# Gemini 3: La Guía del Desarrollador para la Nueva Era de la IA > Una semana con Gemini 3 Pro: Deep Think en una migración real, un bug diagnosticado desde un vídeo de 2 minutos, y el lado agéntico que aún hay que vigilar. → Llevo una semana probando Gemini 3 Pro, y ¿sabes qué? Me molesta que sea tan bueno. No porque esté mal. Todo lo contrario. Justo cuando me había acostumbrado a mi workflow con Claude/GPT-4, Google suelta esto el 18 de noviembre y me lo tira todo por la ventana otra vez. Típico. Pero la cosa es así: después de obligarme a reconstruir una feature que ya tenía funcionando (sí, reescribí código que funcionaba solo para probar esto), entiendo el hype. No es el típico release de "10% mejor en benchmarks". Deep Think y multimodalidad real (no la fake de siempre) cambian cómo puedes trabajar. Deja que te enseñe a qué me refiero. ## Lo que de verdad ha cambiado esta vez ### 1. Deep Think, o por qué ahora se para a pensar ¿Sabes cómo los modelos anteriores simplemente empezaban a vomitar tokens? En medio del pensamiento, cero planificación, solo predicción de palabras a lo bestia. Gemini 3 realmente se para. Piensa. Verás "[Thinking...]" en la respuesta de la API, y al principio pensé que se me había caído la conexión. Pues no. Realmente está gastando tiempo de cómputo planificando la respuesta antes de soltarla. **Donde lo he usado de verdad:** El jueves pasado, le pedí que planificara nuestra migración de una app Angular monolítica a micro-frontends. En lugar de soltar código inmediatamente: - Preguntó sobre nuestro pipeline de deploy (ni siquiera le di contexto de esto) - Identificó 3 dependencias legacy que se romperían - Sugirió un plan de rollout por fases que realmente tenía sentido ¿Podría Claude hacer esto? Quizás. Pero Gemini 3 lo hizo sin que tuviera que estar tuneando prompts constantemente. **El pero:** Es más lento. Si estás acostumbrado a respuestas instantáneas, esa pausa de 3-5 segundos pensando se hace eterna. Pero para decisiones de arquitectura, prefiero precisión antes que velocidad. ### 2. Multimodalidad sin cinta aislante Todos los modelos ahora dicen tener "multimodalidad". Normalmente significa que pegaron tres modelos diferentes con cinta aislante y cruzaron los dedos. Gemini 3 es diferente: un solo modelo lo maneja todo. Texto, código, vídeo, audio, imágenes. Mismos pesos, misma arquitectura. **Test real que hice:** Grabé un vídeo de 2 minutos en Loom de un bug en la UI (un botón que no se deshabilitaba al hacer clic). Sin transcripción, sin snippets de código. Solo yo haciendo clic por ahí y quejándome en español. Lo subí. Pregunté: "¿Qué está roto?" Respondió: - Identificó que el event handler no estaba previniendo doble-click - Señaló el componente React por nombre (¿¿CÓMO??) - Sugirió añadir un estado `isLoading` con `disabled={isLoading}` Lo comprobé. Tenía razón. El nombre del componente era correcto. De un VÍDEO. **La parte rara:** A veces alucina nombres de componentes si tu vídeo es muy largo (más de 5 minutos). Pero para cazar bugs rápido, nada de lo que he usado se le acerca. ### 3. Capacidades de Agente (Con un Asterisco Gigante) Los números de Google pintan muy bien sobre el papel: SWE-bench Verified pasó del 59,6% al 76,2% (de Gemini 2.5 Pro a Gemini 3 Pro). En la práctica... es complicado. **Lo que funciona:** - Ejecutar comandos de terminal (le dejé debuggear un problema de networking en Docker y usó `docker inspect` correctamente) - Editar archivos (hizo un refactor de 12 archivos en mi codebase sin romper tests) - Ejecutar tests e interpretar fallos **Lo que no:** - Todavía intenta ejecutar comandos que no existen (`git commit -fix` no es real, Gemini) - Se lía si la estructura