En un paso estratégico que refleja la intensificación de la competencia en el ámbito de la inteligencia artificial generativa, Sundar Pichai, director ejecutivo de Alphabet, anunció dos actualizaciones principales para la API de Gemini de la compañía. Esta medida llega para ofrecer la herramienta mejorada Deep Research, junto con el debut destacado del modelo Deep Research Max, diseñado específicamente para elevar los flujos de trabajo dentro de las organizaciones y facilitar las tareas de los desarrolladores. Este anuncio marca un punto de inflexión fundamental en la forma en que las empresas manejan datos complejos, ya que Google aporta todo su peso técnico para proporcionar soluciones que van más allá de las respuestas rápidas, adentrándose en el núcleo de la investigación y el análisis profundo que normalmente requiere largas horas de trabajo humano.
Dos agentes inteligentes para satisfacer diversas necesidades
Tal como declaró Pichai a través de la plataforma X, esta actualización redefine los estándares de la investigación corporativa.
«Estamos lanzando dos potentes actualizaciones para la función de investigación profunda en la API de Gemini, con mejor calidad, soporte para el protocolo de contexto de modelos y generación nativa de gráficos y diagramas».
En consecuencia, el agente actualizado Deep Research reemplaza la versión beta lanzada en diciembre de 2025. Este nuevo agente ofrece un tiempo de respuesta más bajo y un costo operativo reducido, lo que lo convierte en la opción ideal para casos de uso interactivos y tareas que requieren un rendimiento rápido en tiempo real. Por su parte, el lanzamiento más destacado es Deep Research Max, diseñado para centrarse en la profundidad y calidad del análisis a costa de la velocidad de respuesta instantánea. Este modelo aprovecha las capacidades de computación extendida durante el tiempo de prueba, lo que le permite un razonamiento secuencial, búsquedas iterativas y la mejora de sus resultados mediante pasos meditados. Google ha descrito este modelo como el motor ideal para operaciones asíncronas en segundo plano, como la elaboración de informes de diligencia debida prolongados que la inteligencia artificial puede completar automáticamente durante la noche para que estén listos para los ejecutivos a la mañana siguiente.
Superioridad digital y capacidades sin precedentes
El agente Deep Research Max se basa en la arquitectura del modelo Gemini 3.1 Pro y ha demostrado una alta eficiencia a través de resultados récord logrados en tres pruebas de evaluación principales, superando así a su predecesor y a los modelos de la competencia en el mercado.
- En la prueba DeepSearch QA, un punto de referencia integral para evaluar las capacidades de búsqueda web, el modelo logró una tasa de éxito del 93.3 por ciento, superando al modelo GPT 5.4 Thinking, que registró un 88.5 por ciento.
- En el estándar Last Humanity Exam, dedicado a probar capacidades cognitivas avanzadas, el modelo registró un 54.6 por ciento en comparación con aproximadamente el 53.4 por ciento del modelo GPT 5.4.
- Por su parte, en la prueba BrowseComp, que mide la capacidad de extraer hechos y datos de difícil acceso, Deep Research Max arrasó en la competencia alcanzando el 85.9 por ciento, dejando a su rival atrás con solo un 58.9 por ciento.
Integración de datos privados y gráficos visuales
Una de las características más importantes que Google ha añadido en esta actualización es el soporte para el protocolo de contexto de modelos para ambos agentes. Esta función permite a los desarrolladores conectar sus propias fuentes de datos cerradas directamente al agente de búsqueda. Esto incluye a proveedores de datos financieros, bases de datos internas corporativas y repositorios de documentos personalizados. A este respecto, ya han comenzado asociaciones estratégicas con importantes instituciones financieras como FactSet, S&P y PitchBook para diseñar servidores compatibles con este protocolo, lo que facilitará los flujos de trabajo en los sectores financiero y de inversión que exigen una precisión extrema. Además, por primera vez en la API de Gemini, el agente de búsqueda es capaz de generar gráficos e infografías de forma nativa e integrarlos directamente dentro de los textos, lo que trasciende los informes automatizados de meras salidas de texto seco a presentaciones visualmente integradas.
La estrategia de Google para respaldar el sector empresarial y corporativo
Estas actualizaciones confirman claramente el rumbo por el que apuesta Google en sus inversiones en inteligencia artificial. Deep Research Max no es un producto dirigido al consumidor medio, sino una solución empresarial disponible a través de la interfaz de interacciones de Gemini. Cabe destacar que esta misma infraestructura impulsa actualmente las funciones de búsqueda en la aplicación Gemini, NotebookLM, el buscador de Google y Google Finance. Para otorgar a las empresas un control total sobre sus datos, Google permite a los usuarios revisar y modificar el plan de búsqueda propuesto por el agente inteligente antes de su ejecución. También se puede operar en paralelo con las herramientas de búsqueda de Google y la ejecución de código, o incluso desactivar por completo el acceso a la web para garantizar la confidencialidad de las investigaciones realizadas exclusivamente sobre los datos internos de la empresa. Este enfoque representa un paso avanzado hacia la fomento de la confianza de las grandes empresas en la adopción de la inteligencia artificial dentro de sus marcos de trabajo diarios.
Preguntas frecuentes
¿Cuál es la diferencia entre Deep Research y Deep Research Max?
Deep Research destaca por su velocidad, eficiencia y bajo costo, lo que lo hace ideal para el uso inmediato, mientras que Deep Research Max se centra en la alta calidad y la profundidad del análisis, estando diseñado para tareas complejas en segundo plano como la preparación de informes extensos y la extracción de datos con absoluta precisión.
¿Pueden las empresas utilizar sus propios datos con las herramientas de búsqueda de Gemini?
Sí, gracias al soporte del protocolo de contexto de modelos, los desarrolladores pueden vincular bases de datos internas y fuentes de datos financieras cerradas directamente con el agente de búsqueda inteligente de manera segura y personalizada, lo que permite extraer informes precisos basados en los archivos de la empresa.
¿Cómo supera el modelo Deep Research Max a sus competidores?
El modelo registró resultados excepcionales en las evaluaciones de rendimiento estándar aprobadas, superando notablemente a modelos avanzados como GPT 5.4 en capacidades de investigación profunda, extracción de hechos precisos y resolución de pruebas cognitivas complejas.
