Google Gemini 3 Deep Think logra un nuevo récord en una prueba de inteligencia general

Google cruza un nuevo umbral en el desarrollo de la inteligencia artificial. La compañía anunció una actualización de Gemini 3 Deep Think que alcanza un 84,6 % en el benchmark ARC-AGI-2, una prueba que los científicos consideran la última barrera seria antes de la inteligencia general. No es una mejora más del modelo, sino un cambio fundamental en la forma en que las redes neuronales resuelven problemas complejos. En lugar de limitarse a generar texto, el sistema usa ahora un modo de razonamiento profundo con verificación interna, que permite a la máquina comprobar su propia lógica en tiempo real.

Para entender la importancia de este paso conviene recordar lo ocurrido en la industria en los últimos años. Los grandes modelos de lenguaje como GPT y Claude generan texto con brillantez, pero a menudo tropiezan en tareas que exigen inferencia lógica de varios pasos y verificación de resultados. Los investigadores diseñaron ARC-AGI-2 expresamente como una prueba que no cede ante el simple escalado de los modelos: es un conjunto de tareas de lógica y pensamiento abstracto que requieren razonamiento real, no solo predecir la siguiente palabra. Un resultado del 84,6 % significa que Gemini 3 Deep Think resuelve correctamente cuatro de cada cinco de esas tareas, algo que antes era imposible incluso para los sistemas más potentes.

Técnicamente, esto se logró mediante un nuevo mecanismo de razonamiento interno. El modelo ya no se apresura a responder, sino que pasa por varias etapas de reflexión y comprueba cada paso lógico antes de formular la respuesta final. Es parecido a cómo un matemático no se limita a dar un resultado, sino que trabaja el problema paso a paso y revisa cada cálculo. Google incorporó al modelo la capacidad de autoverificación, lo que reduce de forma drástica la probabilidad de errores lógicos. Este enfoque se aplica no solo a acertijos abstractos, sino también a tareas científicas e ingenieriles reales que requieren un análisis profundo y la comprobación de hipótesis.

Por eso Google presenta esta actualización como una herramienta para la ciencia y la ingeniería, no para el entretenimiento. El modelo puede ahora ayudar a los investigadores a diseñar sistemas complejos, verificar hipótesis científicas y resolver problemas de ingeniería que exigen un análisis multinivel. Esto puede acelerar el desarrollo de nuevos materiales, fármacos, arquitecturas de chips y otros sistemas complejos en los que cada error cuesta mucho dinero y tiempo.

¿Qué significa esto para el futuro de la AGI, la inteligencia artificial general? El 84,6 % en ARC-AGI-2 no es la meta final, pero sí una señal clara de que avanzamos no hacia generadores de texto cada vez más potentes, sino hacia sistemas capaces de razonar de verdad. Es un paradigma distinto del que dominó los últimos años. El paso de escalar a billones de parámetros a incorporar mecanismos de verificación y razonamiento paso a paso puede resultar justo lo que necesita el progreso futuro.

Aun así, conviene ser prudentes con las formulaciones. Un resultado alto en un solo benchmark no significa que la AGI ya esté aquí. ARC-AGI-2 evalúa un tipo específico de inteligencia: el pensamiento lógico y abstracto. La inteligencia general real exigirá éxitos en muchos otros frentes: comprensión del contexto, manejo de la incertidumbre, adaptación a situaciones nuevas. Con todo, el logro de Google muestra que el camino hacia ella se vuelve más nítido. Los modelos aprenden no solo a generar, sino también a pensar, verificar y fundamentar.