Google IO 2026 en retrospectiva: El año en que Google dejó de vender chatbots
Vi la keynote de IO 2026 en un segundo monitor con una terminal abierta en el primero, medio esperando ignorar la mayor parte.
Esto no es arrogancia. Es simplemente lo que los últimos dos años de keynotes de IA me han entrenado a esperar. Demos de grado marketing, un desfile de nombres de modelos que se difuminan entre sí, un carrete de funciones que no se lanzará hasta "más adelante este año". Tenía el volumen bajo. Estaba trabajando en otra cosa. Y entonces, unos dieciocho minutos después, un ingeniero de DeepMind llamado Varun Mohan se puso de pie y dijo casualmente que su equipo había construido un sistema operativo funcional desde cero en doce horas usando Gemini 3.5 Flash y Antigravity — 93 subagentes, 15,000 solicitudes al modelo, 2.6 mil millones de tokens procesados, menos de 1,000 dólares en créditos de API — y luego cargó Doom en él y empezó a jugar.
Silencié mi música. Cerré mi otra pestaña. Tomé un cuaderno.
Ese momento me dijo todo sobre Google IO 2026 de una manera que las diapositivas nunca podrían. Google no se presentó en Mountain View el 19 de mayo de 2026 para vender otro chatbot. Se presentaron para vender agentes — y para hacerlo, reestructuraron todo el stack de precios de IA Ultra, lanzaron un modelo multimodal "any-to-any" completamente nuevo, presentaron una aplicación de escritorio diseñada enteramente alrededor de la orquestación multi-agente, mostraron una IA personal 24/7 que vive en una VM de Google Cloud, y silenciosamente bajaron el plan de nivel superior de 250 a 200 dólares al mes para poder insertar un nuevo nivel de 100 dólares debajo.
Si eres un builder, esta es la keynote más trascendental que Google ha realizado desde el lanzamiento original de Gemini. He pasado los días desde entonces revisando cada anuncio, cruzando las afirmaciones técnicas con reportes independientes, y mapeando qué piezas realmente desplegaría esta semana versus cuáles son demo-ware. Aquí está el reporte de campo — qué fue real, qué fue teatro, y qué creo que significa para cualquiera que esté desarrollando software con IA en 2026.
El cambio de paradigma del que nadie habla
Antes de entrar en anuncios específicos, tienes que entender el marco porque cada revelación de producto se deriva de él.
Durante los últimos tres años, el centro de gravedad de la industria de IA ha sido el chatbot. Escribes una pregunta. El modelo responde. Evalúas la respuesta. La tarificación estaba estructurada alrededor de prompts y tokens. La experiencia de usuario estaba estructurada alrededor de mensajes. Los benchmarks estaban estructurados alrededor de la calidad de turno único.
Google IO 2026 fue el momento en que ese paradigma se rompió públicamente.
El cambio de precios es la señal. La app Gemini de Google se está moviendo de límites diarios de prompts hacia un modelo de "compute utilizado", donde una respuesta de texto simple consume una fracción minúscula de tu asignación mensual y una edición de video compleja o una ejecución de agente de codificación consume una mucho mayor. Ese no es un modelo de precios de chatbot. Es un modelo de precios de carga de trabajo. Solo tiene sentido si la empresa espera que el usuario promedio que paga comience a ejecutar cosas que se parecen más a trabajos en segundo plano que a conversaciones.
Y cada otro anuncio lo refuerza. Gemini Spark se describe como "un agente de IA 24/7" que vive en tu nombre — no un modelo con el que hablas, sino uno que funciona mientras duermes. Antigravity 2.0 se describe como una aplicación de escritorio "agent-first" para orquestar trabajo multi-agente en paralelo. La búsqueda está recibiendo "agentes autónomos impulsados por Gemini capaces de monitorear información continuamente y tomar acciones en nombre de los usuarios." Universal Cart es un agente de compras, no una búsqueda de compras.
Me escucharás volver a esta perspectiva repetidamente porque es la única que hace que la keynote tenga sentido. Una vez que la ves, cada anuncio encaja. Así que permíteme repasar lo que realmente lanzaron — y lo que realmente probaría.
Gemini Omni: Un modelo, toda modalidad, una marca de agua
El mayor anuncio de modelo del día no fue 3.5 Flash. Fue Gemini Omni, el nuevo modelo multimodal "any-to-any" de Google que toma cualquier combinación de texto, imagen, audio y video como entrada y produce cualquier combinación como salida.
