Google ha introducido una nueva funcionalidad, el 'Orchestrator', en su plataforma Antigravity, diseñada para hacer la programación con IA más eficiente y económica. Esta herramienta asigna modelos de IA específicos a diferentes fases de una tarea: los modelos más potentes se encargan de la planificación y el razonamiento, mientras que los más básicos ejecutan las instrucciones. Este enfoque busca reducir costos y tiempos de ejecución sin comprometer la calidad de los resultados.
Las herramientas de programación suelen incorporar un selector de modelos que permite elegir la opción más adecuada para cada tarea. Para programas sencillos, los modelos básicos suelen ser suficientes, resultando más rápidos y económicos. Sin embargo, para proyectos complejos, como el desarrollo de un videojuego de gran envergadura, se requiere un modelo de mayores capacidades, lo que implica un mayor gasto en 'tokens'. El desafío surge cuando las tareas tienen una complejidad intermedia o múltiples niveles de dificultad.
Aquí es donde entra en juego el 'orquestador'. De manera similar a como los modelos MoE (mixture-of-experts) activan solo una fracción de sus parámetros según la necesidad, los orquestadores seleccionan el modelo más apropiado para cada etapa de una tarea. Esto es particularmente útil en la generación de código. Anthropic, por ejemplo, integra una funcionalidad similar en Claude Code con su 'opusplan'. Cuando está activo, esta herramienta utiliza Sonnet para la generación e implementación de código, reservando un modelo superior, Opus, para la fase de planificación. Aunque ChatGPT Codex no cuenta con una integración similar, sí ofrece una función de esfuerzo de razonamiento. Además, es posible configurar estas acciones manualmente, indicando a Codex o a Claude Code que empleen un modelo inferior para las etapas de ejecución que no demanden razonamiento complejo.
La tendencia en la IA no se limita a la creación de modelos cada vez más grandes, sino también a la búsqueda de una mayor eficiencia: maximizar las capacidades de las herramientas existentes. Los orquestadores son un claro ejemplo de cómo se puede optimizar el gasto en IA manteniendo la calidad de los resultados, al menos en teoría. Google Antigravity ya ha incorporado su nuevo Orchestrator en la aplicación y en la línea de comandos, junto con Gemini 4 Hydrogen. Una vez activado, el orquestador emplea el modelo superior (Argon o Carbon) para idear la estrategia y el inferior (Hydrogen) para llevarla a cabo. Si el modelo más pequeño encuentra dificultades, el modelo superior interviene para asistirlo. Argon y Carbon actúan como arquitectos que diseñan la estructura y el método de construcción, mientras que Hydrogen se convierte en el capataz y los obreros encargados de ejecutar la obra. No obstante, estos roles no son estáticos en el Orchestrator de Antigravity, ya que Hydrogen puede ceder el control al modelo superior si la ejecución se detiene.
La eficiencia de esta estrategia también se refleja en los resultados: la promesa es alcanzar una calidad similar a la de un modelo de vanguardia con un menor costo y un tiempo de finalización reducido. Según Google, el Orchestrator en Antigravity logra en Terminal-Bench 4.1 una tasa de éxito comparable a la de Gemini 4 Carbon, pero con un 24% menos de cuota y una ejecución un 19% más rápida. Es importante señalar que el ahorro se refiere a la cuota de suscripción, no a dinero en efectivo. Además, con Orchestrator, no es posible ajustar el nivel de razonamiento.
El Orchestrator ya está disponible en Antigravity en dos variantes: Orchestrator (Carbon) y Orchestrator (Argon). La primera está reservada para los suscriptores de Google AI Ultra (quienes tienen acceso a ambas), mientras que la segunda también está disponible para los suscriptores de Google AI Pro de pago. Para el ámbito empresarial, Google ofrece acceso a través de Gemini for business.