Google presentó una actualización mayor para Gemini 3 Deep Think, su modelo especializado en razonamiento altamente complejo. Con esta nueva versión, la gran G, busca resolver desafíos en áreas donde las respuestas no son únicas o la data no está completa.
La herramienta está disponible para los suscriptores de Google AI Ultra en la aplicación de Gemini. Además, por primera vez se abre el acceso vía API para un grupo seleccionado de investigadores y empresas.
Hitos en razonamiento y desempeño técnico de Gemini 3 Deep Think
El modelo utiliza una arquitectura de “Sistema 2” que le permite evaluar múltiples rutas lógicas antes de responder. Esto reduce errores en tareas que requieren alta precisión, como la programación competitiva o la física teórica.
En IA, la arquitectura de “Sistema 2” describe diseños que priorizan el análisis lógico y la planificación secuencial sobre la respuesta inmediata. Estos modelos integran módulos de razonamiento explícito, permitiéndoles detenerse a procesar estrategias complejas ante situaciones nuevas o ambiguas.
En las pruebas de referencia, Deep Think alcanzó un 84.6% en ARC-AGI-2, un benchmark diseñado para medir razonamiento abstracto genuino. También se observa una puntuación Elo de 3455 en Codeforces, situándose en el rango de Gran Maestro Legendario.
Según detalla la publicación original, el modelo va más allá de capacidades teóricas, sino que ha demostrado su alta competencia en entender literatura científica compleja. Esto se debe a su forma de procesar; lo hace mediante lógica formal, ideal para reconocer inconsistencias, que no son detectadas por la lógica humana clásica.
Validación en matemáticas y física teórica
La aplicación de este razonamiento profundo ha permitido identificar errores sutiles en investigaciones de alto nivel. Un caso que documenta Google ocurrió con la Universidad de Rutgers durante la revisión de un artículo sobre física de altas energías.
Lisa Carbone, matemática de dicha institución, utilizó el modelo para analizar un “paper” técnico. La herramienta detectó un fallo lógico en una demostración que había pasado desapercibida durante la revisión por pares tradicional.
“El modelo señaló que los hallazgos eran matemáticamente incorrectos tal como estaban planteados. Además, proporcionó tres razones definitivas sobre por qué los argumentos no se sostenían”.
Lisa Carbone, matemática de Rutgers University.
Este tipo de asistencia es crítica para acelerar el ciclo de publicación y asegurar la integridad de los avances científicos. El sistema actúa como un colaborador que verifica pasos intermedios en demostraciones largas y densas.
Optimización en ciencia de materiales
Más allá de la teoría, el Deep Think se integra en laboratorios para resolver problemas de fabricación experimental. En la Universidad de Duke, el equipo del Laboratorio Wang aplicó la herramienta para mejorar el crecimiento de cristales.
El objetivo era sintetizar películas delgadas con un grosor superior a 100 micras. El modelo analizó literatura previa y sugirió una “receta” experimental que logró cristales de 130 micras, un récord para ese laboratorio.
“Fuimos capaces de cultivar estas películas con un grosor de 130 micras, lo que es un récord para nuestro laboratorio. El sistema analizó literatura previa y propuso una receta experimental específica”.
La capacidad de sintetizar variables físicas y químicas permite a los investigadores saltar iteraciones de prueba y error. Esto reduce significativamente el tiempo necesario para alcanzar condiciones experimentales que son óptimas en ingeniería de materiales.
Prototipado y diseño de hardware
En el ámbito del desarrollo de productos físicos, la model permite la transición del concepto al objeto real. El departamento de Plataformas y Dispositivos de Google probó el modelo para acelerar el diseño de componentes mecánicos.
Anupam Pathak, líder de I+D en dicha división, empleó el sistema para convertir bocetos manuales en archivos listos para fabricación. El software interpreta el dibujo, modela la forma compleja y genera el archivo para impresión 3D.
“Toma mi boceto dibujado a mano, comprende la forma compleja y luego genera el archivo para la impresión 3D. Esto permite iterar diseños mecánicos mediante una conversación simple”.
Anupam Pathak de Google
