- Los ejes principales son Gemini 3.5 Flash, Gemini Omni Flash, Antigravity 2.0, Google AI Studio, Gemma 4, Android 17, Chrome/Web, Firebase, Google Play y las capacidades de los desarrolladores en la era de la IA
- Google puso al frente no solo el anuncio de modelos, sino también un flujo de desarrollo donde los agentes acceden a productos reales, el navegador, la nube, apps móviles, datos, documentos y entornos de prueba
- Las herramientas de desarrollo ya no se limitan a escribir código, sino que se expanden a planificación, ejecución, verificación, depuración, despliegue, evaluación y coordinación de múltiples agentes
- Android, Flutter, Chrome, Firebase y Google Play se expanden integrando Gemini y herramientas de agentes dentro del flujo de desarrollo existente
- Más que escribir código, el costo de validación, la provisión de contexto, los permisos de acceso a herramientas, la observabilidad en runtime, la infraestructura de pruebas y la documentación y diseño de sistemas de la organización están surgiendo como cuellos de botella mayores
- Cada mes, más de 8.5 millones de personas crean apps y experiencias con modelos de Google
- Las API de modelos de Google procesan alrededor de 19 mil millones de tokens por minuto
- Uso de AI Search:
- AI Overviews es usado por más de 2.5 mil millones de personas al mes
- AI Mode es usado por más de mil millones de personas al mes
- Los usuarios activos mensuales de la app de Gemini crecieron de 400 millones en el I/O del año pasado a más de 900 millones
- Con el modelo Nano Banana se han generado más de 50 mil millones de imágenes
- Gemini 3.5 Flash está disponible en productos y API, y sus características clave son la ejecución rápida y la eficiencia en costos
- Gemini Omni Flash es el primer modelo de la familia Omni, orientado a manejar de forma más amplia entradas y salidas multimodales
- Antigravity 2.0 es una app de escritorio independiente disponible globalmente, que reúne en una sola pantalla conversaciones con agentes, proyectos y gestión de tareas
- Gran demo de Antigravity:
- Con 93 subagentes, más de 15,000 solicitudes al modelo y 2.6 mil millones de tokens, construyó el núcleo de un sistema operativo funcional desde un proyecto vacío
- Se ejecutó con menos de 1,000 dólares en créditos de API aprovechando el rendimiento y la eficiencia en costos de Gemini 3.5 Flash
- Google presentó para desarrolladores un flujo que combina modelos, herramientas de agentes, plataformas para usuarios e infraestructura
- Managed agents llega a la Gemini API, permitiendo usar en forma de API un agent harness como Antigravity
- Google Antigravity 2.0 es una app de escritorio centrada en agentes, con una estructura donde múltiples agentes se encargan del trabajo de desarrollo
- Con el Antigravity SDK se pueden personalizar y desplegar directamente flujos de agentes
- En Google AI Studio, los nuevos usuarios pueden desplegar directamente en Cloud Run sin tarjeta de crédito
- Con la integración con Google Workspace, AI Studio puede usar datos de Workspace dentro del flujo de creación de apps
- En Google AI Studio ahora es posible convertir una idea directamente en una app de Android
- Gemma 4:
- Se ofrece bajo licencia Apache 2
- Alcanzó 100 millones de descargas en el primer mes
- Las descargas totales de Gemma superaron 500 millones
- Chrome DevTools for Agents se puede usar en Antigravity y en más de 20 agentes de programación
- Gemma 4 se ajustó finamente con LoRA para generar respuestas de comandos bash listas para usarse en un pipeline de CI y desplegarse en una laptop local
- Después de desplegar apps creadas en AI Studio con Cloud Run y Firebase, el flujo con agentes se conecta también con la depuración y el análisis en operación
- A través de más de 50 servidores MCP administrados, los agentes acceden a herramientas y datos de Google Cloud
- Developer Knowledge MCP incorpora a las herramientas de agentes información actualizada basada en la documentación de Google para reducir problemas por documentación desactualizada
- Los snapshots de la documentación más reciente llegan a las herramientas de agentes aproximadamente cada 8 a 12 horas
- Con Data Agent Kit y BigQuery MCP, se analizan datos de Firestore, BigQuery y logs, y se crean dashboards
