Google lanza sistema de orquestadores de inteligencia artificial en Antigravity
El nuevo sistema Orchestrator busca mantener la calidad del resultado sin incrementar significativamente el gasto en recursos computacionales, seleccionando automáticamente el modelo de IA más adecuado para cada paso de la generación de código.

Google ha lanzado un sistema de orquestadores de inteligencia artificial (IA) en su plataforma Antigravity, con el objetivo de hacer más eficiente y económica la programación asistida por IA.
La nueva función, denominada Orchestrator, busca mantener la calidad del resultado sin incrementar significativamente el gasto en recursos computacionales. Esto se logra seleccionando automáticamente el modelo de IA más adecuado para cada paso de la generación de código.
Se trata de un sistema que utiliza modelos de IA de alto costo solo para planificar y modelos más económicos para ejecutar el trabajo, lo que permite una reducción significativa en el consumo de recursos y tiempo de ejecución. Los resultados prometen ser cercanos a los obtenidos con modelos más avanzados.
El orquestador implementado por Google selecciona entre modelos superiores como Argon o Carbon, encargados de planificar la estrategia, y modelos más económicos como Hydrogen, utilizados para la ejecución de instrucciones concretas.
Este sistema busca optimizar el uso de recursos y acelerar el desarrollo de software sin sacrificar la calidad del resultado final. En caso de que durante la ejecución el modelo más económico encuentre dificultades, el orquestador puede devolver el control al modelo superior para resolver el problema.
Orchestrator se ofrece en dos versiones: Carbon y Argon, ambas disponibles a través de Antigravity. La primera está reservada para usuarios de Google AI Ultra, quienes también pueden acceder al modelo más avanzado, mientras que la segunda también está disponible para los suscriptores de Google AI Pro de pago.
Además, empresas pueden acceder a Orchestrator mediante Gemini for business, lo que amplía el alcance del orquestador a diferentes perfiles de usuarios y organizaciones. Esto permite a Google aprovechar la eficiencia de los modelos más económicos, asignándoles tareas de ejecución y reservando los modelos más avanzados para cuando se requiere un razonamiento profundo.
Según Google, Orchestrator en Antigravity logra una tasa de éxito similar a Gemini 4 Carbon, pero con una reducción del 24% en la cuota y una velocidad de ejecución un 19% mayor en la prueba Terminal-Bench. Esta estrategia permite a los desarrolladores y empresas optimizar sus gastos en inteligencia artificial y utilizar los recursos de manera más eficiente.
La implementación de Orchestrator busca acelerar los tiempos de desarrollo y permitir a las empresas aprovechar al máximo su inversión en tecnología de inteligencia artificial. Al asignar tareas a los modelos más económicos, se pueden reducir los costos y mejorar la eficiencia en la ejecución de tareas complejas.
En la generación de código, los modelos MoE pueden seleccionar automáticamente qué expertos dentro de la red neuronal deben participar en cada paso, lo que optimiza el proceso.
Estas arquitecturas de inteligencia artificial activan solo una parte de sus parámetros según la tarea a realizar, permitiendo una mayor eficiencia en el uso de recursos. Su capacidad para automatizar la selección de expertos ha demostrado ser efectiva en tareas complejas como el agrupamiento y la generación de datos.
El orquestador selecciona el modelo más adecuado para cada paso, utilizando modelos avanzados para planificar y modelos menos costosos pero igualmente eficientes para ejecutar las tareas. Si un modelo económico se atasca o no puede completar la tarea, el orquestador devuelve el control al modelo superior para resolver la situación.
Al asignar tareas a los modelos más económicos, se pueden reducir significativamente los costos y mejorar la eficiencia en la ejecución de tareas complejas. Esto permite acercarse a la calidad de los modelos más avanzados sin sobrecargar el gasto en recursos computacionales.
La nueva tecnología permite al programador seleccionar solo los componentes necesarios para cada paso en el proceso de generación de código, lo que reduce significativamente el uso de modelos caros y aprovecha recursos económicos.
De esta manera, se puede lograr eficiencia sin sacrificar calidad, ya que la arquitectura MoE activa solo aquellos expertos necesarios para cada tarea específica. Esto permite una mayor flexibilidad en la selección de componentes y un proceso más ágil.
La tecnología también reduce los costos de desarrollo al reducir el uso de modelos caros a las partes de la tarea que lo requieren, logrando así una eficiencia sin sacrificar calidad.
Datos basados en información reportada originalmente por Columna Digital Tecnologia.
Puedes republicar esta nota, completa o en parte, citando a Información Center con un enlace a ella (licencia CC BY 4.0). Las fotos no están incluidas.
















