Google Cache queda totalmente descontinuado

• Google bloqueó incluso el acceso directo, después de haber quitado los enlaces en caché de los resultados de búsqueda, por lo que la antigua función Google Cache quedó prácticamente cerrada
• Los enlaces directos webcache.googleusercontent.com/search?q=cache:... dejaron de funcionar en las últimas 12 horas aproximadamente, y el operador de búsqueda cache: ya no se puede usar
• Tras la eliminación de los enlaces en caché a comienzos de este año y la incorporación de enlaces a Wayback Machine en septiembre de 2024, cambió la forma de consultar copias guardadas en Google Search
• Varios usuarios confirmaron que las solicitudes con cache: redirigen a resultados de búsqueda en lugar de páginas en caché, o que ya no aparecen copias en caché de distintos sitios
• Para revisar páginas antiguas ahora se dependerá más de Wayback Machine, y los propietarios de sitios deberán usar herramientas como Search Console y Rich Results Test para ver la página tal como la vio Google

---

Cronología del fin de Google Cache

• Google desactivó por completo la función Google Cache
• A comienzos de este año quitó el enlace en caché de los snippets en los resultados de búsqueda
• Hace unas semanas agregó enlaces a Wayback Machine en los resultados de Google Search
• Después de eso, incluso los enlaces que abrían Google Cache directamente dejaron de funcionar
  • Un ejemplo de enlace directo tenía la forma webcache.googleusercontent.com/search?q=cache%3Aseroundtable.com
  • Ese enlace directo dejó de funcionar en las últimas 12 horas aproximadamente

El operador cache: tampoco funciona más

• Varios usuarios compartieron en redes sociales que ya no es posible hacer una revisión manual de la caché
• Algunas solicitudes redirigen no a una página en caché, sino a resultados de búsqueda con cache: incluido
• En India se reportó un caso en el que, aun probando más de 10 a 20 sitios web, no aparecía ninguna copia en caché de páginas indexadas
• Después de la publicación del artículo, Google confirmó oficialmente que el operador de búsqueda cache: ya no funciona
  • En la documentación de Google se publicó: “The cache: search operator no longer works in Google Search”
  • El contenido relacionado también fue eliminado de la documentación de operadores de búsqueda

Motivos del retiro según Google

• Danny Sullivan, de Google Search Liaison, ya había anticipado la eliminación de Google Cache
• Era una función antigua que ayudaba a las personas a acceder a páginas en una época en la que la carga de sitios web era menos confiable
• Hoy la estabilidad del acceso a la web mejoró mucho, por lo que pasó a ser candidata a retiro
• Sullivan dijo que quería agregar enlaces de Internet Archive en About This Result, aunque en ese momento no era una promesa confirmada
• También dijo que cache: desaparecería en un futuro cercano, y hasta la interrupción efectiva pasaron unos 9 meses

Métodos de consulta que quedan

• Wayback Machine: una alternativa para consultar versiones antiguas de páginas web
• URL Inspection de Google Search Console: permite a usuarios con una cuenta de Search Console ver qué contenido vio el crawler de Google en sus propias páginas
• Rich Results Test de Google: puede usarse como otra herramienta de Google para revisar páginas

noarchive y cambios en la documentación

• Danny Sullivan afirmó que, aunque desaparezca cache:, noarchive seguirá siendo respetado
• noarchive se mantendrá porque también lo usan otros servicios además de Google
• Después de confirmar oficialmente la interrupción del operador cache:, Google también eliminó el elemento relacionado de la documentación de operadores de búsqueda

[GN⁺]

Opiniones en Hacker News

• Si Google agregó un enlace directo a Wayback Machine, espero que también esté haciendo una donación considerable a Internet Archive.
  Como lo usaría casi como una función de su producto principal y le enviaría mucho tráfico, en la práctica estaría aprovechando su infraestructura.
  Edit: no hay muchos detalles, pero parece que están colaborando https://blog.archive.org/2024/09/11/new-feature-alert-access...

  • El enlace a WebArchive está escondido bien adentro de la página "About the source", así que es probable que la mayoría de los usuarios de Google ni siquiera sepa que existe.
    También hay una excelente extensión de navegador llamada Web Archives que reúne en un solo lugar los principales servicios de archivo web, como Archive.is y Wayback Machine https://github.com/dessant/web-archives
  • Si ese acuerdo no estuviera condicionado a financiamiento, sería realmente una tontería.
    Creo que la razón por la que no se menciona es algún tipo de acuerdo de confidencialidad. IA también está metido en varias turbulencias ahora, y Google no querrá parecer parte de eso.
  • Espero que Google no se convierta en la principal fuente de financiamiento de Internet Archive.
    Porque quiero creer que Wayback Machine e Internet Archive no están sesgados.
    A Google le gusta influir en los resultados de búsqueda ocultando los que no le gustan y subiendo los que la empresa apoya. Wayback Machine ha sido muy confiable hasta ahora, y espero que siga siendo así.
  • Lo que IA necesita más que dinero es un archivo de respaldo independiente.
    A menos que los fondos de IA superen a toda la industria del lobby de copyright de EE. UU., siempre existe la posibilidad de que desaparezca sin suficiente aviso como para guardar los datos en otro lugar.
    También está el problema de qué puede archivar IA. Por la fiebre del oro del machine learning, cada vez más administradores de sitios huelen dinero en su contenido y restringen a quién le permiten rastrearlo. Google está en una posición especial, porque casi nadie puede bloquear el rastreo de Google, y por eso la caché de Google era especialmente valiosa, aparte de IA.