Omni Flash — el primer modelo público construido sobre el framework Omni — es el que Google realmente está lanzando. Según los reportes, puede generar clips cortos de video con IA a partir de prompts de texto, animar imágenes fijas, editar escenas generadas de forma conversacional, y responder a entradas combinadas de texto, audio e imagen en tiempo real. Se describe públicamente como el siguiente capítulo del trabajo que produjo Nano Banana (el modelo de edición/generación de imágenes del año pasado) y Genie (el modelo generativo de mundo interactivo de Google).
Lo que me hizo prestar atención de esta anuncio: Google no lo lanzó silenciosamente en una beta. Lo lanzaron junto con la iniciativa más agresiva de procedencia de contenido que he visto de cualquier laboratorio de IA importante.
Cada video generado por Omni lleva la marca de agua digital SynthID de Google. SynthID ha marcado más de 100 mil millones de imágenes y videos generados por IA, y desde IO 2026, NVIDIA, OpenAI, ElevenLabs y Kakao están adoptando el estándar. Los Content Credentials de C2PA se están expandiendo a través de las herramientas generativas de Google, y ahora hay una API de Detección de Contenido de IA en la Google Agent Platform que permite a las empresas identificar contenido generado por IA de los modelos de Google y de otros modelos populares.
Lee ese párrafo de nuevo. OpenAI está adoptando el estándar de marca de agua de Google. Eso solo es la historia de alineación industrial más significativa desde que se lanzó la API original de GPT, y apenas se mencionó en la cobertura del resumen porque no es una demo llamativa. Es una admisión de toda la industria de modelos de frontera de que un internet de medios sintéticos sin marcar es impracticable, y están cediendo colectivamente terreno a un estándar técnico compartido para adelantarse a los reguladores.
Si construyes cualquier cosa que consume contenido generado por usuarios — moderación, plataformas publicitarias, herramientas de periodismo, redes sociales, monitoreo de marca — este es el anuncio más importante orientado a desarrolladores de toda la keynote. El stack C2PA + SynthID es ahora lo suficientemente amplio como para que "¿es esto generado por IA?" se esté convirtiendo en una señal real y consultable en tu pipeline de datos. Cubrí la crisis de datos de entrenamiento de IA a principios de este año y la pregunta abierta que dejé sin resolver fue la procedencia. El lanzamiento de Omni es la primera vez que veo una respuesta creíble.
Lo que probaría esta semana: pasa un bloque de medios enviados por usuarios a través de la API de Detección de Contenido de IA y observa cómo son realmente las tasas de falsos positivos y falsos negativos en la práctica. No confíes en los números de la demo. Pruébalo con tus datos.
Gemini 3.5 Flash: El modelo construido para agentes
Gemini 3.5 Flash es el modelo que produjo el momento de Doom-en-un-nuevo-SO, y la historia técnica detrás es más interesante que la demo.
Según las propias afirmaciones de Google y reportes independientes, Gemini 3.5 Flash:
- Supera a Gemini 3.1 Pro en casi todos los benchmarks mientras funciona aproximadamente cuatro veces más rápido que otros modelos de frontera en tokens de salida por segundo
- Obtiene 76.2% en Terminal-bench 2.1 (evaluación de codificación)
- Obtiene 1656 en GDPval-AA (benchmark agéntico del mundo real)
- Está co-optimizado con el harness Antigravity — lo que significa que el modelo y el runtime multi-agente fueron entrenados y ajustados juntos, no ensamblados al momento del lanzamiento
El último punto es el que la mayoría de la cobertura pasó por alto. Cuando entrenas un modelo de frontera para ser bueno en trabajo agéntico, y simultáneamente entrenas el harness en el que funciona para presentar las llamadas de herramientas y ventanas de contexto correctas en los momentos correctos, obtienes un comportamiento que no es reproducible simplemente insertando un modelo diferente. Esta es la misma visión arquitectónica que Anthropic ha estado persiguiendo con Claude Code — el modelo y el runtime no son productos independientes — y es gran parte de por qué he estado usando Claude Code como mi herramienta diaria durante el último año. Google ahora se ha comprometido públicamente con la misma filosofía.
La afirmación de velocidad de salida 4x merece su propio momento. Si Gemini 3.5 Flash realmente entrega cuatro veces los tokens por segundo de otros modelos de frontera a calidad comparable, las matemáticas para flujos de trabajo agénticos cambian completamente. Un agente multi-paso haciendo 15-20 llamadas de herramientas por tarea no está limitado por la calidad de razonamiento pasado cierto punto — está limitado por la latencia. Reduce la latencia de manera significativa y el agente puede recuperarse de errores, replanificar y re-ejecutar dentro del mismo presupuesto de tiempo real que anteriormente solo cabía el primer intento. Eso es un techo diferente.