- Antigravity puede investigar errores de una app, encontrar archivos relacionados, corregirlos e incluso continuar hasta un commit en GitHub
- Un remediation agent y un CI agent desplegados en Cloud Run se conectan con Eventarc, Pub/Sub y Gemini para investigar y corregir errores
- Varios agentes se pasan tareas entre sí mediante A2A (agent-to-agent)
- El desarrollo con agentes no termina en la creación de prototipos, sino que se extiende a despliegue, monitoreo, análisis de datos y recuperación automática
- Android 17 agrega límites de memoria y herramientas relacionadas para evitar que el uso excesivo de memoria de una app arruine la experiencia del usuario
- Android 17 toma condiciones como excessive memory, cold start y excessive CPU como objetivos de análisis automático
- Las apps dirigidas a Android 17 necesitan el permiso ACCESS_LOCAL_NETWORK para encontrar y conectarse a dispositivos de red local
- Google refuerza su dirección de construir la UI de Android con Jetpack Compose
- Compose 1.10 y Compose 1.11 incluyen mejoras de rendimiento, hybrid UI y nuevas API
- La integración de AppFunctions con Gemini está en vista previa privada, y las apps pueden convertirse en objetivos de orquestación de Gemini
- La developer preview de ML Kit Prompt API permite probar algunas funciones nuevas
- Android 17 ofrece Eclipsa Video, mejoras en la calidad de voz HE-AAC y mejoras de cámara y medios basadas en CameraX y Media3
- Las apps para pantallas grandes avanzan hacia un enfoque menos atado a las limitaciones móviles tradicionales usando Navigation 3 y la biblioteca Compose Adaptive
- Compose 1.6 para Wear OS admite Navigation 3 y mode manager para ayudar con la gestión de contenido en modo de ahorro de energía
- Chrome se enfoca en lograr que los sitios web funcionen bien para usuarios que usan agentes y herramientas de tipo agente
- Busca conectar las herramientas de desarrollo con Baseline y funciones web actualizadas, en lugar de depender solo del conocimiento base del modelo
- Desde el año pasado, 55 funciones pasaron al estado Baseline Widely Available
- Al momento del anuncio, 52 funciones estaban en estado Baseline Newly Available
- Como Chrome se actualiza cada 4 semanas, si los agentes de programación no conocen las funciones web más recientes, es fácil que produzcan implementaciones obsoletas
- La Prompt API de Chrome estará disponible en Chrome 148
- Navigation API, View Transitions, HTML-in-Canvas y declarative partial updates se incorporan al flujo de desarrollo
- Los desarrolladores de extensiones de Chrome ahora pueden inspeccionar y depurar automáticamente la instalación, service worker, side panel y popup
- Chrome se expande para ofrecer a los agentes habilidades de alto nivel sobre rendimiento web, identity, security y más de 100 guías de casos de uso comunes
- Para reducir la repetición de patrones de compatibilidad obsoletos, es necesario proporcionar a los agentes información sobre funciones web recientes y soporte del navegador
- La familia de modelos Gemini es una familia de modelos multimodales capaz de manejar entradas de texto, imagen, audio, video y código, además de múltiples formatos de salida
- Roles de Gemini 3.5 Pro y Flash:
- Gemini 3.5 Pro se enfoca en resolver problemas complejos
- Gemini 3.5 Flash se encarga del equilibrio entre rendimiento, velocidad y costo
- La función Build de AI Studio usa 3.5 Flash como modelo predeterminado
- Nano Banana 2 se puede probar directamente en AI Studio
- Gemini Omni Flash es un modelo capaz de generar salidas, incluido video, a partir de entradas
- Gemini Live y Live API admiten interacciones basadas en voz
- Interactions API es una función para interactuar con agentes dentro de AI Studio
- Accesibilidad de Gemma 4:
- Se puede probar en el playground de AI Studio
- También permite algunas llamadas gratuitas en la Gemini API
- Tiene una ventana de contexto de 256,000 tokens y se puede encontrar en Hugging Face
- También se presentaron Gemini Robotics 1.6, Genie 3, Antigravity 2.0 y una estrategia para reducir costos combinando modelos abiertos y modelos propietarios
- Google AI Studio se expandió más allá del model playground para convertirse en un espacio donde crear ideas de apps y desplegarlas
