Google presentó una actualización importante de Gemini 3 Deep Think, el modo de razonamiento especializado de su familia de modelos, orientado a resolver problemas complejos en ciencia, investigación y disciplinas de ingeniería. La compañía describe esta versión como un avance que combina rigor matemático con utilidad práctica, en un momento en el que los modelos de IA se utilizan cada vez más para explorar hipótesis, analizar datos incompletos y apoyar procesos experimentales que tradicionalmente requieren meses de trabajo humano.
El desarrollo de esta actualización se realizó en colaboración con científicos y grupos de investigación que trabajan en áreas donde los datos son escasos o difíciles de estructurar. Google sostiene que muchos de los desafíos actuales en física, química o matemáticas avanzadas no cuentan con soluciones únicas ni con conjuntos de entrenamiento amplios, por lo que un modelo capaz de razonar con información incompleta puede resultar especialmente útil. Deep Think busca situarse en ese espacio, combinando conocimientos teóricos con la capacidad de generar propuestas aplicables en laboratorios y entornos de ingeniería.
Los primeros casos de uso compartidos por la compañía ilustran ese enfoque. En la Universidad Rutgers, la matemática Lisa Carbone utilizó Deep Think para revisar un artículo técnico relacionado con estructuras matemáticas empleadas en física de altas energías. El modelo identificó un error lógico que había pasado desapercibido durante la revisión por pares, un ejemplo de cómo la IA puede complementar procesos académicos sin reemplazar la evaluación humana. En la Universidad Duke, un laboratorio de materiales empleó el modelo para optimizar métodos de crecimiento cristalino, logrando diseñar un procedimiento para obtener películas delgadas superiores a 100 micrómetros, un objetivo que había resultado difícil de alcanzar con técnicas previas. En el ámbito de la ingeniería aplicada, equipos internos de Google lo utilizaron para acelerar el diseño de componentes físicos, modelando geometrías complejas a partir de bocetos y generando archivos listos para impresión 3D.
Además de estos casos prácticos, Google destacó el rendimiento del modelo en pruebas académicas y de programación competitiva. Deep Think alcanzó nuevos registros en benchmarks como Humanity’s Last Exam, ARC‑AGI‑2 y Codeforces, y mostró resultados de nivel olímpico en matemáticas, física y química. Aunque estas métricas no reflejan por completo su desempeño en entornos reales, sí indican avances en razonamiento estructurado y resolución de problemas abstractos, dos áreas que históricamente han sido difíciles para los modelos generativos.
La actualización también amplía su alcance a dominios científicos más amplios, como química teórica y física del estado sólido. En pruebas especializadas, el modelo demostró capacidad para interpretar ecuaciones complejas, analizar configuraciones experimentales y proponer enfoques alternativos cuando los datos disponibles son limitados. Google plantea que esta versatilidad puede resultar útil para investigadores que necesitan explorar múltiples rutas posibles antes de decidir qué experimentos llevar al laboratorio.
Deep Think no se limita al análisis conceptual. La compañía lo presenta como una herramienta capaz de impulsar aplicaciones prácticas, desde la interpretación de datos ruidosos hasta la simulación de sistemas físicos mediante código. En este sentido, Google afirma que el modelo puede ayudar a reducir tiempos de iteración en ingeniería, especialmente en tareas que requieren modelado matemático o generación de prototipos digitales.
La actualización está disponible para suscriptores de Google AI Ultra dentro de la aplicación Gemini. Por primera vez, también se abre un programa de acceso anticipado a través de la API, dirigido a investigadores, ingenieros y empresas interesadas en probar el modelo en sus propios flujos de trabajo. Google señala que su intención es acercar Deep Think a quienes trabajan en problemas donde la IA puede aportar valor inmediato, ya sea en la revisión de teorías, el diseño de materiales o la creación de componentes físicos.
Con esta versión, la compañía busca posicionar a Gemini 3 Deep Think como una herramienta capaz de operar en el límite entre la teoría y la aplicación, en un momento en el que la investigación científica y la ingeniería comienzan a incorporar modelos de IA no solo como asistentes, sino como colaboradores capaces de explorar alternativas, detectar inconsistencias y proponer soluciones en dominios altamente especializados.
Fuente: blog de Google | Editado por CDOL