Pero aquí es donde voy a ser honesto sobre los límites del reporteo del primer día. Los scores de Terminal-bench 2.1 y GDPval-AA se ven fuertes en papel, pero no he pasado 3.5 Flash por mi harness de codificación personal todavía. Cuando probé Gemini 3 Deepthink a principios de este año, los benchmarks publicados se mantuvieron razonablemente bien, pero los modos de fallo no fueron visibles hasta que le lancé problemas reales de código. Así que trata los números principales como direccionales, no como evangelio. Tendré una review completa separada después de ejecutar mis propias evaluaciones.
Lo que probaría esta semana: toma un flujo de trabajo agéntico real que actualmente ejecutas en Claude o GPT y vuelve a ejecutarlo en Gemini 3.5 Flash a través del harness Antigravity. Presta especial atención al comportamiento de recuperación en fallos de llamadas de herramientas, no solo al éxito del primer intento. Ahí es donde la co-optimización generalmente se manifiesta.
Antigravity 2.0: La plataforma de agentes independiente
Escribí sobre la Anti-Gravity IDE original hace unos meses y recorrí cómo lancé una app financiera full-stack en ella en 47 minutos. Ese producto era un IDE — un editor envuelto alrededor de agentes de IA.
Antigravity 2.0, anunciado en IO 2026, es algo diferente. Es una aplicación de escritorio independiente diseñada completamente alrededor de una experiencia optimizada para agentes. Según los highlights para desarrolladores de Google, viene con una CLI, un SDK, ejecución gestionada y soporte empresarial. Los desarrolladores pueden orquestar múltiples agentes en paralelo y ejecutar tareas a través de flujos de trabajo de largo horizonte.
El cambio estructural de 1.x a 2.0 es la parte que importa. El Anti-Gravity original puso agentes dentro de un editor. La nueva versión invierte la relación — la plataforma de agentes es la superficie primaria, y el editor es solo una de las herramientas que un agente puede usar. Esa es una filosofía de diseño significativamente diferente.
La demo de Doom-en-un-nuevo-SO fue el punto de prueba. 93 subagentes trabajando en paralelo, 15,000 solicitudes al modelo, 2.6 mil millones de tokens, 12 horas de tiempo real, menos de 1,000 dólares en gasto de API. Si alguna vez has intentado orquestar tantos agentes concurrentes manualmente, conoces los modos de fallo — agentes pisándose los cambios del sistema de archivos, llamadas de herramientas bloqueadas, ventanas de contexto explotando por crosstalk. El hecho de que Google lo demostrara sin caos visible sugiere que la capa de orquestación está haciendo trabajo real, no solo generando subprocesos y esperando.
La CLI y el SDK importan aún más que la app de escritorio para builders serios. Una CLI es lo que acoplas a CI. Una CLI es lo que scripteas. Una CLI es lo que ejecutas en un servidor durante la noche. Una app de escritorio es lo que muestras a ejecutivos. Que Antigravity 2.0 tenga ambas cosas significa que Google se toma en serio mantener la plataforma como infraestructura de producción, no solo como demo de la semana del lanzamiento.
He pasado el último año construyendo la mayor parte de mi trabajo agéntico dentro de Claude Code y enrutándolo a través del Agent SDK de Anthropic. Antigravity 2.0 es la primera plataforma competidora que he visto que se ve estructuralmente lista para alojar cargas de trabajo de producción reales — no porque el marketing lo diga, sino porque la forma del producto (CLI + SDK + ejecución gestionada + soporte empresarial) es la forma que construyes cuando esperas que otras personas ejecuten tu plataforma en producción.
Lo que probaría esta semana: ejecuta la misma tarea de agente en Antigravity 2.0 y Claude Code lado a lado. No solo midas la calidad — mide la recuperación de fallos, la observabilidad, y cómo se ve la traza cuando un agente se sale del camino. Ahí es donde vive la preparación para producción.
Gemini Spark: La apuesta de 100 dólares en agentes personales
Aquí está el anuncio que desencadenó el debate más acalorado en mis chats grupales. Gemini Spark.
