemini 4 según ese principio y se ahorrará mucha limpieza del fin de semana.

Hay otra cosa de la que nadie habla: los modelos agentes concentran los modos de falla. Cuando un modelo orquesta diez herramientas, un solo error de razonamiento se traduce en diez acciones incorrectas. Las matemáticas de confiabilidad empeoran, en lugar de mejorar, a medida que se agrega capacidad, a menos que la calidad del razonamiento subyacente mejore lo suficiente como para compensar. Gemini 4 necesita ser significativamente más confiable que 3.1 Pro para que el volante agente funcione en producción. Si es sólo "un 10% más inteligente", la superficie de acción de 10× se comerá esa mejora y algo más.

Ejecutaré mis propios puntos de referencia de rotura en la primera semana. Específicamente: ¿con qué frecuencia el modelo se compromete a realizar una acción de herramienta que habría dudado si se le hubiera pedido verificar? Esa es la métrica que importa.

Qué estoy haciendo ahora (y qué deberías hacer tú)

Diecisiete días. Eso es todo lo que tengo para preparar mi propia pila para lo que está a punto de aterrizar. Esto es lo que haré esta semana, por si resulta útil:

1. Auditar cada flujo de trabajo de agente que he creado en GPT-5.5 o Claude Opus 4.7 para lograr portabilidad. Específicamente: cuáles dependen de formatos de llamada de herramientas específicos del proveedor y cuáles podrían intercambiar modelos limpiamente. Todo lo que esté estrechamente acoplado a la sintaxis de llamada de funciones OpenAI se está refactorizando hacia patrones compatibles con MCP. Cubrí el razonamiento arquitectónico en mi artículo sobre agentes AI basados ​​en contexto.

2. Aprovisionamiento de acceso a Vertex AI antes de las prisas. El día después de I/O, la lista de espera de vista previa para desarrolladores de Gemini 4 será brutal. Estoy configurando las cuotas de mi proyecto, la facturación y las funciones de IAM ahora para poder presentar la solicitud desde el primer día. Cinco minutos de papeleo ahora le ahorran tres semanas de "se está revisando su solicitud".

3. Escribir las indicaciones que quiero probar el día del lanzamiento. Tengo una carpeta de diecisiete tareas que he comparado con todos los modelos emblemáticos desde GPT-4. Las mismas indicaciones, la misma rúbrica de evaluación, puntuadas según la calidad del resultado, la latencia, el coste y la fiabilidad del uso de las herramientas. Cuando llega Gemini 4, lo ejecuto en la misma suite dentro de las primeras 24 horas. Publicaré los resultados.

4. Hablando con mis clientes sobre la integración UCP. Cualquiera que dirija un negocio de comercio electrónico o SaaS debe pensar en esto ahora. Si un agente puede realizar transacciones con su producto en la superficie de otra persona, necesitará puntos finales compatibles con UCP antes del tercer trimestre. Si no puede, sus competidores que lo hicieron obtendrán el tráfico de agentes. Ésta es la alteración silenciosa que nadie valora.

5. Releyendo las notas de la versión Gemini 3.1 Pro. Porque Gemini 4 no es una ruptura clara, es una extensión. La mayoría de los patrones que funcionan en 3.1 funcionarán mejor en 4. Saber qué funciona ahora se traduce en saber qué funciona después más rápido que cualquiera que comience desde cero.

El resultado final, sin exageraciones

Gemini 4 no es AGI. El propio Demis Hassabis lo dijo y yo le creo. No reemplazará tu juicio, tus gustos o tus relaciones. No escribirá una estrategia que gane su categoría y no sabrá qué clientes importan y cuáles no.

Lo que es, si todo lo que estoy proyectando se cumple, es el primer modelo de frontera que genuinamente actúa en su nombre con una calidad de razonamiento emblemática, conectado al ecosistema de consumo más grande del mundo, al costo de servicio más bajo de la industria, con una memoria persistente de 1 millón de tokens que finalmente hace que "su AI" se sienta como suyo.

