Google retrasa meses el lanzamiento de Gemini 3.5 Pro tras un reentrenamiento fallido
Google volvió a retrasar el lanzamiento amplio de Gemini 3.5 Pro, prometido para junio de 2026 por el CEO de Alphabet, Sundar Pichai, en el Google I/O. Según Bloomberg, citada por 9to5Google el 16 de julio de 2026, un reentrenamiento de datos realizado a fines de junio no logró corregir las fallas del modelo en programación y razonamiento complejo.
El plazo que no se cumplió
En el Google I/O de mayo de 2026, el CEO de Alphabet, Sundar Pichai, prometió que Gemini 3.5 Pro, el modelo de frontera de la compañía, llegaría en versión amplia para junio de 2026. Desde entonces quedó restringido a una vista previa limitada. No llegó. Según una investigación de Bloomberg, citada por 9to5Google el 16 de julio de 2026, Google actualizó los datos de entrenamiento del 3.5 Pro a fines de junio en un intento por corregir sus debilidades en programación, pero las pruebas internas volvieron a decepcionar. Un portavoz de Google confirmó a la prensa que la empresa está probando actualmente 3.5 Pro, un modelo Flash mejorado y otros modelos con socios, y que sigue lanzando rápidamente una amplia gama de modelos, manteniéndolos altamente rentables para los clientes. No hay una nueva fecha pública de lanzamiento amplio.
Programación, razonamiento y un reentrenamiento que no cerró la cuenta
Los reportes que sustentan esta historia, Bloomberg, Search Engine Journal, Android Authority, Android Headlines y Technology.org, coinciden en un diagnóstico: el modelo sigue por debajo de lo esperado en tareas de programación y en razonamiento complejo de largo horizonte, la capacidad de mantener coherentes múltiples pasos lógicos a lo largo de una tarea extensa. El reentrenamiento de datos de fines de junio fue un intento directo de atacar el primer problema, programación, pero no resolvió ni ese ni el segundo. Según Android Authority y Bloomberg, parte del retraso tiene raíces organizacionales: DeepMind, Google Cloud, Android y Search desarrollan, cada uno, herramientas de codificación con IA que se superponen, generando prioridades en conflicto entre equipos y retrasando la ejecución. También se mencionan restricciones de capacidad computacional como factor adicional.
Para quienes programan y automatizan con IA, Gemini 3.1 Pro sigue siendo la referencia
Para pymes y agencias de automatización de marketing y atención al cliente que dependen de modelos de frontera para generar código, integrar sistemas u orquestar agentes, la noticia práctica es simple: el modelo en producción en el plan Pro de Google sigue siendo Gemini 3.1 Pro, lanzado en febrero de 2026. No hay indicios de cuándo cambiará eso. Cualquier plan de producto, precio u oferta comercial construido sobre la expectativa de un Gemini 3.5 Pro disponible en junio de 2026 debe revisarse. La lección va más allá de Google: los anuncios de modelos de frontera en keynotes y eventos como el I/O son declaraciones de intención, no fechas de ingeniería cerradas. Los equipos técnicos que planifican hojas de ruta de producto sobre lanzamientos aún no confirmados en vista previa amplia corren el riesgo de retrasar sus propias entregas a los clientes.
Implicaciones prácticas para elegir modelo
En la práctica, las agencias y pymes brasileñas que ejecutan automatizaciones de atención y marketing sobre la API de Google deben mantener a Gemini 3.1 Pro como base operativa hasta que haya una señal clara de disponibilidad general de 3.5 Pro, y no solo vista previa con socios seleccionados. Para la programación asistida por IA en particular, vale la pena comparar con alternativas que ya avanzaron en el ranking en las últimas dos semanas, como GPT 5.6 de OpenAI, lanzado el 9 de julio de 2026, y Kimi K3 de Moonshot AI, lanzado el 16 de julio de 2026, antes de asumir que el próximo modelo de Google resolverá los cuellos de botella de programación en el corto plazo.
La carrera se puso más ajustada, y Google corre para no quedar atrás
El retraso de Gemini 3.5 Pro no es un tropiezo aislado, es un síntoma. Mientras Google reescribe datos de entrenamiento intentando destrabar programación y razonamiento, OpenAI y Moonshot AI ya lanzaron modelos que avanzan en el ranking competitivo. Históricamente, la ventaja favoreció a quien llega primero con previsibilidad de plazos, no solo a quien llega con el modelo más fuerte. Si la complejidad organizacional interna, DeepMind, Cloud, Android y Search compitiendo por prioridad, sigue pesando más que la presión externa de los competidores, Google corre el riesgo de convertir su ventaja de escala en un obstáculo de coordinación. Para el mercado de pymes y agencias, el mensaje es doble: diversificar proveedores de modelos y tratar toda fecha de lanzamiento como una estimación, no como un compromiso.