Spark es, en palabras de Google, un agente de IA 24/7 que vive en VMs de Google Cloud y funciona continuamente en tu nombre. Se integra con MCP (Model Context Protocol — el estándar originado por Anthropic que se ha convertido silenciosamente en el estándar de la industria para llamadas de herramientas). Tendrá una integración con Chrome que viene este verano. Y es la función principal detrás de una reestructuración importante del nivel de precios de IA Ultra.
Las matemáticas del precio:
- El plan Ultra superior anterior era de 250 dólares al mes. Ese nivel sigue existiendo pero ahora cuesta 200 dólares al mes, con límites de uso más altos y más almacenamiento.
- Un nuevo nivel Ultra de 100 dólares al mes fue introducido debajo. El plan de 100 dólares incluye límites de uso 5 veces más altos en la app Gemini comparado con el nivel AI Pro de 20 dólares, 20 terabytes de almacenamiento en la nube, YouTube Premium, y acceso beta a Gemini Spark para suscriptores de EE.UU.
- Spark mismo se está desplegando a testers de confianza la semana después de la keynote, y a suscriptores de Google AI Ultra en EE.UU. la semana siguiente como beta.
Deja los cambios de precio a un lado por un segundo. La pregunta interesante es qué es Spark realmente a nivel arquitectónico — porque si es lo que Google está implicando, es una categoría de producto diferente a cualquier cosa que ChatGPT o Claude actualmente ofrecen.
La mayoría de los "agentes de IA" actuales se ejecutan en respuesta a un prompt del usuario. Preguntas, actúa, devuelve. La sesión está limitada por la conversación. Incluso los proyectos de Claude y los GPTs de ChatGPT son fundamentalmente request-response — mantienen contexto entre sesiones, pero no funcionan cuando no estás mirando.
Spark funciona en una VM. Tiene una existencia continua. Puede monitorear cosas, tomar acciones y comunicarse contigo basado en su propia programación — no porque abriste la app, sino porque el mundo cambió y él lo notó.
Si así es como realmente funciona, el beneficio es sustancial. Los casos de uso son obvios — seguimiento de precios de vuelos, alertas de reposición, cuidado del calendario, triaje de correo electrónico, monitoreo de un tablero de proyecto, vigilancia de la página de precios de un competidor — pero son obvios de la misma manera en que "tener un teléfono en el bolsillo" era obvio en 2007. El hecho de que puedas listarlos no significa que sepamos cómo el producto remodela el comportamiento diario.
Aquí es donde soy escéptico. El precio de entrada de 100 dólares coloca firmemente a Spark en el nivel de "usuario avanzado" — eso es 5 veces el precio de AI Pro y muy por encima de lo que la mayoría del SaaS para consumidores cuesta. Para un producto que necesita demostrar valor a través de muchas tareas ambientales, cobrar 100 dólares al mes antes de que nadie sepa si funciona es audaz. La bajada de 250 a 200 dólares en el nivel superior lo suaviza (y señala presión competitiva real de los planes Pro de Anthropic y OpenAI), pero Spark mismo está bloqueado detrás de un precio que la mayoría de la gente no pagará hasta que el caso sea abrumadoramente claro.
Estaré probando Spark la semana que aterrice en la beta de EE.UU. La pregunta específica que llevo conmigo es si el marco de 24/7 es comportamiento real del producto o lenguaje de marketing para "mantuvimos la ventana de contexto entre sesiones." Hay una diferencia. Lo primero es una nueva categoría. Lo segundo es un chatbot con mejor memoria.
Si has estado siguiendo la guerra de precios más amplia, reconocerás esto como la misma dinámica que cubrí en mi artículo sobre la comoditización de suscripciones de IA — la capa de aplicación es donde está el dinero, y los laboratorios de modelos están corriendo para capturarla antes de que la capa de aplicación los capture a ellos. Spark es el movimiento más explícito de Google en esa carrera.
Docs Live, Ask Maps, Ask YouTube: El pivote del Workspace
Los anuncios de superficie para el consumidor recibieron menos tiempo en el escenario de la keynote pero son los que llegarán a más personas. Tres son los más importantes.
Docs Live es la edición de Google Docs dirigida por voz — puedes decirle a Docs que mueva secciones, formatee texto en negrita o cursiva, y reestructure documentos usando comandos de voz. Se está desplegando para Android e iOS este verano con Google AI Pro y Ultra en inglés a nivel global. El enfoque de la keynote enfatizó la accesibilidad — y el caso de uso para usuarios con discapacidades motoras o visuales es genuinamente significativo — pero el beneficio más amplio es que la edición por voz finalmente es lo suficientemente precisa para ser una superficie de productividad real, no un truco. Apple ha intentado lanzar esto durante una década. Google lo está lanzando porque el modelo subyacente de speech-to-intent finalmente cruzó el umbral de calidad.
