Google DeepMind ha abierto una convocatoria para que 10.000 científicos accedan de forma gratuita al nivel más alto de uso de Google Antigravity, su plataforma de agentes de inteligencia artificial orientada a la investigación científica.
La medida llega en un momento en que los laboratorios de biología estructural, genómica y ciencias de la vida buscan reducir costes en herramientas de IA sin renunciar a capacidad de cómputo para proyectos largos. El límite de consultas suele ser, precisamente, lo que determina si una herramienta sirve para una investigación sostenida o solo para pruebas puntuales.
Qué es Google Antigravity y por qué importa ahora
La iniciativa se enmarca dentro de Gemini for Science, el conjunto de herramientas que Google destina a la comunidad investigadora. Los científicos interesados deben solicitar el acceso a través de la página oficial del programa, aunque la compañía no ha detallado públicamente los criterios de selección ni el plazo de la convocatoria.
Lo que sí ha confirmado Google es que se trata del highest usage tier, es decir, el nivel de mayor volumen de uso disponible en la plataforma. Para un grupo de investigación, esto elimina una de las barreras más comunes al trabajar con IA: quedarse sin consultas a mitad de un análisis.
Conviene tener presente que se trata de un programa promocional de la empresa, no de un beneficio permanente. Su alcance real dependerá de a quién se concedan las plazas y de cómo rinda la herramienta en cada disciplina concreta.
Más de 30 bases de datos de ciencias de la vida integradas
Antigravity se define como una plataforma «agent-first», diseñada para flujos de trabajo de investigación complejos. Los agentes pueden personalizarse mediante complementos, habilidades, subagentes y ganchos específicos para cada campo científico.
El rasgo distintivo es que estos agentes dominan desde el inicio más de 30 grandes bases de datos de ciencias de la vida. Entre ellas destacan el AlphaGenome Atlas, de 1 petabyte de información, además de UniProt, PubChem y ChEMBL, repositorios de referencia en genómica, proteínas y química farmacéutica.
Esta integración nativa evita a los equipos de investigación el trabajo previo de programar conectores y depurar formatos de datos antes de poder analizar nada.
AlphaGenome y AlphaFold Database en el mismo entorno
La plataforma permite consultar directamente los modelos de frontera de Google DeepMind y bases como AlphaGenome, AlphaFold Database y Atlas sin abandonar el espacio de trabajo. Según la compañía, esto sirve tanto para generar gráficos de Sashimi sobre alteraciones del empalme genético como para condensar en minutos análisis estructurales que antes requerían horas de trabajo manual.
Un ejemplo práctico: ante una variante genética sospechosa de alterar el empalme de un gen, el investigador puede pedir al agente que la cruce con AlphaGenome, genere el gráfico correspondiente y deje disponible el script que produjo ese resultado, sin saltar entre distintas herramientas.
Renderizados 3D listos para publicación científica
Antigravity también produce renderizados estructurales en 3D mediante PyMOL, descritos por Google como «listos para publicación», junto con scripts de análisis reproducibles y artefactos científicos verificables.
Esta trazabilidad responde a una preocupación habitual sobre los agentes de IA: la posibilidad de comprobar el origen de cada resultado. Un script reproducible permite que otro equipo repita el análisis de forma independiente, un requisito que pesa en los procesos de revisión por pares.
Casos de uso en Cambridge, Duke y Rutgers
Google ha acompañado el anuncio con ejemplos de investigadores que ya emplean estas herramientas. El laboratorio de Ben Luisi, en la Universidad de Cambridge, utiliza un conjunto de herramientas de IA para atacar simultáneamente dos procesos bacterianos esenciales, con el objetivo de combatir superbacterias sin generar más resistencia a los antimicrobianos.
En la Universidad de Duke, el Wang Lab empleó el modo Deep Think para optimizar los métodos de fabricación en el crecimiento de cristales, un desafío de ciencia de materiales aplicado a semiconductores bidimensionales. Por su parte, Lisa Carbone, matemática de la Universidad de Rutgers, recurrió al mismo modo para revisar un artículo de física de altas energías y álgebra de dimensión infinita, con el fin de detectar errores lógicos.
Anupam Pathak, responsable de I+D en la división de Plataformas y Dispositivos de Google, probó Deep Think para acelerar el diseño y prototipado de componentes físicos complejos. Conviene recordar que estos son casos presentados por la propia compañía, no evaluaciones independientes.