de tu proyecto es poco convencional - Sugiere con confianza borrar archivos que en realidad son críticos (lo pillé dos veces; revisa siempre) Confía, pero verifica. Siempre. ## Dónde encaja en un workflow real ### 1. Deja de Escribir Boilerplate (En Serio, Para Ya) Olvídate del "vibe coding". Hablemos de la mierda que realmente odias hacer. **Mi nuevo workflow:** En lugar de hacer scaffolding de otra API CRUD a mano, ahora hago esto: > "Necesito un endpoint de FastAPI para autenticación de usuarios. Tokens JWT, lógica de refresh, PostgreSQL con SQLAlchemy. Sigue nuestro patrón existente de los endpoints de `/products`." Luego subo nuestro módulo de products como contexto. Gemini 3 genera código correcto al 90%. ¿El otro 10%? Normalmente solo rutas de imports o variables de entorno. **Tiempo ahorrado:** Lo que antes me llevaba 2 horas ahora son 20 minutos. **El truco:** Necesitas un patrón de codebase consistente. Si tu proyecto es un caos, Gemini 3 va a reflejar ese caos. ### 2. Code Reviews (Pero No Como Piensas) Aún no confío en la IA para code reviews completos. Pero sí uso Gemini 3 como "filtro de primera pasada". **Mi setup:** 1. El dev abre un PR 2. GitHub Action manda el diff a Gemini 3 3. Marca lo **obvio**: credenciales hardcodeadas, falta de error handling, riesgos de SQL injection 4. Postea estos como comentarios automáticos 5. Yo (humano) hago la review real de lógica y arquitectura Esto pilla lo aburrido para que yo pueda enfocarme en si el código realmente resuelve el problema. **Aviso:** A veces marca falsos positivos. La semana pasada se quejó de un archivo `.env` que en realidad era `.env.example`. No hagas merge ciegamente basándote en feedback de IA. ### 3. Legacy Code (Donde Realmente Brilla) ¿Recuerdas ese espagueti de jQuery de hace 6 años que nadie quiere tocar? El context window de 1M de tokens de Gemini 3 es perfecto para esto. **Lo que hice el mes pasado:** Subí todo nuestro panel de admin legacy (22 archivos de horror en vanilla JS). Le pedí que: - Identificara qué archivos se usan realmente - Creara un grafo de dependencias - Reescribiera el módulo de gestión de usuarios en React Funcionó. No perfectamente (tuve que arreglar bugs de event handling), pero hizo el 70% del trabajo sucio. **Pro tip:** Haz esto incrementalmente. No le pidas que reescriba toda tu app. Empieza con un módulo aislado, verifica que funciona, y luego sigue con el siguiente. ## Entonces... ¿te debería importar? Mira, no voy a dejar Claude del todo. Para brainstorming y escribir, Claude sigue sintiéndose más "humano". Pero ¿para código? Gemini 3 me está ganando. Solo la feature de Deep Think me ahorra estar dudando de decisiones de arquitectura. La multimodalidad es genuinamente útil (no un gimmick). Y el context window significa que puedo cargar proyectos reales, no ejemplos de juguete. **Mi consejo:** - **Pruébalo** si estás haciendo refactoring o trabajando con legacy code - **Quédate con Claude/GPT-4** si necesitas escritura creativa o explicaciones matizadas - **No confíes ciegamente:** le he pillado sugiriendo malas prácticas cuando está fuera de su knowledge cutoff El futuro del desarrollo probablemente es agéntico. Pero aún no estamos ahí. Gemini 3 es un paso grande, eso sí. Ahora discúlpame mientras voy a reescribir mi pipeline de CI/CD por tercera vez este año. **Lectura relacionada:** más sobre dejar que la IA haga la primera pasada de review: [probé usar IA para revisión de código en mis proyectos](/blog/gemini-flash-code-review-automatizado/). --- **P.D.** Si has probado Gemini 3, me encantaría saber qué piensas. ¿También te alucinó nombres de componentes, o soy solo yo? Escríbeme en [Twitter/X](https://x.com/garbarok).