- ¿Qué cambió bajo el capó? 🔎
- Menos tokens, más tareas completadas
- La primera novedad: archivos 📁
- Y la segunda API se ocupa del problema más delicado 🔐
- Un modelo con espacio para tareas enormes 🧠
- Parece una evolución del propio concepto de agente
- ¿Y quienes ya utilizan la versión anterior? ⏳
- Ahora falta descubrir qué harán los agentes con todo esto 🚀
Principales destacados
- Menos tokens en las modificaciones: el nuevo harness utiliza un 40% menos de tokens de salida al realizar cambios en archivos, según benchmarks internos de Google.
- Archivos y credenciales con APIs propias: los desarrolladores pueden gestionar archivos en un sandbox y conectar servicios como GitHub y Slack sin entregar los tokens al modelo.
- La versión anterior tiene fecha de salida: antigravity-preview-05-2026 será descontinuado el 5 de octubre de 2026, con redirección automática a la nueva versión.
Google actualizó el entorno que proporciona autonomía a sus agentes de IA Gemini. La nueva versión, llamada antigravity-preview-09-2026, llega con dos nuevas APIs y promete reducir el esfuerzo necesario para crear agentes capaces de ejecutar tareas complejas por sí solos.
La actualización funciona de forma nativa con Gemini 3.8 Flash y apunta a un problema cada vez más importante en el desarrollo con IA: no basta con que el modelo razone bien. También debe poder trabajar con archivos, herramientas y servicios externos sin convertir las credenciales sensibles en un riesgo adicional.
¿Qué cambió bajo el capó? 🔎
antigravity-preview-09-2026 es una actualización del harness utilizado por los agentes gestionados de Gemini. En la práctica, funciona como la infraestructura que permite al agente no solo responder a una solicitud, sino ejecutar una secuencia de acciones hasta intentar completarla.
Esto incluye trabajar en un sandbox Linux seguro, ejecutar código, navegar por la web y editar archivos mediante una única llamada a la API.
La propuesta acerca este entorno a las herramientas y al comportamiento observados en Antigravity, el agente autónomo de programación de Google.
⚙️ La mejora no está solo en el modelo: Google también está modificando la capa que conecta el modelo con las herramientas necesarias para realizar una tarea.
Menos tokens, más tareas completadas
Según benchmarks internos de Google, la nueva versión presenta mejoras en distintos escenarios de uso.
En las modificaciones de archivos, el consumo de tokens de salida cayó un 40%. En tareas de ingeniería de software y búsquedas con múltiples interacciones, la tasa de finalización aumentó hasta un 6%.
Hay otro indicador: las tasas de acierto de caché crecieron hasta un 16% en conversaciones largas y tareas de investigación.
| Métrica | Resultado informado |
|---|---|
| Tokens de salida en modificaciones de archivos | 40% menos |
| Tasa de finalización de tareas | Hasta 6% mayor |
| Acierto de caché en conversaciones largas e investigaciones | Hasta 16% mayor |
Los números proceden del propio Google y, por tanto, representan benchmarks internos de la compañía, no una comparación independiente entre diferentes sistemas.
La primera novedad: archivos 📁
Una de las nuevas APIs está dedicada a los archivos.
La API de Archivos permite subir datos a un sandbox activo, listar los archivos creados durante una sesión y descargar archivos o directorios de forma individual.
Esto resulta especialmente útil en flujos en los que el agente necesita trabajar directamente con un conjunto de materiales. En lugar de tratar los archivos como simples adjuntos de una conversación, el entorno ofrece ahora operaciones específicas para administrarlos durante la ejecución de una tarea.
Pensemos en un agente que analiza varios archivos, ejecuta código, genera nuevos resultados y después pone esos archivos a disposición del usuario. Ese es precisamente el tipo de flujo que la API busca facilitar.
Y la segunda API se ocupa del problema más delicado 🔐
La API de Credenciales gestiona las conexiones con servicios externos.
Google menciona integraciones como GitHub y Slack, pero el punto central no es simplemente conectar el agente con estas plataformas. Es hacerlo sin exponer los tokens al propio modelo.
Las credenciales se almacenan de forma cifrada y se inyectan únicamente en el proxy de salida, y solo para destinos aprobados.
💡 La idea es separar lo que el agente necesita utilizar de aquello que necesita conocer: el modelo puede activar una conexión autorizada sin recibir directamente el secreto utilizado para autenticarla.
Este diseño reduce la necesidad de colocar tokens sensibles dentro del contexto del modelo, algo especialmente relevante cuando los agentes empiezan a operar con mayor autonomía y acceso a herramientas externas.
Un modelo con espacio para tareas enormes 🧠
Detrás del nuevo harness está Gemini 3.8 Flash.
El modelo ofrece una ventana de contexto de hasta 1 millón de tokens y puede generar hasta 64.000 tokens de salida. También acepta texto, imágenes, audio y vídeo como entrada.
Para los agentes de software, la ventana de contexto tiene una función práctica.
Una tarea de ingeniería puede involucrar código distribuido en varios archivos, pruebas, registros y configuraciones. Cuanta más información pueda mantener el agente dentro de una misma tarea, menor será la necesidad de fragmentar el trabajo en etapas aisladas.
🧩 Código, pruebas y registros en el mismo contexto: esta capacidad resulta especialmente relevante cuando el agente necesita investigar un problema, modificar archivos, ejecutar pruebas y seguir razonando a partir de los resultados.
Parece una evolución del propio concepto de agente
El movimiento también muestra dónde está concentrando Google parte de sus esfuerzos en el desarrollo de agentes.
Un modelo de lenguaje por sí solo responde a comandos. Un agente necesita hacer más: acceder a información, ejecutar acciones, manipular archivos y comunicarse con servicios externos.
Por eso, la infraestructura que rodea al modelo empieza a ser tan importante como su capacidad para generar texto.
El nuevo harness reúne precisamente estas piezas en un entorno controlado. El objetivo es conseguir que el agente pase de «aquí está el código» a «lo ejecuté, encontré el problema, modifiqué los archivos y avancé en la tarea».
¿Y quienes ya utilizan la versión anterior? ⏳
La actualización ya está disponible en Google AI Studio y en la API de Interacciones.
Google también informó que los precios permanecen sin cambios respecto a la versión anterior.
Pero hay una fecha importante para quienes todavía utilizan el harness antiguo.
La versión antigravity-preview-05-2026 será descontinuada el 5 de octubre de 2026. Después de esa fecha, las solicitudes serán redirigidas al harness actualizado.
Esto significa que el cambio no se limita al terreno de las novedades opcionales. Para quienes dependen de la versión anterior, el calendario ya está definido.
Ahora falta descubrir qué harán los agentes con todo esto 🚀
La combinación es significativa: un modelo con un contexto de hasta 1 millón de tokens, un entorno Linux para ejecutar tareas, herramientas para manipular archivos y una capa específica para gestionar credenciales.
En la práctica, Google intenta eliminar parte de la fricción que aparece cuando un agente deja de ser simplemente un chatbot y empieza a operar dentro de un flujo de trabajo real.
Es como pasar de una calculadora a alguien que también tiene acceso al taller. El siguiente desafío es asegurarse de que esa persona tenga las herramientas adecuadas, pero no las llaves de todo.
Y precisamente ahí entran las nuevas APIs. Con la versión anterior marcada para desaparecer en octubre, los próximos meses mostrarán cuánto de esta infraestructura terminará incorporándose a los flujos reales de desarrollo con Gemini.