• Da mucha pena que desaparezca. Siempre fue una especie de último recurso.
  Internet Archive es excelente, pero depende sobre todo de que la gente solicite guardar sitios manualmente.
  Por eso, en sitios más obscure que ya sufrían bit rot y ya no cargaban, a veces no había nada en IA, pero con la caché de Google todavía se podía rescatar algo.

  • Me preocupa el futuro de IA. Con su jugada imprudente en la política de préstamo de libros, se expuso a ataques que podrían desangrarlo financieramente.
    Además, el material con infracción de copyright publicado abiertamente en el sitio también es un blanco perfecto.
    Estoy esperando el momento en que Nintendo se entere del enorme dump de ROMs que hay ahí. No va a terminar bien. Ninguna “superioridad moral” va a detener a los abogados.

• Google Cache era útil porque, aun cuando no se podía encontrar un término o palabra clave en un sitio web, a veces seguía estando en la caché.
  Aunque el sitio estuviera caído o ese elemento hubiera desaparecido, uno podía decir “¡todavía está en Google Cache!”, pero ahora ya no.
  Últimamente uso cada vez menos Google. Si puedo preguntarle directamente a un LLM que me da una respuesta en segundos y sin anuncios, ¿para qué usarlo? Si le pido referencias y enlaces, también me los da. No creo que un LLM me haya dado enlaces a granjas de contenido SEO, mientras que en Google Search una página entera puede parecer eso. Google Search se siente como Yahoo justo antes de morir, quizá incluso peor, como si estuviera a punto de ser reemplazado por Bing.

  • Esto sigue pasando todavía.
    Buscas una palabra clave, ves el resultado de Google, confirmas que esa palabra aparece en la vista previa de Google, y cuando haces clic en el enlace, la página real no la tiene.
    No es spam SEO oculto; es contenido que literalmente fue eliminado. La caché no coincide con los resultados en tiempo real y no hay forma de manejarlo.
  • Que los LLM no tengan anuncios es cierto por ahora.
  • El índice de Google a veces también incluye contenido detrás de paywalls o cookiewalls.
    Dos sitios importantes de Chequia empezaron a implementar cookiewalls, y aunque violan el GDPR, la autoridad local de protección de datos no actúa, así que parece que esas webs les hubieran pagado.

• Usaba mucho la caché no solo para ver sitios, sino también para ver versiones de texto de documentos PDF y Word. RIP

  • Igual yo. Recién al leer este comentario me di cuenta de que algunos proyectos viejos ya no van a funcionar.

• Google probablemente todavía tenga todos esos datos.
  Simplemente no deja que otros los usen.
  ¿Podría esto convertirse en una ventaja competitiva, usando esos datos para entrenar sus propios modelos mientras impide que otros accedan?
  ¿Google quiere hacer más difícil notar que una página fue reescrita? ¿Los periodistas encontraban información valiosa con esta función demasiado seguido?

  • Siento que Internet Archive le quitó a Google una parte considerable de ese uso.
    Por separado, Google debería considerar seriamente hacer una donación bastante grande a Internet Archive.
  • Probablemente sí. El contenido “en caché” seguramente se servía desde un registro de base de datos que guardaba el contenido Y para la URL X, es decir, en la práctica almacenaba una copia espejo de los términos indexados.
    Si no guarda ese espejo y solo mantiene el índice de búsqueda, puede ahorrar bastante en almacenamiento, entrada/salida y CPU para descompresión; y como los usuarios ya no lo piden, en conjunto puede reducir mucho los costos de infraestructura.
    También podría ser una ventaja que solo Google pueda usar para entrenar modelos, aunque no sé si antes los usuarios comunes de Google podían descargar datos de la caché de Google en grandes cantidades. ¿Habría sido posible sin que Google Web o la API los bloqueara?
  • Entiendo que Google renderiza bastante las páginas antes de indexarlas.
    Así puede indexar contenido cargado con JavaScript y bloquear algunas formas en que los spammers muestran contenido distinto a Google y a los usuarios.
    Tal vez la forma principal en que Google guarda las páginas ya no encaja con algo que pueda ofrecerse fácilmente como página en caché. Quizá sea una forma de reducir costos de almacenamiento eliminando las copias legacy de cada página.
  • Como pasa con YouTube, el alcance de las funciones visibles para el usuario de estos servicios se reduce cada vez más, y cada vez se obtiene menos.
    Se está optimizando demasiado en contra del usuario. Mientras tanto, la búsqueda sigue arraigada en conceptos de los 90 y funciona solo como una máquina de hacer dinero.

• Me sorprende más bien que todavía existiera.
  Creo que hace años que no veía una versión en caché que se pudiera abrir realmente desde los resultados de Google.

• Hay una razón menos para usar Google Search.
  Es un esfuerzo bastante sólido por arruinar en todos los frentes una máquina de imprimir dinero.

  • Hay una razón más para no usar Google Search. Ni siquiera recuerdo la última vez que lo usé; probablemente fue hace unos 12 años.

• Era realmente útil al buscar información de soporte de productos. Las empresas suelen bajar o mover páginas de sus sitios web.
  Siempre revisaba la versión de la página del momento en que Google la había enlazado en los resultados de búsqueda.

• Si ya no podemos saber qué había antes, tristemente se borra la historia.
  “El pasado podía ser alterado. El pasado nunca había sido alterado. Oceanía estaba en guerra con Asia Oriental. Oceanía siempre había estado en guerra con Asia Oriental.”
  ― George Orwell, 1984

• Me trae recuerdos. En los primeros tiempos, mientras movía WordPress a un servidor nuevo, una vez se me corrompió el backup de la DB.
  Gracias a la caché de Google pude recuperar las entradas del blog. Fueron tiempos realmente caóticos.