Google ha integrado un sistema de orquestadores de modelos de inteligencia artificial en su plataforma Antigravity, diseñado para hacer más eficiente y económica la programación asistida por IA. Este sistema utiliza modelos de IA de alto costo solo para planificar y modelos más económicos para ejecutar el trabajo, buscando mantener la calidad sin elevar el gasto en recursos computacionales1.
La nueva función, llamada Orchestrator, ya está disponible tanto en la aplicación como en la línea de comandos de Antigravity, y promete resultados cercanos a los de los modelos más avanzados, pero con una reducción significativa en el consumo de recursos y el tiempo de ejecución1.
Cómo funciona el orquestador de Google
El sistema de orquestadores implementado por Google en Antigravity selecciona automáticamente el modelo de IA más adecuado para cada paso de la generación de código. Para tareas que requieren razonamiento complejo, el orquestador recurre a modelos superiores como Argon o Carbon, encargados de planificar la estrategia. Para la ejecución de instrucciones concretas, utiliza modelos más económicos como Hydrogen1.
Si durante la ejecución el modelo más económico encuentra dificultades, el orquestador puede devolver el control al modelo superior para resolver el problema. Este mecanismo busca optimizar el uso de recursos y acelerar el desarrollo de software sin sacrificar la calidad del resultado final1.

Disponibilidad y acceso a Orchestrator
Orchestrator está disponible en Antigravity en dos variantes: Orchestrator (Carbon) y Orchestrator (Argon). La primera está reservada para suscriptores de Google AI Ultra, quienes pueden acceder a ambas versiones, mientras que la segunda también está disponible para usuarios de Google AI Pro de pago1.
Para empresas, Google ofrece el acceso a través de Gemini for business, ampliando así el alcance del orquestador a distintos perfiles de usuarios y organizaciones1.
Beneficios de combinar modelos caros y baratos
La estrategia de Google busca aprovechar la eficiencia de los modelos más económicos, asignándoles tareas de ejecución, mientras que los modelos más avanzados se utilizan solo cuando es necesario un razonamiento profundo. Según la compañía, Orchestrator en Antigravity logra una tasa de éxito similar a la de Gemini 4 Carbon, pero con un 24 % menos de cuota y una ejecución un 19 % más rápida en la prueba Terminal-Bench 4.11.
Este enfoque permite a los desarrolladores y empresas optimizar sus gastos en IA, utilizando los recursos de manera más inteligente y acelerando los tiempos de desarrollo1.
Qué es un modelo MoE y su aplicación en IA
Los modelos MoE (mixture-of-experts) son arquitecturas de inteligencia artificial que activan solo una parte de sus parámetros según la tarea a realizar, lo que permite una mayor eficiencia en el uso de recursos1, 2. En el contexto de la generación de código, estos modelos pueden seleccionar automáticamente qué expertos dentro de la red neuronal deben participar en cada paso, optimizando así el proceso1.
En investigaciones recientes, como la publicada en PLoS Computational Biology, los modelos MoE han demostrado una eficacia superior en tareas de agrupamiento y generación de datos complejos, lo que respalda su uso en aplicaciones como la programación asistida por IA2.
Preguntas frecuentes
¿Cómo funciona el sistema de orquestadores de modelos de IA para programación?
El orquestador selecciona el modelo de IA más adecuado para cada paso: usa modelos avanzados para planificar y modelos económicos para ejecutar. Si el modelo económico se atasca, el orquestador devuelve el control al modelo superior para resolver la tarea1.
¿Qué beneficios tiene usar modelos de IA baratos y caros combinados en programación?
Permite reducir el costo y el tiempo de ejecución, acercándose a la calidad de los modelos más avanzados, pero optimizando el gasto en recursos computacionales1.
¿Cómo puede afectar esta tecnología a los costos de desarrollo de software?
Puede disminuir los costos de desarrollo al reducir el uso de modelos caros solo a las partes de la tarea que lo requieren y aprovechar modelos económicos para la ejecución, logrando eficiencia sin sacrificar calidad1.
¿Qué es un modelo MoE y cómo se aplica en la generación de código?
Un modelo MoE (mixture-of-experts) es una arquitectura que activa solo algunos de sus expertos para cada tarea. En la generación de código, permite seleccionar automáticamente los componentes más adecuados para cada paso, haciendo el proceso más eficiente1, 2.
Fuentes
Texto elaborado por la Redacción de Columna Digital a partir de estas fuentes:
Redacción Columna Digital. Es posible que en la preparación de esta nota se hayan usado herramientas de inteligencia artificial para reunir fuentes, procesar datos, corregir o redactar textos, bajo la supervisión del equipo de Redacción.
Datos basados en información reportada originalmente por Xataka.






Deja un comentario