Hogar
El agente de investigación profunda Gemini 3.1 Pro de Google se lanza con el protocolo MCP y capacidades multimodales
Google ha presentado recientemente dos nuevos agentes de investigación autónoma basados en la arquitectura Gemini 3.1 Pro: Deep Research y Deep Research Max. Estas herramientas ya están disponibles en versión preliminar pública a través del plan de pago de la API de Gemini. Están diseñadas para automatizar por completo flujos de trabajo de investigación complejos, lo que marca un giro en los agentes de IA, que pasan de las consultas web básicas a modelos de «razonamiento a largo plazo» capaces de realizar análisis en profundidad.

El agente Deep Research estándar hace hincapié en la eficiencia y la baja latencia, lo que lo hace ideal para aplicaciones conversacionales en tiempo real que requieren respuestas rápidas. Por el contrario, Deep Research Max se centra en la profundidad de la investigación, utilizando un tiempo de procesamiento prolongado para el razonamiento y la iteración en múltiples pasos, dirigido principalmente a tareas de backend asincrónicas como los informes de diligencia debida. Técnicamente, esta nueva versión introduce compatibilidad con el Protocolo de Contexto de Modelos (MCP), lo que permite a los agentes extraer datos tanto de la web abierta como de bases de datos privadas que contienen información financiera o de mercado. Además, los agentes cuentan ahora con herramientas de visualización nativas, lo que les permite generar directamente gráficos e infografías en formato HTML.

En las pruebas de rendimiento comparativas, Google informa de que Deep Research Max muestra mejoras sustanciales en las tareas de recuperación y razonamiento en comparación con los modelos anteriores. Sin embargo, los analistas del sector señalan que las comparaciones con la serie GPT-5.4 de OpenAI y Opus4.6 de Anthropic pueden verse influidas por las metodologías de prueba y deben interpretarse con cautela. Una novedad destacada es una función de planificación colaborativa, que admite entradas multimodales, incluyendo PDF, audio y vídeo. Los desarrolladores también tienen la opción de desactivar completamente el acceso a la red para garantizar la seguridad de los datos privados sensibles.
Google ha indicado que estos dos agentes comparten el mismo marco de investigación subyacente que NotebookLM y Google Search, y se integrarán aún más en el mercado empresarial a través de Google Cloud. A medida que los agentes de autoinvestigación avanzan hacia la era del «razonamiento a largo plazo», su papel en el análisis profesional está evolucionando desde un mero procesador de información hasta convertirse en un experto autónomo, capaz de planificar, para el análisis en profundidad.
Artículo relacionado
CEO de DeepMind, Hassabis: Duermo seis horas al día y generalmente me siento con energía alrededor de la 1 a. m.
Fortune ha presentado recientemente una entrevista con Demis Hassabis, director ejecutivo de Google DeepMind, en la que revela su enfoque poco convencional para el descanso y la productividad. Hassabis ha revelado que duerme muy poco, estructurando s
OpenAI y Anthropic compiten por la cuota de mercado a pesar de la caída de los ingresos
A pesar de los recientes informes que sugieren que OpenAI no ha alcanzado sus objetivos de ingresos —lo que ha generado presión sobre las acciones tecnológicas este martes—, los inversores privados en
Cumplimiento de la normativa sobre vehículos autónomos en California: una nueva era de multas, geovallas y 1 millón de millas
Guident opera un servicio de transporte de AuveTech en el sur de Florida, gestionando una ruta de cuatro millas en West Palm Beach y otra de una milla en Boca Ratón mediante su tecnología de monitoriz
Recomendaciones de temas especiales relacionados
comentario (0)
0/500
Google ha presentado recientemente dos nuevos agentes de investigación autónoma basados en la arquitectura Gemini 3.1 Pro: Deep Research y Deep Research Max. Estas herramientas ya están disponibles en versión preliminar pública a través del plan de pago de la API de Gemini. Están diseñadas para automatizar por completo flujos de trabajo de investigación complejos, lo que marca un giro en los agentes de IA, que pasan de las consultas web básicas a modelos de «razonamiento a largo plazo» capaces de realizar análisis en profundidad.

El agente Deep Research estándar hace hincapié en la eficiencia y la baja latencia, lo que lo hace ideal para aplicaciones conversacionales en tiempo real que requieren respuestas rápidas. Por el contrario, Deep Research Max se centra en la profundidad de la investigación, utilizando un tiempo de procesamiento prolongado para el razonamiento y la iteración en múltiples pasos, dirigido principalmente a tareas de backend asincrónicas como los informes de diligencia debida. Técnicamente, esta nueva versión introduce compatibilidad con el Protocolo de Contexto de Modelos (MCP), lo que permite a los agentes extraer datos tanto de la web abierta como de bases de datos privadas que contienen información financiera o de mercado. Además, los agentes cuentan ahora con herramientas de visualización nativas, lo que les permite generar directamente gráficos e infografías en formato HTML.

En las pruebas de rendimiento comparativas, Google informa de que Deep Research Max muestra mejoras sustanciales en las tareas de recuperación y razonamiento en comparación con los modelos anteriores. Sin embargo, los analistas del sector señalan que las comparaciones con la serie GPT-5.4 de OpenAI y Opus4.6 de Anthropic pueden verse influidas por las metodologías de prueba y deben interpretarse con cautela. Una novedad destacada es una función de planificación colaborativa, que admite entradas multimodales, incluyendo PDF, audio y vídeo. Los desarrolladores también tienen la opción de desactivar completamente el acceso a la red para garantizar la seguridad de los datos privados sensibles.
Google ha indicado que estos dos agentes comparten el mismo marco de investigación subyacente que NotebookLM y Google Search, y se integrarán aún más en el mercado empresarial a través de Google Cloud. A medida que los agentes de autoinvestigación avanzan hacia la era del «razonamiento a largo plazo», su papel en el análisis profesional está evolucionando desde un mero procesador de información hasta convertirse en un experto autónomo, capaz de planificar, para el análisis en profundidad.
CEO de DeepMind, Hassabis: Duermo seis horas al día y generalmente me siento con energía alrededor de la 1 a. m.
Fortune ha presentado recientemente una entrevista con Demis Hassabis, director ejecutivo de Google DeepMind, en la que revela su enfoque poco convencional para el descanso y la productividad. Hassabis ha revelado que duerme muy poco, estructurando s
OpenAI y Anthropic compiten por la cuota de mercado a pesar de la caída de los ingresos
A pesar de los recientes informes que sugieren que OpenAI no ha alcanzado sus objetivos de ingresos —lo que ha generado presión sobre las acciones tecnológicas este martes—, los inversores privados en