Ask Maps convierte Google Maps en una superficie de búsqueda conversacional. Puedes hacer preguntas sobre lugares como le preguntarías a un local — no solo "encuéntrame café cerca" sino "encuéntrame una cafetería tranquila con WiFi confiable y asientos al aire libre donde pueda tomar una videollamada." El mismo truco que la búsqueda de ChatGPT, pero con los datos de mapas de Google debajo, lo cual es una ventaja competitiva significativa.
Ask YouTube te permite consultar contenido de video de forma conversacional. El caso de uso estrella aquí no es ver videos de manera diferente — es investigación. He hecho esto manualmente durante años con un pipeline personalizado que extrae transcripciones y las pasa por Claude. Ask YouTube lo hace nativamente. La implicación para los creadores de contenido es significativa: la descubribilidad ahora fluye a través de consultas conversacionales, no solo de palabras clave de la barra de búsqueda, lo que significa que cómo estructuras tu contenido de video (capítulos, transcripciones, explicaciones en pantalla) afecta directamente si la IA lo destaca.
Las tres funciones están sustentadas por un hecho arquitectónico: la ventaja de datos de entrenamiento de Google en mapas, video y colaboración de documentos es enorme, y la IA conversacional es finalmente la interfaz correcta para monetizar esa ventaja a escala. Cubrí el framework de Google para la transformación agéntica de IA en febrero, y el hilo conductor desde ese artículo hasta IO 2026 es el mismo — la ventaja de Google no es la calidad del modelo, es el grafo de datos sobre el que el modelo se asienta.
Búsqueda Inteligente, Universal Cart y el agente en los resultados de búsqueda
Este es el paquete de anuncios que realmente remodelará el SEO y el comercio electrónico, y merece mucha más atención de la que está recibiendo.
Google Search está siendo rediseñado alrededor de una caja de búsqueda multimodal (texto, imagen, video, voz), agentes de búsqueda de IA 24/7 que monitorean temas y te notifican de cambios, y — la parte que genuinamente me sorprendió — codificación agéntica dentro de los resultados de búsqueda que puede generar UIs y widgets dinámicos bajo demanda. Así es. La propia página de resultados de búsqueda se convierte en un runtime que puede generar pequeñas aplicaciones interactivas basadas en tu consulta.
Si buscaras "compara estos tres zapatos de running por drop del mediapié" hoy, obtendrías artículos. En la nueva Search, obtendrías un widget de comparación que extraería datos en vivo y se renderizaría como una pequeña tabla interactiva dentro de los resultados. Generada por un agente. En tiempo de consulta.
Esto estará disponible globalmente y gratis a partir del verano de 2026. Ese cronograma importa porque significa que el panorama SEO cambia en meses, no en años. He estado escribiendo sobre este cambio en piezas sueltas — optimización para motores generativos, citabilidad a nivel de pasaje, la muerte del listicle — e IO 2026 es el momento en que se vuelve concreto. Los resultados de búsqueda ya no son una lista de enlaces. Son un runtime de agentes.
Universal Cart es el acompañante de comercio electrónico. Un carrito de compras impulsado por Gemini que opera a través de Search, YouTube y Gmail simultáneamente. Encuentra ofertas, rastrea historial de precios, alerta sobre reposiciones, y — la parte genuinamente útil — marca combinaciones de productos incompatibles. Intenta agregar una placa base y un procesador que no comparten el mismo socket y Universal Cart lo nota.
El despliegue en EE.UU. es verano de 2026. Si vendes algo en línea, la implicación es la misma que para los editores de contenido: tu superficie de producto ya no es un sitio web que la gente visita. Es un feed de datos estructurados que un agente lee en nombre del usuario. Schema, datos de producto estructurados, inventario en tiempo real y transparencia de precios se convierten repentinamente en las partes que determinan si un agente te recomienda. La optimización de conversión deja de ser sobre tu landing page y empieza a ser sobre tu capa de datos.
Cubrí una versión de esta tesis en mi artículo sobre agentes de IA remodelando el trabajo, pero Universal Cart la hace concreta en el retail. Si tienes una tienda de comercio electrónico y no tienes datos de producto estructurados limpios para el Q3 2026, serás invisible para una parte significativa de la intención de compra.
