Google falló su TERCER deadline con Gemini 3.5 Pro y se evaporaron $225,000 millones: la crisis interna de DeepMind explicada al chile

Si hay una empresa que debería tener todo para ganar la carrera de la IA, esa es Google. Tienen la infraestructura, los datos, el cómputo y décadas de investigación. Y aun así, lleva tres deadlines seguidos sin poder lanzar su modelo flagship. No es mala suerte: algo está bien jodido por dentro.

Tres fechas, cero lanzamiento

La historia empieza en Google I/O el 19 de mayo de 2026. Sundar Pichai prometió en el escenario que Gemini 3.5 Pro llegaría en junio. Promesa pública, en cámara, a los developers del mundo. Junio llegó y se fue sin modelo.

Para julio, el equipo se puso una nueva fecha: el 17 de julio. Bloomberg reportó el 16 de julio de 2026 (no el 15) que el modelo había sido retrasado. Sin nueva fecha de lanzamiento. Sin comunicado oficial explicando qué pasó. Nada.

Lo que sí trascendió es que esto no era un delay normal de “necesitamos más tiempo para pulir”. Era más serio: Google DeepMind ordenó un reinicio completo del pre-entrenamiento desde cero. Eso implica tirar semanas o meses de trabajo y empezar de nuevo sobre una base diferente (el modelo Gemini 3 nativo en lugar de la arquitectura original que tenían).

Qué fue lo que tronó técnicamente

Los ingenieros encontraron dos fallas estructurales que no se podían reparar con fine-tuning ni ajuste fino post-entrenamiento. La primera: herramientas recursivas. En ambientes de agentes donde un modelo llama a una herramienta, usa ese resultado para llamar a otra y así encadena docenas de pasos, el modelo se rompía. Perdía consistencia, hallucinations por todos lados.

La segunda: generación de SVG complejos. Cuando intentaba producir gráficos vectoriales con múltiples capas y estructuras anidadas, el output dejaba de ser coherente. No es que generara cosas feas: es que el modelo no mantenía la estructura lógica del documento.

Esas dos fallas no son cosméticas. Son el tipo de cosas que un modelo flagship necesita hacer bien para competir con GPT-5.6. Y según reportes de pruebas internas, el modelo reconstruido tampoco alcanzó los estándares: hallucinations frecuentes, rendimiento de codificación por debajo del target, y resultados peores que los de la competencia en benchmarks clave.

Como escribimos cuando Gemini 3 Deep Think llegó con 100% en olimpiadas de matemáticas, Google había demostrado que sí puede construir modelos de razonamiento de primer nivel. El problema con 3.5 Pro es diferente: no es razonamiento puro, es confiabilidad y consistencia en tareas agénticas, y ahí es donde están fallando.

Cuatro investigadores en una semana

La parte que más duele no es el modelo. Es lo que pasó la semana del 18 de junio: cuatro investigadores senior de DeepMind se fueron en siete días.

El 18 de junio, Noam Shazeer anunció su salida a OpenAI. Si el nombre no te dice nada, te lo traduzco: este wey es co-autor de “Attention Is All You Need”, el paper de 2017 que inventó la arquitectura Transformer que está detrás de prácticamente todos los modelos de lenguaje que existen hoy. Era co-líder del proyecto Gemini. Google lo había recontratado en 2024 pagando $2,700 millones para adquirir su startup Character.ai junto con parte del equipo. Duró 22 meses antes de irse a la competencia directa.

Al día siguiente, 19 de junio, John Jumper anunció su salida a Anthropic. Jumper es el creador de AlphaFold, el sistema que resolvió el problema del plegamiento de proteínas que la biología llevaba décadas sin poder descifrar. En 2024 ganó el Premio Nobel de Química por ese trabajo. Estuvo nueve años en DeepMind. Nueve años.

Y para el 24 de junio, Bloomberg reportó (no Fortune) que Jonas Adler y Alexander Pritzel se irían a Anthropic. Adler era líder de IA de codificación en el equipo de Gemini. Pritzel, especialista en pre-entrenamiento. O sea, las dos personas más directamente responsables de las áreas donde Gemini 3.5 Pro está fallando.

Una rajada total, en todos los sentidos del término.

$225 mil millones que se evaporaron

Los mercados no fueron amables. Alphabet perdió aproximadamente $225 mil millones en capitalización de mercado en las semanas que siguieron a las salidas y al tercer delay. Las acciones cayeron cerca de 7% el 22 de junio cuando se confirmaron las salidas. El máximo histórico en 2026 fue $408.61 el 18 de mayo (no $402.38).

Para poner esto en perspectiva: Google pagó $2,700 millones para traer a Shazeer de regreso en 2024. Ese mismo movimiento, combinado con el fracaso del modelo, le costó a los inversionistas cien veces más en valor de mercado.

No es solo la fuga de talento: los inversionistas también están procesando que Google anunció un gasto de capital de $180-190 mil millones para 2026, una apuesta brutal en infraestructura de IA que hasta ahora no ha producido el producto que se prometió.

El plan stopgap: Gemini 3.6 Flash

Google no puede quedarse sin respuesta mientras reconstruye su modelo principal. La estrategia es lanzar versiones intermedias: Gemini 3.6 Flash y Gemini 3.5 Flash Light como puentes. No son el Pro, pero mantienen el ecosistema de API activo y dan algo a los developers mientras el equipo intenta resolver los problemas de fondo.

Search Engine Journal documentó cómo la salida de los investigadores pone en duda si Google puede mantenerse en la delantera. Los modelos Flash tienen mérito propio: el Gemini 3.5 Flash supera al 3.1 Pro en varios benchmarks de codificación, con ventana de contexto de un millón de tokens. Pero no es lo que se prometió.

¿Qué tan grave es esto?

La neta, lo que está pasando en DeepMind no es solo un delay de producto. Es una señal de que la ventaja que Google construyó durante años en investigación de IA se está erosionando desde adentro. Cuando las personas que literalmente inventaron la tecnología base se van a la competencia, no hay parche técnico que lo resuelva rápido.

OpenAI tiene a Shazeer. Anthropic tiene a Jumper, Adler y Pritzel. Google tiene el modelo que no pasa benchmarks.

Hay quien dice que Google tiene recursos suficientes para recuperarse: infraestructura propia, TPUs, datos de búsqueda que nadie más tiene. Puede que sí. Pero cada mes que pasa sin lanzar Gemini 3.5 Pro es un mes donde GPT-5.6 y Claude Fable 5 están cerrando contratos enterprise, captando developers y construyendo el hábito del usuario.

La competencia en IA no espera a que nadie arregle su código de SVG.

---

Fuentes

• 9to5Google: Gemini 3.5 Pro delays due to coding performance
• The Agent Report: $225B wiped off Alphabet as DeepMind talent exodus deepens
• Fortune: As top talent leaves Google DeepMind, some question if the lab can remain at the forefront
• Search Engine Journal: Google Loses Two Top AI Researchers To OpenAI & Anthropic
• Yahoo Finance: Google loses $270B in market cap over concerns its falling behind rivals
• Enterprise DNA: Gemini 3.5 Pro: Third Delay, Stopgap 3.6 Flash Coming
• TechTimes: Rebuilt Gemini 3.5 Pro Misses Third Deadline