El modelo que nunca llega: el Gemini 3.5 Pro de Google incumple otro plazo

Una fecha de lanzamiento que pasó de largo, en silencio

La noticia de IA más relevante de las últimas 48 horas no es un modelo que se lanzó. Es uno que no lo hizo.

El 16 de julio, Bloomberg informó que Google lleva meses de retraso con Gemini 3.5 Pro, el modelo insignia que Sundar Pichai anunció a los desarrolladores en la conferencia I/O de mayo como algo que llegaría "el mes que viene". Junio pasó. También la mitad de julio. Al momento de escribir esto, Gemini 3.5 Pro no ha sido lanzado.

Google no negó el retraso. Un vocero declaró a Bloomberg: "Actualmente estamos probando 3.5 Pro, una versión mejorada de Flash y otros modelos con socios, y mantenemos una colaboración productiva con el gobierno de EE. UU. en torno a las pruebas de modelos y a marcos más amplios". Eso es una confirmación disfrazada de informe de avance. No contiene ninguna fecha de lanzamiento.

La razón declarada es concreta y específica, lo que la vuelve más interesante que un retraso genérico. Según Bloomberg, las capacidades de programación del modelo no alcanzaron las expectativas internas. Google actualizó los datos de entrenamiento a fines del mes pasado justamente para corregir esto y —en palabras de una persona citada en el reportaje— "los resultados fueron decepcionantes".

Por qué la programación fue la métrica que decidió esto

Vale la pena detenerse en aquello por lo que Google decidió frenar un modelo insignia.

No fueron las evaluaciones de seguridad. Ni el razonamiento multimodal. Ni la longitud de contexto. Fue la programación. En 2026, la generación de código se ha convertido en el punto de referencia estructural para los modelos de frontera, porque es la capacidad que se traduce más directamente en ingresos empresariales y en fidelización de desarrolladores. Además, a diferencia de la mayoría de los benchmarks, es brutalmente verificable: el código corre o no corre, las pruebas pasan o no pasan. Se puede maquillar con marketing una evaluación difusa. No se puede maquillar un agente que escribe un parche que rompe la compilación.

Pichai ya cedió terreno públicamente. Como señala Search Engine Journal, él mismo reconoció antes que Google estaba "un poco atrás" en programación agéntica frente a la competencia. El retraso se lee como la negativa de Google a lanzar un modelo insignia que volvería medible esa admisión.

Hay una lectura defendible aquí, y quiero darle su justo peso: lanzar un modelo que uno sabe que rinde por debajo justo en la capacidad que todo el mundo probará de inmediato es peor que lanzarlo tarde. Google ya pasó por esto. Un lanzamiento apresurado que queda desarmado en 72 horas hace más daño duradero a la marca que un retraso que genera un mal ciclo de noticias.

La historia organizacional detrás de la técnica

El dato más dañino del reportaje de Bloomberg no es el déficit en los benchmarks. Es la explicación de por qué resulta difícil corregirlo.

El reportaje describe una complejidad estructural dentro de Google —DeepMind, Google Cloud, Android y Search desarrollando simultáneamente herramientas de programación con IA que se superponen— con prioridades cambiantes y responsabilidades en competencia entre equipos que ralentizan la ejecución. PYMNTS resumió la misma dinámica como múltiples capas internas de partes interesadas involucradas en preparar el lanzamiento de un modelo, más facciones rivales construyendo herramientas de programación separadas.

El relato de Bloomberg se basó en empleados actuales y antiguos —Search Engine Journal cifra el número en diez— y describe el retraso como una fuente de frustración entre ingenieros, investigadores y gerentes de Google, muchos de los cuales temen que la compañía corra el riesgo de perder su ventaja mientras Anthropic y OpenAI lanzan modelos que superan las capacidades de Gemini.

Esa última frase es la parte que Google no puede arreglar con más datos de entrenamiento. Una brecha de capacidades es un problema de ingeniería. Una brecha de capacidades que diez personas de adentro están dispuestas a describirle a Bloomberg es un problema de moral, y los problemas de moral en los laboratorios de IA se expresan como salidas, que a su vez se expresan como más brechas de capacidades.