- Modelos, agentes, generación de apps, integración con Workspace y despliegue en Cloud Run forman parte de un mismo flujo
- La sección de apps de AI Studio estará disponible pronto y abordará de forma más directa la creación y el despliegue de apps
- Se agregó una función para exportar de una vez a Antigravity el código creado en AI Studio
- Antigravity 2.0 no solo escribe código, también asume el papel de mission control para coordinar múltiples tareas como agente
- Antigravity 2.0 tiene como flujo principal la task list, el implementation plan y la revisión de archivos modificados
- Las revisiones de código y de cambios se pueden gestionar directamente dentro de Antigravity 2.0
- La estructura está pensada para delegar al agente tareas pesadas como pruebas en navegador, planificación, desarrollo de funciones en múltiples archivos y verificación end-to-end
- Con Google AI Studio se puede crear una nueva app de negocio en unos 20 minutos y luego desarrollarla más con Antigravity
- Google AI Studio es el punto de arranque rápido de “prompt to app”, y Antigravity es la herramienta para llevar esa app a trabajo de desarrollo real
- Si un agente de codificación no conoce las capacidades web modernas, es fácil que genere código con criterios de compatibilidad de navegadores desactualizados
- Chrome lanzó 50 funciones nuevas en el último año, pero por el knowledge cutoff de los modelos muchas de ellas no llegan a los modelos
- En el ejemplo de Interest Invokers API aparece el problema de que el agente usa el nombre de atributo antiguo
interesttarget
- Modern Web Guidance es un paquete de conocimiento que ayuda a los agentes a encontrar funciones web modernas y las implementaciones recomendadas
- Antes de responder, el agente realiza una búsqueda semántica dentro de un paquete local
- Escala y estructura de la guía:
- Actualmente hay más de 100 guías
- La estructura permite no exponer todas las skill por función como herramientas de nivel superior, sino encontrarlas y usarlas cuando se necesitan
- Las guías ofrecen tanto la implementación moderna ideal como recomendaciones de fallback
- Si no hay requisitos de compatibilidad entre navegadores, el agente toma Baseline Widely Available como supuesto predeterminado
- Si en
AGENTS.md se especifican condiciones como “solo compatible con Chrome 144 o superior”, el agente puede evitar fallback innecesarios
- El equipo de Chrome ejecuta evaluaciones todos los días con modelos como Gemini 3.1, Claude Opus 4.7 y GPT 5.5
- Firebase está migrando hacia una agent-native platform donde tanto personas como agentes pueden crear y escalar apps
- Firebase Data Connect evolucionó a Firebase SQL Connect, que respalda el desarrollo de apps basado en SQL
- Con los custom resolver de Firebase SQL Connect se pueden conectar servicios de Google Cloud como Cloud Functions y BigQuery
- Firestore admite geo search, native full text search y semantic match
- Firebase AI Logic es compatible con los modelos más recientes y permite crear funciones de IA con reconocimiento de ubicación mediante Maps grounding
- Las funciones de control de generación de imágenes de Nano Banana también se pueden usar en Firebase AI Logic
- Firebase AI Logic admite inferencia local e híbrida en iOS, Chrome y Android, y hace fallback a un cloud-hosted model cuando no hay modelo local
- Dart support for Cloud Functions in Firebase está disponible como experimental preview
- AI Studio está conectado con Google Workspace, por lo que los datos de Sheets, Docs, Gmail y Calendar pueden usarse en apps
- Firebase agent skills se puede usar en Android, iOS, web y Flutter, y también se amplió la compatibilidad con Crashlytics
- Play Billing admite más de 300 métodos de pago locales en más de 65 mercados
- Google Play tiene más de 890 millones de usuarios listos para comprar
- Se amplían las opciones para ofrecer Google Play Billing junto con pagos alternativos, y también se anunciaron comisiones de servicio más bajas
- El descubrimiento de apps se expande a la app de Gemini, Android y la web, para que los usuarios puedan encontrar apps y juegos dentro de Gemini