Audio Glasses, rediseño de la app Gemini y la capa de Workspace
Google reservó la revelación de hardware para el final de la keynote, lo que te dice algo sobre cuán confiados están en que el software impulse la demanda. El anuncio de gafas inteligentes es real pero modesto: gafas de audio con altavoces integrados y cámaras, fabricadas por Samsung y Qualcomm, con diseños de Gentle Monster y Warby Parker, lanzamiento otoño 2026, funcionando tanto en Android como iOS.
Estas no son las Ray-Bans de Meta con pantalla. Son acceso a Gemini voice-first y manos libres, con cámaras que pueden capturar y pasar contexto al asistente. Las demos mostraron a Gemini navegando a lugares que el usuario había visitado antes y pidiendo artículos a través de apps integradas mientras recordaba las preferencias del usuario. La integración con muñeca a través del Pixel Watch está incluida.
No soy persona de gafas y soy escéptico de que las gafas de IA solo de audio se conviertan en un producto masivo. Pero la lógica estratégica es correcta — Google necesita una superficie de hardware ambiental para Gemini antes de que Apple lance algo competitivo, y la estructura de alianzas (Samsung + Qualcomm + marcas de moda) es cómo conviertes un producto tecnológico en algo que la gente normal realmente usará. Otoño 2026 es cuando sabremos si el mercado consumidor realmente responde.
La app Gemini misma está recibiendo un rediseño — Google llama al nuevo lenguaje de diseño "Neural Expressive" — y una nueva herramienta Google Pix para edición de imágenes dentro de Workspace. Flow Music se lanza como superficie de generación de audio. Ninguna de estas es individualmente determinante, pero colectivamente dicen algo sobre el compromiso de Google de hacer de Gemini la superficie de uso diario en todos los productos de consumo, no solo una API. Rastreé parte de este hilo en mi artículo sobre la integración de NotebookLM y la app Gemini, y el patrón continúa — Google está tratando a Gemini como la capa operativa de todo lo que lanzan, no como una función en un solo producto.
Code Mender, expansión de SynthID y la historia silenciosa de seguridad
Quiero dedicar un párrafo a los anuncios de seguridad porque quedaron enterrados bajo las revelaciones para consumidores y no deberían estarlo.
Code Mender es la parte que más importa para los builders. Es un agente de IA de DeepMind que automáticamente detecta, parchea y reescribe código vulnerable. Usa un depurador, navegador de código fuente, fuzzing y demostradores de teoremas para encontrar causas raíz, luego genera y valida parches autónomamente contra regresiones y guías de estilo antes de presentarlos para revisión humana. En los seis meses previos al anuncio de IO, el equipo de Code Mender contribuyó 72 correcciones de seguridad a proyectos de código abierto, incluyendo bases de código de hasta 4.5 millones de líneas.
Lee ese número de nuevo. 72 parches de seguridad reales, en código abierto real, validados por humanos, aceptados upstream. Eso no es un benchmark. Es un agente desplegado haciendo ingeniería de seguridad a escala de producción.
Las APIs de código para Code Mender están en preview para testers desde IO. Si mantienes una base de código significativa — código abierto o propietario — este es el anuncio que observaría más cuidadosamente durante el próximo trimestre. La economía de tener un agente de seguridad ejecutándose continuamente adjunto a tu repositorio es muy diferente de ejecutar una auditoría periódica de terceros. Escribí sobre esta transición de categoría en mi artículo sobre el debate de descubrimiento de zero-days por IA, y Code Mender es el ejemplo de producción más concreto que he visto.
La expansión de SynthID es la otra mitad de la historia de seguridad. El estándar de marca de agua ahora abarca NVIDIA, OpenAI, ElevenLabs y Kakao, con más de 100 mil millones de imágenes y videos marcados. Los Content Credentials de C2PA se están expandiendo a través de las herramientas generativas de Google. La API de Detección de Contenido de IA está ahora disponible en Agent Platform. Estos no son anuncios glamorosos. Son movimientos de estandarización lentos, a nivel de infraestructura. También son exactamente lo que una industria en maduración produce cuando los reguladores comienzan a aparecer en audiencias.
Gemini para la Ciencia: La apuesta a largo plazo
Google reservó los anuncios más ambiciosos para las partes de la keynote que no afectarán directamente la hoja de ruta trimestral de nadie. Gemini for Science incluye dos piezas que vale la pena marcar.