Eso no es un chatbot. Eso es un multiplicador de fuerza laboral con una tarjeta de crédito.

Tengo diecisiete días para prepararme y tú también. Las personas que ingresan a May 19 con sus flujos de trabajo auditados, sus integraciones MCP esbozadas, sus feeds comerciales UCP preparados y sus conjuntos de evaluación cargados: esas son las personas que obtienen una ventaja de seis meses sobre lo que viene después. Las personas que ven la conferencia magistral en YouTube con dos días de retraso y piensan "genial, lo haré la semana que viene", esas son las personas que pasan la segunda mitad de 2026 sintiéndose vagamente atrasadas y sin saber muy bien por qué.

No seas el segundo grupo. La carrera ya empezó. El pistoletazo de salida aún no se ha disparado.

Estaré probando en vivo en May 19. Si quieres mi versión sin filtrar, mira este espacio.

Preguntas frecuentes

¿Cuándo se lanzará realmente Google Gemini 4?

Se espera que Google Gemini 4 tenga una vista previa en Google I/O 2026 en May 19, con una versión beta para desarrolladores a mediados de 2026 y un lanzamiento público completo probablemente a finales de 2026 o principios de 2027. Google históricamente ha utilizado I/O para anuncios, y la disponibilidad pública de API llegará semanas o meses después. Para ver el análisis completo de la línea de tiempo, consulte la sección de evolución anterior.

¿Cómo se compara Gemini 4 con GPT-5.5 y Claude Opus 4.7?

No hay un único ganador. Claude Opus 4.7 lidera la codificación (SWE-Bench Pro 64,3%), GPT-5.5 lidera los flujos de trabajo de terminal/agent (Terminal-Bench 2.0 82,7%) y Gemini 3.1 Pro (el predecesor de Gemini 4) lidera el multimodal, la profundidad del ecosistema y el precio ($2/M de entrada vs. $5/M para los demás). Se espera que Gemini 4 amplíe el liderazgo de Google en ejecución multimodal y agente.

¿Qué es agentic AI y en qué se diferencia de un chatbot?

agentic AI planifica, selecciona herramientas y ejecuta de forma autónoma acciones del mundo real en su nombre: reservar vuelos, enviar correos electrónicos y completar compras a través del Protocolo de Comercio Universal. Un chatbot solo responde a indicaciones. El cambio de reactivo a proactivo es el núcleo de lo que hace que Gemini 4 sea un cambio de categoría, no solo una actualización incremental.

¿Qué es el Protocolo de Comercio Universal (UCP) y por qué es importante para Gemini 4?

El Protocolo de comercio universal es el estándar abierto de Google lanzado el 11 de enero de 2026 y que permite a los modelos AI realizar transacciones directamente con comerciantes. Respaldado por Stripe, Visa, Mastercard, Adyen, Shopify, Target, Walmart y más de 20 socios, UCP es el riel que convierte a Gemini de un motor de búsqueda en un comprador real. Se espera que Gemini 4 se envíe con soporte UCP nativo listo para usar.

¿Debo cambiar de Claude Opus 4.7 o GPT-5.5 a Gemini 4 cuando se inicie?

No cambies, diversifica. Cada buque insignia gana diferentes carreras. Utilice Claude Opus 4.7 para codificación de producción, GPT-5.5 para bucles de agentes con muchos terminales y Gemini 4 para trabajo multimodal, integración del ecosistema Google y flujos de trabajo sensibles a los costos. La respuesta correcta en 2026 es multimodelo, no un solo proveedor. Consulte la sección de comparación anterior para ver el desglose completo por caso de uso.

Trabajemos juntos

¿Quiere crear sistemas AI, automatizar flujos de trabajo o ampliar su infraestructura tecnológica? Me encantaría ayudar.

• Fiverr (compilaciones e integraciones personalizadas): fiverr.com/s/EgxYmWD
• Cartera: mejba.me
• Ramlit Limited (soluciones empresariales): ramlit.com
• ColorPark (diseño y marca): colorpark.io
• xCyberSecurity (servicios de seguridad): xcybersecurity.io