- En lugar de una lista estática de enlaces, Gemini recomienda apps usando las funciones reales de la app y la información del store listing
- En algunos temas, los usuarios de Gemini y Play pueden explorar más de 450,000 contenidos de películas y TV
- En Play Console, si se suben archivos estructurados como Eclipsa Video o Google Sheets, Gemini completa previamente el listing
- Gemini ayudará con tareas de Play Console como bulk price changes, import skills y metadata configuration
- Con la in-app subscription management API, los usuarios podrán cambiar fácilmente de plan de suscripción dentro de la app
- El año pasado, Google Play Billing bloqueó 3,400 millones de dólares en intentos de fraude y 130 millones de dólares en abusive refunds
- Gemini, Search, la app de Gemini y Google DeepMind abordan la IA agéntica en una misma dirección
- Gemini 3.5 Flash también puede usarse dentro de Search
- Search debe encontrar el equilibrio entre respuestas rápidas y tareas agénticas más largas
- Gemini Spark asume el rol de un agente always-on que se encarga en segundo plano de las tareas que el usuario le deja
- El modelo debe ir más allá de simples respuestas de chat y operar sobre todo el conjunto de productos de Google y el ecosistema externo
- Herramienta interna traducida de Python a Go:
- Traducir a otro lenguaje un programa existente con pruebas es un problema más claro para el modelo
- Algunas herramientas internas se volvieron 10-20 veces más rápidas de la noche a la mañana
- La infraestructura interna de software de Google también puede cambiar más rápido para adaptarse al nuevo mundo agéntico
- El hardware, la escala de los modelos, la aplicación en productos y el ciclo de retroalimentación deben encajar juntos para que Gemini pueda integrarse en todos los productos de Google
- El foco de las preguntas se desplaza de “qué puede hacer el modelo” a “cómo ubicar el modelo dentro de productos y flujos de trabajo”
- Las herramientas de desarrollo de Android están diseñadas pensando no solo en desarrolladores humanos, sino también en agentes de IA desplegados dentro de la base de código
- Android Studio Otter es compatible con cuentas de Gemini Enterprise y Google One
- Android Studio puede importar y usar modelos locales y remotos
- Android Bench sirve como criterio para decidir qué modelo usar en tareas de desarrollo de Android
- Se pueden pedir transformaciones de UI directamente desde Compose Preview para que el agente trabaje con mejor contexto
- Se puede usar un agent-based new project wizard para crear una app Android adaptativa solo con prompts
- Android Studio incluye alrededor de 10 skills para ayudar con tareas como la integración de APIs adaptativas y la conversión de XML a Compose
- El nuevo Android CLI admite flujos de trabajo con LLM y, al crear proyectos nuevos, reduce el uso de tokens en más del 70% frente a otras herramientas LLM para Gradle
- Al agrupar Antigravity CLI, Android CLI y Android skill, también se puede empezar a desarrollar apps Android desde Antigravity
- En Android Studio Quail y en dispositivos con Android 17, la conexión con el dispositivo se mantiene incluso si cambias de red o reinicias la laptop
- Flutter 3.44 y Dart 3.12 se lanzan juntos
- Este año participaron más de 1,700 contributors en el proyecto Flutter
- Cada mes, más de 1.5 millones de desarrolladores construyen con Flutter
- En Flutter 3.44 se puede probar un nuevo modo de renderizado en dispositivos Android compatibles con Vulkan y API 34 o superior
- Flutter se usa en el sistema de infoentretenimiento del Toyota RAV4 2026
- En Cloud Functions for Firebase basadas en Dart, hay casos donde el cold start baja hasta 10 ms gracias a la compilación AOT
- Firebase AI Logic añade plantillas de prompts en el servidor, para no tener que incluir los prompts directamente en la app
- Firebase Agent Skills for Flutter proporciona a los agentes guías para crear apps full-stack con Flutter y Firebase
- El soporte de LiteRT-LM llegará pronto al paquete
flutter_gemma
- En Flutter desktop, Canonical participa como lead maintainer y strategic steward
- Gemma 4 se consolida como el modelo abierto más potente de la familia Gemma
- Está disponible en varios tamaños, de 2B a 31B, para usarse en móviles, laptops y la nube