AlphaEarth Foundations ahora está posicionado públicamente como un gemelo digital de la Tierra — un satélite virtual que ingiere imágenes ópticas, radar, LiDAR y datos climáticos y comprime toda la superficie terrestre en un embedding consultable con resolución de celda de 10x10 metros, actualizado anualmente. El modelo reduce los requisitos de almacenamiento por un factor de 16 comparado con otros sistemas de IA probados por Google. Están trabajando con más de 50 organizaciones en aplicaciones del mundo real — seguridad alimentaria, deforestación, planificación urbana, recursos hídricos. Combinar AlphaEarth con la capacidad de razonamiento de Gemini es el próximo paso, lo que permitiría a los analistas hacer preguntas en lenguaje natural como "dónde en la Amazonia se ha acelerado la invasión de cultivos en los últimos tres años" y obtener una respuesta respaldada por datos.
Isomorphic Labs — la empresa de descubrimiento de fármacos de Alphabet construida sobre los fundamentos de AlphaFold — está en camino de poner sus primeros medicamentos diseñados por IA en ensayos clínicos para finales de 2026. Recaudaron 2.1 mil millones de dólares en financiamiento Serie B a principios de este mes para acelerar la Isomorphic AI Drug Design Engine.
Ninguno de estos se lanzará en un SDK para desarrolladores en los próximos seis meses. Pero el patrón — IA de frontera aplicada a grandes grafos de datos del mundo físico (Tierra, biología) — es la apuesta a largo plazo que justifica toda la inversión en compute que Alphabet ha estado haciendo desde 2023. La mayor parte de lo que Google anunció en IO 2026 se trata de capturar la capa de aplicación. AlphaEarth e Isomorphic justifican la inversión en infraestructura subyacente en un horizonte de una década.
Lo que realmente estoy haciendo esta semana
Permíteme cerrar con la perspectiva del practicante, porque para eso vinieron la mayoría de ustedes.
De todo lo que Google lanzó en IO 2026, esto es lo que realmente probaría en los próximos siete días, clasificado por lo que creo que afectará tu trabajo diario:
Ejecuta Gemini 3.5 Flash a través de tu flujo de trabajo agéntico real. No un benchmark de juguete. Toma cualquier tarea multi-paso de agente que actualmente ejecutas en Claude o GPT, portala a Gemini 3.5 Flash vía el harness Antigravity, y mide latencia, comportamiento de recuperación, y costo total por tarea completada. La afirmación de velocidad 4x es el número más comprobable de la keynote. Compruébalo.
Instala Antigravity 2.0 y prueba la orquestación de agentes en paralelo. Si has estado ejecutando cadenas de agentes secuenciales, el modelo paralelo es un patrón de diseño significativamente diferente. Construye algo pequeño — una tarea de investigación con tres subagentes concurrentes (recopilar, sintetizar, formatear) — y ve cómo se mantiene la herramienta de trazas cuando uno de ellos falla.
Integra la detección SynthID/C2PA en tu pipeline de contenido. Si estás lanzando algo que ingiere medios subidos por usuarios, la API de Detección de Contenido de IA en Agent Platform es el anuncio de infraestructura más importante de toda la keynote. No es glamoroso. También es una función que a tus usuarios y tu equipo legal les importará dentro de un año. Cubrí el problema de procedencia del contenido tangencialmente antes — esta es la respuesta.
No pagues por Gemini Spark hasta que hayas visto datos de uso reales. Estaré probándolo la semana que aterrice en la beta de EE.UU. El precio de entrada de 100 dólares es una apuesta en una categoría de producto que todavía no tiene base instalada. Observa reviews independientes. Espera dos semanas. Luego decide.
Audita tus datos estructurados de producto/contenido antes de que Universal Cart y Búsqueda Inteligente lleguen globalmente. Verano 2026 está más cerca de lo que parece. Si vendes algo en línea o publicas algo que depende del tráfico de búsqueda, la capa de agentes está leyendo tus datos estructurados, no tu texto de marketing. Asegúrate de que estén limpios.
Sáltate las gafas por ahora. Las gafas inteligentes solo de audio serán un producto nicho para la primera generación. Otoño 2026 es cuando la categoría se vuelve real — ese es el ciclo para evaluar, no el lanzamiento.
De qué se trató realmente la keynote
La única conclusión que me llevaría de Google IO 2026 — la que estaré pensando durante el próximo trimestre — es que la estructura de precios cuenta toda la historia.
