Google DeepMind adelanta el lanzamiento de Gemini 4 a fechas no especificadas
Koray Kavukcuoglu confirma que el modelo está en post-entrenamiento y se probra en herramientas internas, buscando una salida antes de fin de año.
Google DeepMind prepara el lanzamiento de Gemini 4 para fechas anteriores al cierre del año, según confirmó Koray Kavukcuoglu, el nuevo responsable del laboratorio. El modelo se encuentra actualmente en la fase de post-entrenamiento, donde los ingenieros refinan su comportamiento y evalúan su seguridad. La decisión de adelantar el calendario llega tras la reestructuración de agosto, cuando Demis Hassabis cedió la gestión diaria al equipo de Kavukcuoglu, asumiendo este la entrega del proyecto.
En su primera aparición pública tras tomar el cargo, durante la conferencia AI Agenda Live, Kavukcuoglu señaló que la intención es liberar "lo antes posible" una salida temprana del post-entrenamiento, ya que los resultados internos les permiten verse con confianza. No obstante, no ofreció una fecha concreta. La compañía también está probando el modelo dentro de su herramienta de codificación Antigravity.
Competencia directa
El contexto del anuncio está marcado por la presión de la competencia. A lo largo del año, el modelo insignia de Google ha quedado por detrás de sus versiones más económicas; en julio, informes indicaban que el próximo Gemini Pro estaba meses detrás de lo previsto debido a resultados de codificación insuficientes. Para agosto, el modelo Flash de bajo coste estaba dos versiones por delante de la línea principal.
Mientras tanto, los rivales han movido ficha este mes. Anthropic lanzó Claude Opus 5.5 el 22 de septiembre, y OpenAI redujo a la mitad los precios de GPT-6 con sus modelos Sol y Luna. Ante las preguntas sobre si Google se había quedado rezagado, Kavukcuoglu respondió con confianza: "Tengo la máxima confianza en el equipo. En mi mente, es una certeza que siempre estaremos en la frontera".
Para los equipos de TI, la relevancia radica en la inminente disponibilidad de un nuevo frontera en LLMs. La transición de la fase de entrenamiento a la de post-entrenamiento sugiere que las pruebas de estrés en entornos de producción están cerca, lo que podría obligar a reevaluar las arquitecturas de integración y los costes de inferencia en los próximos trimestres.