- Gemma comenzó en 2024 como una familia de modelos que iba de 1B a 27B
- Gemma 4 es un modelo de pesos abiertos y compatible con el ecosistema open source
- Con MTP y speculative decoding, la velocidad de decodificación puede aumentar hasta 3 veces
- El ecosistema Android ya cuenta con una implementación day-zero de Gemma 4
- A través de la API de Android, se pueden ejecutar directamente modelos pequeños de Gemma en el teléfono o desarrollar apps Android con un modelo Gemma local en entornos donde el acceso a la API de Gemini es difícil
- Usan el ADK (agent development kit) sobre Cloud Run y Gemma 31B para crear agentes que entienden bases de datos y encuentran respuestas
- Gemma 4 puede ejecutarse en el navegador o en entornos locales mediante las interfaces compatibles con OpenAI de Transformers.js, Ollama y LM Studio
- La nube empresarial, las máquinas locales, el navegador y los móviles pasan a ser entornos de ejecución para Gemma
- La actualización de Web UI de 2026 presenta las funciones principales junto con su estado en Baseline
- Todas las funciones llevan indicadores de compatibilidad como Baseline Widely Available, Newly Available o Limited Available
- Con la contrast-color API es más fácil elegir en CSS colores con el contraste adecuado
- La función
meta name="text-scale" de Chrome 146 responde a la configuración de tamaño de texto del sistema
- Más del 30% de los usuarios de Android y iOS cambian el tamaño de texto predeterminado
- Desde Chrome 134, el elemento dialog incorpora funciones del popover como declarative light dismiss
- Las two-phase View Transitions pueden probarse en Chrome Canary
- Las scroll-driven animations llegaron a Chrome en 2023, y con Interop 2026 mejoran su interoperabilidad
- La HTML-in-Canvas API permite insertar contenido DOM real dentro de Canvas
- En Chrome 149 se añaden nuevos usos para gap decorations y shape outside
- Android ya no es un ecosistema exclusivo de teléfonos, y más de 580 millones de dispositivos activos de pantalla grande se benefician de la inversión en apps adaptativas
- Los usuarios de foldables se clasifican como un segmento de mayor valor en las apps adaptativas
- En Android 17, se avanza hacia eliminar el opt-out de orientation y resizability para los objetivos con target SDK 37
- El Desktop emulator de Android Studio Quail Canary permite probar apps de Android en formato de escritorio
- Con la Continue On API de Android 17, los usuarios pueden continuar en un segundo dispositivo lo que estaban haciendo en otro
- Google está reforzando la tendencia de crear apps de Android con un enfoque Compose-first
- Compose 1.11 mejora el soporte de trackpad al nivel de mouse y pointer, y añade una API de testing para entradas no táctiles
- Compose añade una API experimental para state-based styling
- Connected Displays se ofrece públicamente a través de Android Feature Drop
- Las bibliotecas Compose, Navigation 3 y Compose Adaptive responden a múltiples pantallas como foldables, desktop, auto, TV y XR
- El tema central es cómo la computación cuántica y la IA se aceleran mutuamente
- Hartmut Neven inició el equipo de Quantum AI de Google en 2012
- superposition y qubit son la base de la computación cuántica
- La cantidad de bit strings posibles en un chip de 105 qubits es 2 elevado a 105
- La comunidad ya ha identificado más de 70 algoritmos y problemas que una computadora cuántica puede resolver de forma útil
- En el futuro, esa cifra podría multiplicarse por más de 10
- quantum error correction es una tecnología clave para mantener el estado de superposición
- Google logró en 2022 reducir errores en máquinas reales mediante quantum error correction
- Quantum Echoes se vincula con la forma de aprender a partir de datos generados por NMR o MRI
- Google plantea que la transición hacia post-quantum cryptography debe avanzar con mayor solidez de aquí a 2029
- Trata sobre una pila de software open source para entrenar, ajustar finamente e inferir modelos sobre TPU
- El flujo de desarrollo de modelos se divide en pre-training, post-training y serving/inference
- Se puede probar post-training e inference con las TPU gratuitas de Kaggle y Colab
- La demo de vLLM on TPU ejecuta el modelo Gemma 4 31B en TPU y resume información nutricional a partir de imágenes de comida
