Google I/O 2026: Gemini Omni y 3.5 Flash marcan el futuro de la IA

¿Qué ha ocurrido?

Durante el Google I/O 2026, celebrado el 20 de mayo en el Shoreline Amphitheatre, Google presentó Gemini Omni, su modelo de inteligencia artificial más avanzado hasta la fecha. Según el blog oficial de Google, Gemini Omni es un modelo multimodal nativo capaz de procesar y generar texto, imágenes, audio y video de manera simultánea, con una latencia inferior a 200 milisegundos en la mayoría de las tareas. A diferencia de modelos anteriores que combinaban módulos separados para cada modalidad, Gemini Omni unifica todo el procesamiento en una sola arquitectura, lo que mejora la coherencia y la velocidad. Además, se anunció Gemini 3.5 Flash, una versión ligera y rápida del modelo que ofrece respuestas casi instantáneas a un coste reducido. Según el blog, Gemini 3.5 Flash está optimizado para inferencia en dispositivos móviles y edge computing, con un tamaño de modelo un 40% menor que su predecesor, Gemini 1.5 Flash.

¿Por qué es importante?

Gemini Omni representa un salto cualitativo en la integración de modalidades. Mientras que GPT-4o de OpenAI, presentado en mayo de 2024, también es multimodal, su arquitectura aún utiliza módulos especializados que se comunican entre sí, lo que introduce latencia y posibles incoherencias. Gemini Omni, en cambio, emplea una arquitectura de transformadores unificada entrenada desde cero con datos multimodales, lo que permite una comprensión contextual más profunda. Esto permite aplicaciones como asistentes que ven, escuchan y hablan simultáneamente, o generación de contenido multimedia en tiempo real. Por ejemplo, durante la demostración, Gemini Omni fue capaz de analizar una pizarra llena de ecuaciones, narrar un video en vivo y traducir audio simultáneamente en diferentes idiomas. Por su parte, Gemini 3.5 Flash democratiza el acceso a la IA de alto rendimiento: con un precio de $0.15 por millón de tokens de entrada y $0.60 por millón de tokens de salida, es un 70% más barato que Gemini 1.5 Flash, según el blog de Google. Esto hace viable su uso en aplicaciones masivas, como chatbots de atención al cliente, herramientas educativas interactivas o asistentes de voz en tiempo real.

Consecuencias para el mercado y los usuarios

Estos lanzamientos intensifican la competencia con OpenAI, que hasta ahora lideraba en multimodalidad con GPT-4o. Sin embargo, Google apuesta por la integración profunda con su ecosistema (Android, Google Workspace, Google Cloud) para ofrecer una experiencia fluida. Por ejemplo, Gemini Omni estará integrado en Google Assistant, permitiendo interacciones más naturales; en Google Fotos, para búsqueda y edición avanzada; y en Google Workspace, para generar documentos, presentaciones y hojas de cálculo con comandos multimodales. Para los desarrolladores, la API de Gemini 3.5 Flash permitirá crear aplicaciones más rápidas y económicas. Según el blog, la API soporta streaming de audio y video en tiempo real, lo que abre posibilidades en telemedicina, educación a distancia y entretenimiento. Los usuarios finales verán asistentes más naturales y capaces, aunque persisten preocupaciones sobre privacidad y uso ético de la IA generativa. Google ha anunciado que ambos modelos incluyen filtros de seguridad mejorados y herramientas de watermarking para contenido generado, pero organizaciones como la Electronic Frontier Foundation han señalado que se necesitan más garantías de transparencia.

Lo que deben saber los lectores

• Gemini Omni está disponible de forma limitada a través de Google AI Studio y Vertex AI, con una cuota gratuita de 10 solicitudes por minuto. La expansión gradual comenzará en julio de 2026 para clientes empresariales.
• Gemini 3.5 Flash ya está accesible en versión preview para desarrolladores, con precios un 70% más bajos que el modelo anterior. Está disponible en 25 idiomas, incluyendo español, y soporta ventanas de contexto de hasta 1 millón de tokens.
• Ambos modelos refuerzan la estrategia de Google de integrar IA en todos sus productos, desde Búsqueda hasta Google Fotos. Se espera que Gemini Omni impulse la nueva funcionalidad de búsqueda visual en Google Lens.
• Se espera que estos avances aceleren la adopción de la IA en sectores como salud (diagnóstico por imagen), educación (tutores virtuales) y entretenimiento (creación de contenido automatizado).

Contexto y comparaciones

Este anuncio sigue a la presentación de GPT-4o por OpenAI en mayo de 2024, que también ofrecía multimodalidad. Sin embargo, Gemini Omni se distingue por su arquitectura unificada y su integración con el ecosistema Google. Además, Google ha anunciado que Gemini Omni supera a GPT-4o en benchmarks como MMLU (90.2% vs 88.7%) y en tareas de razonamiento visual (VQA v2.0). La carrera por la IA multimodal se intensifica, y ambos gigantes tecnológicos buscan imponer sus estándares. Mientras OpenAI se enfoca en la integración con Microsoft, Google aprovecha su dominio en búsqueda, Android y la nube. También es relevante comparar con el lanzamiento de Claude 3 de Anthropic, que aunque no es multimodal nativo, ofrece un rendimiento competitivo en texto. El mercado de la IA multimodal se estima en $2.6 mil millones en 2026, según Grand View Research, y se espera que crezca a una tasa compuesta anual del 35% hasta 2030.

"Gemini Omni no es solo un modelo, es una plataforma para la próxima generación de interacción humano-máquina", declaró Sundar Pichai durante el evento.

En resumen, Google I/O 2026 consolida la visión de Google de una IA ubicua, rápida y accesible. Los próximos meses serán cruciales para ver cómo estos modelos se despliegan y qué impacto tienen en el mercado y en la vida cotidiana. Con Gemini Omni y Gemini 3.5 Flash, Google no solo iguala a OpenAI en multimodalidad, sino que establece un nuevo estándar en integración y eficiencia.