Qué tiene Google realmente en el mercado ahora mismo

Este es el estado de situación, ciñéndonos estrictamente a lo confirmado.

Gemini 3.5 Flash —anunciado junto con la promesa del Pro a mediados de mayo— es el único modelo lanzado de la línea 3.5. No es un sustituto provisional en ningún sentido relevante: según PYMNTS, se convirtió en el modelo por defecto en toda la app de Gemini y en el Modo IA de Search, dando servicio a una aplicación con más de 900 millones de usuarios mensuales en 230 países. 9to5Google señala que Gemini 3.1 Pro se lanzó en febrero de 2026, así que el nivel Pro no está ausente, solo desactualizado.

Esto importa para calibrar la alarma. La superficie de IA de consumo de Google no se ve degradada por este retraso: Flash la sostiene, a una escala enorme. Las funciones de IA de Search no están afectadas. Lo que sí está afectado es la parte alta del embudo de desarrolladores: el modelo al que recurres cuando la tarea es difícil, cuando estás construyendo un agente, cuando decides sobre la API de qué laboratorio se estandariza tu empresa. Ese es el segmento donde estar a nueve meses del último lanzamiento Pro representa un costo real.

Está confirmado que una versión mejorada de Flash se encuentra en pruebas con socios. Medios secundarios han informado que Google registró nombres que sugieren lanzamientos provisorios, y han caracterizado esto como un tercer plazo incumplido con problemas persistentes de alucinaciones. Esos detalles específicos no están confirmados por el reportaje de Bloomberg ni por Google, y deben tratarse como no verificados.

Expectativa contra realidad

Circulan tres afirmaciones que conviene separar.

Real: Gemini 3.5 Pro está retrasado, la razón es el rendimiento en programación, Google confirmó que sigue en pruebas y no hay fecha anunciada. Todo esto consta oficialmente.

Real, pero fácil de exagerar: la reacción del mercado. CNBC informó que las acciones de Alphabet cayeron con la noticia. Los movimientos de un solo día ante un titular sobre el retraso de un modelo son sentimiento, no un veredicto sobre la posición de Google en IA: una compañía con 900 millones de usuarios mensuales de Gemini y su propia infraestructura de TPU no es frágil porque se le haya corrido un lanzamiento.

Exagerado: enmarcar esto como que Google está perdiendo la carrera de la IA. La evidencia respalda una afirmación específica y acotada —Google está atrás en programación de frontera y lo sabe—, no un colapso general. Quien extrapole de "el modelo Pro llega tarde" a "DeepMind está roto" va mucho más allá de lo que dicen las fuentes.

Hay, sin embargo, un ángulo genuinamente subestimado. El informe de 9to5Google también menciona la cifra ampliamente citada de que, a abril de 2026, cerca del 75 % del código nuevo en Google es generado por IA y aprobado por ingenieros. Si el propio modelo de Google se queda corto en programación, y la propia ingeniería de Google depende cada vez más de código generado por IA, el retraso no es solo un problema de producto. Es una apuesta a la velocidad interna de la compañía que aún no ha rendido frutos.

En resumen

El hecho esclarecedor de esta historia es que Google eligió el retraso. Una compañía bajo semejante presión competitiva, con un CEO que prometió públicamente una fecha en junio, decidió que lanzar un modelo Pro con un rendimiento en programación por debajo del objetivo era peor que la humillación de acumular tres meses de demora y sumando. Eso es un juicio sobre cuán a fondo evalúa hoy el mercado la capacidad de programación, y con qué rapidez queda expuesto un modelo insignia débil.

Si fue la decisión correcta depende de algo que ninguna cobertura periodística puede decirnos: si el próximo intento supera la vara. Si Gemini 3.5 Pro finalmente se lanza y es genuinamente competitivo en programación agéntica, esta semana se leerá como disciplina. Si llega tarde y apenas aceptable, Google habrá pagado el costo del retraso sin obtener nada a cambio.

El detalle que yo vigilaría no es la fecha de lanzamiento. Es si se aborda la fragmentación organizacional que describieron las fuentes de Bloomberg: cuatro divisiones construyendo herramientas de programación superpuestas. Un modelo se puede reentrenar. Una estructura que produce modelos tardíos tiende a producir más de ellos.