Filtraciones de Gemini 3.5 Pro: Google quiere recuperar la entrada de programación AI con Spark Agent

Fri, 15 May 2026 23:45:34 +0800

Gemini 3.5 Pro todavía no se ha lanzado oficialmente, pero las filtraciones a su alrededor ya están ganando fuerza.

La información actual gira alrededor de varios términos: Gemini 3.5 Pro, el nombre en clave Cappuccino, Gemini Spark, programación AI e integración de herramientas MCP. Todos apuntan en la misma dirección: Google no solo quiere actualizar otro modelo de chat. Quiere volver a conectar modelos, herramientas, Agents y puntos de entrada del ecosistema Google.

Antes de un lanzamiento oficial, todo esto debe tratarse como información filtrada. La señal importante no está en una captura concreta ni en un resultado de benchmark, sino en las carencias que Google podría estar intentando cerrar.

Por Qué Gemini 3.5 Pro Importa

Según la información expuesta, Gemini 3.5 Pro podría representar un salto de nombre.

Hasta hace poco se hablaba de Gemini 3.2, y luego apareció Gemini 3.5 Pro en filtraciones. Si el nombre es real, Google probablemente quiere contar una historia de versión más grande en la próxima presentación, no solo lanzar una actualización menor.

Los puntos filtrados se concentran principalmente en tres áreas:

mejoras continuas en programación y razonamiento;
mayor capacidad para generar SVG, páginas interactivas, animaciones y 3D;
un nuevo producto Agent, Gemini Spark, que podría pasar al primer plano.

Ninguna de estas direcciones sorprende. Gemini siempre ha enfatizado la multimodalidad, y Google tiene canales de distribución muy fuertes. La verdadera pregunta es si puede alcanzar el ritmo de OpenAI y Anthropic en herramientas para desarrolladores y flujos de trabajo tipo Agent.

La Programación Es La Asignatura Que Google Más Necesita Recuperar

En 2026, la programación ya no es solo un punto de evaluación de modelos. Se ha convertido en uno de los puntos de entrada de producto más directos.

La razón es simple: las herramientas de programación AI tienen uso frecuente y generan muchos datos de retroalimentación. Los desarrolladores piden a los modelos leer código, modificar código, ejecutar pruebas y corregir errores todos los días. Estas interacciones empujan de forma natural la siguiente generación de modelos y herramientas.

Durante el último año, Claude Code ha ganado mucha presencia entre desarrolladores, mientras OpenAI ha seguido reforzando la colaboración entre Codex y ChatGPT. Google tiene productos como Antigravity, pero su presencia externa no ha sido tan fuerte.

Por eso Gemini 3.5 Pro está bajo observación. Si solo chatea mejor o responde más rápido, el impacto será limitado. Si realmente mejora la comprensión de código, la edición entre varios archivos, las llamadas a herramientas y la ejecución de tareas largas, entonces sí puede cambiar flujos de trabajo de desarrollo.

Gemini Spark Puede Ser La Variable Más Grande

Más agresivo que el modelo en sí es el rumoreado Gemini Spark.

Según las filtraciones, Spark no se posiciona como un asistente de chat normal, sino como un AI Agent siempre activo. Podría conectarse a correo, calendario, páginas web, tareas, estado de cuenta y contexto personal para ayudar al usuario a manejar flujos de varios pasos.

Este tipo de producto abre mucho espacio de imaginación. Por ejemplo:

organizar automáticamente la bandeja de entrada;
hacer seguimiento de tareas para el usuario;
ejecutar acciones en páginas web;
manejar procesos entre aplicaciones;
organizar asuntos diarios según preferencias personales.

Pero los riesgos son igual de evidentes. Si un Agent siempre activo puede acceder al estado de sesión, datos del navegador, archivos, ubicación y servicios de terceros, debe responder varias preguntas: ¿cuándo debe confirmar el usuario una acción? ¿qué operaciones deben quedar prohibidas para la automatización? ¿se compartirán datos con terceros? ¿cómo se aíslan el navegador remoto y las credenciales?

Así que el punto clave de Spark no es solo si puede hacer trabajo por ti. Es si Google puede dejar suficientemente claros los permisos, la auditoría, los flujos de confirmación y el control del usuario.

Qué Sugiere La Integración De Herramientas MCP

Las filtraciones también mencionan que el nuevo selector de Gemini podría incluir modelos o entradas de prueba relacionadas con MCP.

Si esto llega al producto, sugiere que Google también está empujando los modelos desde un sistema de preguntas y respuestas hacia un sistema operativo de herramientas. El modelo ya no solo genera texto. Debe llamar herramientas externas, acceder a sistemas de negocio, leer y escribir archivos, ejecutar comandos y mantener estado de tarea entre varios pasos.