El resto del paquete Gemini for Science
Además de Antigravity, Gemini for Science incluye otras herramientas. Co-Scientist ya está en manos de investigadores para ayudar a formular hipótesis nuevas. Gemini Deep Research funciona como asistente personal de investigación pensado para ahorrar horas de trabajo. Deep Think combina conocimiento científico profundo con aplicaciones de ingeniería práctica.
También existen herramientas experimentales disponibles en Google Labs, una colección de pruebas centradas en el descubrimiento científico asistido por inteligencia artificial.
Qué comprobar antes de solicitar el acceso
Antes de pedir una de las 10.000 plazas, hay varios puntos que conviene revisar con atención.
Primero, verificar si el campo de investigación está cubierto. El soporte nativo se concentra en más de 30 bases de datos de ciencias de la vida, como UniProt, PubChem y ChEMBL. Los casos de Rutgers y Duke muestran que Deep Think también se ha probado en matemáticas y ciencia de materiales, aunque fuera del entorno específico de Antigravity.
Segundo, comprobar la reproducibilidad de los resultados. Google promete scripts reproducibles y artefactos verificables, pero antes de apoyarse en un resultado para una publicación científica, es recomendable ejecutar el script de forma independiente y confirmar que arroja el mismo resultado.
Tercero, averiguar las condiciones de duración. El anuncio no precisa cuánto tiempo estará disponible el acceso gratuito ni qué ocurrirá una vez finalizado el programa. Para proyectos de varios años, conviene consultar estos detalles antes de integrar la plataforma en el flujo de trabajo habitual del laboratorio.
Qué implica esta oferta para los investigadores
Para quienes trabajan en ciencias de la vida, la convocatoria permite solicitar sin coste el nivel más alto de Antigravity y comprobar si los agentes con acceso a AlphaGenome, AlphaFold Database y UniProt reducen de forma real las horas dedicadas a análisis rutinarios.
Para los laboratorios con presupuestos ajustados, el programa evita el pago por volumen de uso, aunque sin garantías sobre su continuidad futura. La recomendación es solicitar el acceso desde la página de Gemini for Science y reservar un primer proyecto acotado para evaluar el rendimiento real de la herramienta antes de depender de ella.
Preguntas frecuentes
¿Quién puede solicitar el acceso gratuito a Google Antigravity?
Google no ha detallado públicamente los criterios exactos de selección. Los interesados deben presentar su solicitud a través de la página de Gemini for Science, aunque se desconoce el plazo de la convocatoria.
¿Qué bases de datos científicas soporta Antigravity de forma nativa?
La plataforma integra más de 30 bases de datos de ciencias de la vida, entre ellas el AlphaGenome Atlas, UniProt, PubChem y ChEMBL, además de conexión directa con AlphaFold Database.
¿Cuánto tiempo durará el acceso gratuito al nivel máximo de uso?
Google no ha precisado en su anuncio la duración del programa ni qué sucederá una vez finalice el periodo de acceso gratuito para los 10.000 científicos seleccionados.
¿Qué otras herramientas incluye Gemini for Science además de Antigravity?
El paquete incorpora Co-Scientist, para formular hipótesis; Gemini Deep Research, como asistente de investigación; y Deep Think, orientado a conocimiento científico avanzado y aplicaciones de ingeniería.
¿Los resultados generados por Antigravity son reproducibles?
Google afirma que la plataforma produce scripts de análisis reproducibles y artefactos verificables, aunque recomienda a los investigadores ejecutar y confirmar los resultados antes de utilizarlos en publicaciones científicas.
Samuel Gil es especialista en infraestructura tecnológica, administración de servidores y desarrollo de servicios digitales. Con una sólida trayectoria en entornos web de alta exigencia, optimización de servidores y gestión de arquitecturas de red, Samuel dedica su labor en faq-box.com a desglosar cuestiones técnicas complejas para convertirlas en guías prácticas, transparentes y de alto valor técnico.
Su enfoque editorial prioriza el rigor, la seguridad en los sistemas y la resolución eficiente de problemas técnicos cotidianos y avanzados. A través de sus análisis, busca ofrecer respuestas directas y contrastadas para profesionales y entusiastas del sector tecnológico.
Cuenta con una sólida formación en el área tecnológica, destacando su especialización a través del Máster en Inteligencia Artificial Aplicada a la Gestión Empresarial y el MBA in Digital Transformation & Artificial Intelligence de ISEEN.EU, lo que aporta un rigor técnico avanzado a cada análisis de desarrollo y arquitectura digital.