- Gemma 4 es un modelo multimodal adecuado para recibir imágenes, entender su contenido y resumirlo
- Al incorporar MTP en vLLM TPU inference, se obtuvo una mejora de velocidad de alrededor de 3 veces en varias tareas
- Tunix es un framework ligero para post-training
- En lugar de un modelo grande, se ajusta finamente un modelo de 4B para realizar la misma tarea y ejecutarlo en un solo chip Trillium
- MaxText, Tunix, vLLM, JAX, PyTorch y TPU se ubican como herramientas a lo largo del ciclo de vida del modelo
- Chrome DevTools for agents es una herramienta que permite a los agentes de programación observar directamente el runtime del navegador a través de DevTools
- Así como los desarrolladores humanos aprenden y depuran con DevTools, los agentes de programación también deben tener el mismo ciclo cerrado de retroalimentación
- Los agentes pueden abrir una instancia real de Chrome, navegar por páginas, llenar formularios y recopilar console log y network request
- Gracias al acceso a source maps, pueden saltar de un problema en runtime al archivo fuente relacionado
- La herramienta se ofrece como NPM package e incluye MCP server y CLI
- Seis skills disponibles:
- troubleshooting, Chrome DevTools y Chrome DevTools CLI skill ayudan con el uso general y los conceptos
- accessibility debugging, memory leak debugging y optimized LCP skill incorporan conocimiento especializado al agente
- La implementación se basa en Puppeteer, y los agentes usan un wrapper de la herramienta en lugar de usar Puppeteer directamente
- De forma predeterminada, usa un perfil de navegador anónimo independiente y no accede al Chrome password manager
- CyberAgent auditó 236 stories de Storybook de 32 componentes en menos de una hora con DevTools for agents
- Demis Hassabis definió el objetivo original de DeepMind como “solve intelligence”
- El tema central es cómo la IA está transformando el descubrimiento científico, los productos y las herramientas de investigación
- AlphaFold vuelve a citarse como un caso que resolvió un problema de 50 años sobre la estructura de las proteínas
- Gemini for Science se conecta con la línea de modelos científicos presentada en la keynote
- Demis Hassabis describe este momento como estar en las “foothills” de la singularidad, y sitúa la resolución de la inteligencia alrededor de 2030, con un margen de un año
- Los modelos de la familia Genie se usan para que Waymo pruebe situaciones 1 in a billion que son difíciles de ver en el mundo real
- Los avances de Isomorphic Labs en drug discovery se presentan como un ejemplo de cómo la IA acelera la ciencia
- La app de Gemini tiene 900 millones de usuarios mensuales, y AI Mode in Search también se ha convertido en una superficie clave de producto
- La IA se usa no solo como funcionalidad de producto, sino como herramienta para resolver problemas científicos y de investigación
- En la era de la IA, el trabajo del desarrollador se desplaza de escribir código hacia diseño de sistemas, documentación y orquestación
- Aunque siguen apareciendo nuevas herramientas y modelos, no es necesario seguir todas las tendencias de inmediato; hay que elegir de forma intencional qué herramientas aprender
- Incorporar agentes al equipo se parece a sumar varios ingenieros junior, por lo que la documentación interna y el registro de decisiones de diseño se vuelven más importantes
- Para crear un buen agentic workflow, hay que definir la responsabilidad de cada agente, cómo conversan varios agentes entre sí y en qué punto supervisa la persona
- La UX de varias herramientas de programación se está pareciendo, así que los patrones aprendidos en una herramienta pueden trasladarse a otras
- Al trabajar con agentes, hay que soltar parte del control del proceso y centrarse en alinear los resultados y la intención de diseño
- La technical debt, cognitive debt e intent debt pueden mejorar más rápido o empeorar más rápido con la IA
- Ejecutar 20 agentes al mismo tiempo puede superar la capacidad cognitiva humana, por lo que hay que gestionarlo de forma intencional
- Los buenos hábitos de prompting cambian de fragmentos de búsqueda a formular objetivos completos con contexto