Es la misma dirección que siguen OpenAI y Anthropic. Quien logre llamadas a herramientas más estables tendrá más facilidad para insertar AI en flujos reales.

Pero la integración MCP no es el final. Lo difícil es la estabilidad:

si el modelo puede elegir la herramienta correcta;
si los parámetros son fiables;
si puede recuperarse tras un fallo;
si los límites de permisos están claros;
si el usuario puede rastrear cada paso.

Si estas preguntas no se resuelven, más herramientas también significan más superficie de error.

La Multimodalidad Sigue Siendo Una Carta Fuerte Para Google

El área donde Google tiene más opciones de diferenciarse sigue siendo la multimodalidad.

Según los ejemplos filtrados de SVG, páginas interactivas, animaciones y generación visual, Gemini podría seguir reforzando la capacidad de generar contenido interactivo a partir de prompts. Frente a escribir solo un fragmento de código, esto se acerca más al prototipado de producto: el usuario describe una idea y el modelo entrega directamente una interfaz operable, ajustable y previsualizable.

Esta ruta encaja bien con Google. Aprovecha las fortalezas multimodales de Gemini y también puede conectarse con Android, Chrome, Workspace, Search, Ads y Cloud.

Si Google quiere evitar competir solo en “qué modelo programa mejor”, probablemente pondrá más peso en un sistema Agent multimodal más completo.

Las Tres Compañías Empiezan A Diferenciar Sus Jugadas

La competencia actual de grandes modelos ya no es solo una competencia de rankings.

La ventaja de OpenAI está en la velocidad de iteración de producto y distribución. Codex, ChatGPT, herramientas empresariales y APIs están cada vez más conectados.

La ventaja de Anthropic está en la mente de los desarrolladores y en la calidad de sus modelos de código. Claude Code ya se ha convertido en el punto de entrada de programación AI por defecto para muchas personas.

La ventaja de Google es el acceso al ecosistema. Gmail, Docs, Chrome, Android, Search, YouTube, Maps y servicios cloud forman una enorme red de datos personales y empresariales. Si los Agents pueden conectarse a estos puntos de entrada de forma segura, Google puede pasar de ser un “perseguidor de modelos” a controlar entradas de flujo de trabajo.

Por eso Gemini Spark merece atención. No necesita quedar primero en todos los benchmarks. Si logra entrar en los flujos diarios, puede construir su propio foso.

Cómo Deberían Leer Esto Los Usuarios Comunes

Para usuarios comunes, no hace falta dejarse arrastrar por cada filtración a corto plazo.

Los puntos prácticos a observar son tres:

Si la capacidad de programación de Gemini 3.5 Pro mejora de verdad, especialmente en repositorios complejos, contexto largo y llamadas a herramientas.
Si Gemini Spark es seguro por defecto, con confirmación clara y registros rastreables antes de operaciones sensibles.
Si Google ofrece precios, cuotas y gestión de permisos empresariales claros, no solo demos llamativas.

Generar unas cuantas capturas bonitas tiene valor limitado. Poder conectarse de forma estable a flujos reales es la línea divisoria de esta generación de productos AI Agent.

Qué Significa Para Desarrolladores

Los desarrolladores deberían preocuparse menos por “qué modelo ganó” y más por si su flujo de trabajo es portable.

Claude Code, Codex, Gemini, Antigravity, Cursor, Windsurf y muchas otras herramientas compiten por el punto de entrada. Si todos los procesos quedan atados a una sola plataforma, cualquier cambio futuro de coste, cuota, política de modelo o regla de permisos hará dolorosa la migración.

Una postura más segura es:

mantener flujos Git estándar en proyectos importantes;
revisar siempre el diff después de ediciones automáticas;
usar pruebas y CI como respaldo para tareas clave;
no entregar credenciales de producción a Agents opacos;
cuando se puedan conectar herramientas con protocolos abiertos, preferir opciones reemplazables.

Los modelos seguirán mejorando, pero la disciplina de ingeniería no quedará obsoleta.

Resumen

Las filtraciones de Gemini 3.5 Pro sugieren que Google está acelerando para cerrar brechas en programación AI y puntos de entrada tipo Agent. La mejora del modelo es solo una parte; Agents siempre activos como Gemini Spark podrían ser el movimiento estratégico más grande.

Pero cuanto más puede un sistema “hacer cosas automáticamente” por el usuario, más necesita límites estrictos de permisos y flujos verificables. Para Google, el reto real no es solo alcanzar a GPT-5.5 o Claude. Es combinar modelos fuertes, mecanismos de seguridad y entradas de ecosistema en un flujo diario confiable.

Si lo consigue, Gemini no necesitará liderar todos los rankings para recuperar parte de la iniciativa en los puntos de entrada de AI.

Model Competition on KnightLi Blog