Cuando una empresa pasa de precios basados en prompts a precios basados en compute, te está diciendo que espera que su usuario promedio comience a ejecutar cargas de trabajo, no conversaciones. Cuando baja el nivel superior de 250 a 200 dólares e introduce un nuevo nivel debajo a 100 dólares, te está diciendo que el techo de precio anterior era demasiado alto para reclutar la próxima ola de usuarios que necesitan. Cuando lanza un agente personal 24/7 al mismo tiempo que una aplicación de escritorio construida alrededor de la orquestación multi-agente, te está diciendo que los próximos dos años de competencia van a ocurrir en la capa de agentes, no en la capa de modelos.
Google no lanzó un chatbot más inteligente en IO 2026. Lanzaron la infraestructura para un mundo donde los chatbots ya no son el producto principal. El modelo es rápido y barato. El harness está construido para paralelismo. Los precios asumen trabajo en segundo plano. El hardware es ambiental. La capa de detección asume que los medios sintéticos están en todas partes.
Ese es el pivote. Y ya sea que lances algo con el stack de Google o no, el resto de la industria los seguirá hacia la misma forma. Anthropic ya está ahí. OpenAI se está moviendo. La capa de aplicación es donde se decidirá el próximo año de competencia en IA, y Google acaba de declarar que no lo van a perder sin pelear.
Escribiré un análisis profundo de Antigravity 2.0 una vez que haya lanzado un proyecto real a través de él. Hasta entonces, la pregunta que te dejaría es esta: cuando miras tu flujo de trabajo de IA actual — tus prompts, tus suscripciones, tus herramientas — ¿cuánto de ello todavía asume que el chatbot es el producto? Si la respuesta es "la mayoría", tienes seis meses para reconstruir antes de que el resto de la industria alcance la perspectiva de Google.
La era de los agentes no comenzó el 19 de mayo de 2026. Pero esa es la fecha en que la empresa de software más grande dejó de pretender lo contrario.
Preguntas frecuentes
¿Qué es Gemini Omni?
Gemini Omni es el nuevo modelo multimodal any-to-any de Google que toma cualquier combinación de texto, imagen, audio y video como entrada y produce cualquier combinación como salida. Omni Flash es el primer modelo público en el framework. Cada video generado por Omni lleva la marca de agua SynthID de Google. Para el desglose completo, consulta la sección de Gemini Omni arriba.
¿Qué tan rápido es Gemini 3.5 Flash comparado con otros modelos de frontera?
Gemini 3.5 Flash funciona aproximadamente cuatro veces más rápido que otros modelos de frontera en tokens de salida por segundo mientras supera a Gemini 3.1 Pro en casi todos los benchmarks. Obtuvo 76.2% en Terminal-bench 2.1 y 1656 en GDPval-AA, y fue co-optimizado con el harness Antigravity para flujos de trabajo agénticos.
¿Cuánto cuesta el nuevo plan Google AI Ultra?
El nuevo plan Google AI Ultra comienza en 100 dólares al mes, reemplazando el antiguo nivel superior de 250 dólares con un nivel de 200 dólares por encima. El plan de 100 dólares incluye límites de uso 5 veces más altos que AI Pro, 20 terabytes de almacenamiento en la nube, YouTube Premium, y acceso beta a Gemini Spark para suscriptores de EE.UU.
¿Qué es Gemini Spark?
Gemini Spark es un agente de IA 24/7 que funciona en VMs de Google Cloud en nombre de un usuario, se integra con MCP (Model Context Protocol), y recibirá integración con Chrome en verano de 2026. Se despliega como beta para suscriptores de Google AI Ultra en EE.UU. a partir de la semana después de IO 2026.
¿Cuándo se lanzan las funciones de Google IO 2026?
La mayoría de los anuncios para consumidores se lanzan en verano de 2026 (Docs Live, Universal Cart, Búsqueda Inteligente globalmente, integración Chrome para Spark). Las gafas inteligentes de audio de Samsung y Qualcomm se lanzan en otoño de 2026. Antigravity 2.0 y Gemini 3.5 Flash están disponibles inmediatamente para desarrolladores.
Trabajemos juntos
¿Buscas construir sistemas de IA, automatizar flujos de trabajo o escalar tu infraestructura tecnológica? Me encantaría ayudar.
- Fiverr (builds e integraciones personalizadas): fiverr.com/s/EgxYmWD
- Portfolio: mejba.me
- Ramlit Limited (soluciones empresariales): ramlit.com
- ColorPark (diseño y branding): colorpark.io
- xCyberSecurity (servicios de seguridad): xcybersecurity.io