- Más importante que “si escribes todo el código tú mismo” es “si cuentas con el contexto y el sistema de verificación para que el agente pueda trabajar”
- Incluso en la era de la IA, las capacidades básicas de ingeniería de software se vuelven aún más importantes
- La IA puede ser un force multiplier, pero se necesita experiencia profunda para evaluar, integrar y mantener sus resultados
- Cuanto más autónomos sean los agentes, más se necesita un enfoque shift-left para aclarar la intención desde etapas más tempranas
- El diseño de sistemas se amplía hasta incluir entorno, personas, agentes, herramientas y cultura
- En lugar de usar agentes listos para usar, los equipos deben crear y mantener directamente el rol, perfil, receta, regla y habilidad de cada agente
- Las specs, reglas de agentes y habilidades se convierten en la source of truth que transmite a los agentes el qué y el porqué del sistema
- Para crear una evaluación realista, se necesitan en conjunto capacidades de IA, ingeniería de software, usuarios y negocio
- Hay que crear un ciclo de retroalimentación que analice el agent trace para mejorar la usabilidad de las herramientas, las habilidades del agente y el diseño del sistema
- Los ingenieros humanos pasan de ser el conductor de un agente individual a ser el orchestrator de varios equipos de agentes asíncronos
- Para ver el sistema desde la perspectiva de actores maliciosos, se puede asignar explícitamente un agente de red team
- Si la IA acelera la escritura de código, todo el ecosistema de desarrollo recibe presión a nivel de software ecology
- En Google, todo el código, incluido Android y Chrome, está en un monorepo compartido y se confirma en el trunk
- Desde hace mucho tiempo, Google usa herramientas internas con las que un solo desarrollador puede modificar millones de líneas de código
- Es muy probable que el ecosistema de desarrollo actual no pueda soportar una velocidad 10 veces mayor
- Si los agentes generan más compilaciones, pruebas, commits y uso de tokens, aumentan los costos de infraestructura y los cuellos de botella
- Los agentes pueden crear código fácil de escribir, pero no necesariamente código fácil de mantener para las personas
- Se necesitan habilidades agentic de component reuse y component isolation que impongan reutilización y aislamiento
- El acceso a APIs y datos debe protegerse con solidez, como si en la práctica estuviera expuesto a los agentes
- La frase “agents will find things you probably didn't want them to” deja en evidencia los riesgos del diseño de permisos
- En el ecosistema de desarrollo de 2030, la forma actual de trabajar podría parecer tan anticuada como la era del CD-ROM de 2001
- Si se usan juntos Antigravity y Flutter, una idea creada una sola vez puede expandirse a múltiples plataformas
- Desde el lanzamiento de Gemini 3, la capacidad del modelo ha aumentado mucho, y Antigravity la ha soportado desde el principio
- Antigravity se centra en un ciclo de retroalimentación donde planificación, ejecución y verificación están estrechamente conectadas
- Antigravity crea una lista de tareas y un plan de implementación, deja screenshots y video durante la ejecución, y al terminar redacta un informe con lo implementado y las razones
- En la etapa de verificación, se encadenan la ejecución de la app, la captura de screenshots, el clic en botones de Chrome y la ejecución de pruebas
- En Flutter, el tipado fuerte de Dart y el analysis server proporcionan al LLM señales objetivas de error, como firmas de funciones y estructuras de clases
- Flutter es un cross-platform UI toolkit que ofrece los mismos píxeles y funciones en múltiples pantallas
- El stateful hot reload de Flutter ofrece una experiencia de desarrollo que vuelve a compilar la app en ejecución en menos de 1 segundo
- Cuanto más código generen los agentes, más deberán las personas definir los objetivos de diseño y la dirección del producto, y revisar los resultados de los agentes
- Antigravity proporciona el ciclo de ejecución de agentes, y Flutter ofrece resultados consistentes en múltiples plataformas, creando el flujo “vibe once, run anywhere”
1 comentarios
Flash es demasiado caro; de ahora en adelante voy a vivir para siempre en el hosting de gemma de OpenRouter