Contexto técnico
He echado un vistazo a los últimos anuncios de Google y mi impresión se dividió inmediatamente en dos: dan ganas de probar Omni, mientras que Gemini 3.5 Flash ya parece una base sólida para la AI automation. Son noticias diferentes en cuanto a su grado de preparación, y no deben confundirse.
La historia de Omni aún está verde. Por lo que ha aparecido en productos y demos, es una nueva dirección de vídeo al nivel de seedance 2: generación, remezcla, plantillas, transiciones posiblemente más coherentes y mejor retención de escenas. Pero no veo una API, ni documentación pública estable. Esto significa que para mi AI architecture, todavía no es un bloque de construcción, sino una señal interesante de hacia dónde está llevando Google la multimodalidad.
Gemini 3.5 Flash, por otro lado, parece práctico y útil. Se presenta como un modelo rápido, y si la cifra de más de 280 de velocidad se mantiene bajo carga real, es interesante no solo en una diapositiva, sino en producción. Además, hay un punto importante: supera a la versión Pro anterior en algunos benchmarks. No en todos, no de forma mágica, pero la dirección está clara.
Ahí es donde me detuve. Cuando un modelo de nivel rápido está disponible de inmediato a través de una API, es mucho más importante que una demostración bonita. Puedo comprobar rápidamente la latencia, el tool calling, si mantiene cadenas largas de forma estable y cómo se comporta en la extracción de datos, el enrutamiento de solicitudes y los escenarios de agentes.
Antigravity CLI es curioso por sí solo. Parece que Google está construyendo una nueva capa de herramientas de desarrollo en torno a sus modelos y flujos de trabajo. Si consiguen que la CLI sea cómoda, las viejas costumbres en torno a la CLI de Gemini podrían realmente cambiar hacia este nuevo punto de entrada.
¿Qué cambia esto para los negocios y la automatización?
En resumen, Gemini 3.5 Flash es el ganador. Yo lo consideraría para soporte, asistentes internos, clasificación, resumen, ingesta multimodal y cadenas de agentes baratas donde la velocidad y el precio importan más que un razonamiento récord. Esto ya parece una artificial intelligence implementation en toda regla, no una función de escaparate.
Por ahora, Omni solo gana en un aspecto: eleva el listón de las expectativas para la generación de vídeo dentro del ecosistema de Google. Pero sin una API, no es la herramienta en la que basaría un pipeline de cliente o un AI solution development con un SLA claro.
Los que pierden aquí son los que hacen planes basándose en rumores. Lo he visto muchas veces: un vídeo genial inspira, y luego resulta que no hay nada que integrar. Por eso, en Nahornyi AI Lab, solemos construir primero un circuito funcional con los modelos disponibles y solo después añadimos los nuevos cuando realmente se convierten en parte del stack.
Si su problema es la velocidad de respuesta, el coste de la inferencia o necesita integrar cuidadosamente la AI integration en sus procesos actuales, vamos a desglosarlo para su stack. En Nahornyi AI Lab, suelo abordar estas cosas sin magia: elijo el modelo, construyo la arquitectura y le ayudo a build AI automation para que funcione en producción, no solo en una demo.