Publicidad

Google propone que la IA más potente planifique y un modelo barato ejecute el código

Las herramientas de programación asistida por inteligencia artificial afrontan un problema cada vez más importante: no todas las tareas necesitan el mismo nivel de capacidad. Pedir a un modelo avanzado que resuelva cada línea de código puede ofrecer buenos resultados, pero también eleva el consumo de tokens, el coste y, en algunos casos, el tiempo de respuesta.

Google quiere abordar esta situación con Orchestrator, un sistema integrado en Antigravity que distribuye el trabajo entre varios modelos. La propuesta es sencilla: el modelo más capaz analiza el problema y diseña la estrategia, mientras que otro más económico se encarga de ejecutar las instrucciones. Si algo se complica, el sistema puede devolver el control al modelo superior.

Un modelo para pensar y otro para hacer

El funcionamiento de Orchestrator se basa en una separación entre planificación y ejecución. Los modelos de mayor capacidad se ocupan de interpretar los requisitos, dividir el trabajo en pasos y decidir cuál es la mejor forma de resolverlo. Después, un modelo más ligero genera código, modifica archivos o lanza las acciones necesarias.

La diferencia puede entenderse con un ejemplo sencillo. El modelo avanzado actúa como un arquitecto que diseña un edificio y establece cómo debe construirse. El modelo económico desempeña el papel del equipo encargado de levantarlo siguiendo esas instrucciones. No obstante, la relación no es completamente rígida: si la ejecución se atasca o aparece un problema inesperado, el sistema puede solicitar de nuevo la intervención del modelo más potente.

Esta estrategia pretende evitar que una tarea relativamente rutinaria consuma los recursos de un modelo de frontera. En programación, muchas operaciones consisten en aplicar cambios concretos, crear archivos, ejecutar pruebas o corregir errores sencillos. Para estos pasos, un modelo más rápido y barato puede ser suficiente.

Qué modelos utiliza Google Antigravity

El nuevo Orchestrator llega a la aplicación y a la línea de comandos de Antigravity junto con Gemini 4 Hydrogen. El sistema puede emplear los modelos superiores Argon o Carbon para el razonamiento y Hydrogen para la implementación.

Google ofrece dos variantes del sistema: Orchestrator (Carbon) y Orchestrator (Argon). La primera está orientada a los usuarios de Google AI Ultra, que tienen acceso a las dos modalidades. La segunda también está disponible para los suscriptores de Google AI Pro. En el ámbito profesional, la compañía plantea su uso mediante Gemini for business.

El objetivo no es únicamente reducir la factura. Al delegar las tareas mecánicas en un modelo más ligero, la herramienta también puede completar antes determinadas operaciones. La IA avanzada se reserva para los momentos en los que realmente aporta valor: comprender un proyecto complejo, tomar decisiones técnicas o resolver bloqueos.

Una idea que ya aparece en otras herramientas

La selección automática de modelos no es exclusiva de Google. Anthropic cuenta en Claude Code con una modalidad denominada opusplan, que emplea Opus para planificar y Sonnet para generar e implementar el código. La combinación sigue el mismo principio: utilizar un modelo de altas capacidades para el razonamiento y otro más eficiente para la ejecución.

En otras plataformas, como ChatGPT Codex, no existe necesariamente un orquestador equivalente integrado de la misma forma. Sin embargo, el usuario puede ajustar manualmente el nivel de esfuerzo de razonamiento o indicar qué modelo debe utilizarse en cada fase del trabajo.

La idea también guarda relación con los modelos MoE, siglas en inglés de mezcla de expertos. Estos sistemas contienen diferentes bloques especializados y activan solo una parte de sus parámetros para responder a cada petición. De esta manera, pueden mantener una gran capacidad potencial sin utilizar todos sus recursos en cada operación.

Menor consumo sin renunciar a la calidad

En el caso de Orchestrator, Google asegura que la combinación de modelos puede acercarse al rendimiento de su modelo más avanzado con un gasto inferior. En la prueba Terminal-Bench 4.1, la compañía afirma que el sistema alcanza una tasa de éxito próxima a la de Gemini 4 Carbon, pero con un 24 % menos de cuota y una ejecución un 19 % más rápida.

Los resultados deben interpretarse con cautela, ya que las pruebas de referencia no siempre reflejan la variedad de proyectos reales. El rendimiento puede cambiar según la calidad de las instrucciones, el tamaño del repositorio, la complejidad de las dependencias y la necesidad de revisar manualmente el código generado.

Además, utilizar varios modelos introduce una capa adicional de coordinación. El orquestador debe decidir cuándo basta con Hydrogen, cuándo necesita consultar a Argon o Carbon y cómo trasladar el contexto entre ambos. Una mala distribución podría provocar errores, repeticiones o un ahorro menor del esperado.

La programación con IA busca eficiencia

La evolución del sector no se limita a crear modelos cada vez más grandes. También avanza hacia sistemas capaces de combinar distintas capacidades para gastar menos recursos. En programación, donde una sesión puede incluir cientos de acciones, esta optimización puede marcar una diferencia significativa en el precio y en la duración del trabajo.

El enfoque de Google resume una tendencia creciente: el modelo más potente no tiene por qué hacer todo el trabajo. Puede concentrarse en comprender el problema y supervisar las decisiones importantes, mientras que un modelo más económico se ocupa de las tareas repetitivas. Sobre el papel, la fórmula ofrece una programación asistida más rápida, rentable y escalable.

Artículo anteriorGTA 6 tendrá un clima extremo que cambia según la región
Artículo siguienteFotos con IA en Vinted y Wallapop: retoques permitidos