Google Limita el Acceso de Meta a Gemini: La Crisis de Capacidad de Cómputo de IA Ya Está Aquí

Veredicto: El cómputo de IA de vanguardia ahora está limitado por la capacidad en la cima del mercado. Google le dijo a Meta que no podía suministrar la capacidad completa de Gemini que Meta buscaba — y los números lo respaldan: las solicitudes a la API de Gemini se duplicaron entre marzo y agosto de 2025, la cartera de pedidos de Google Cloud casi se duplicó trimestre a trimestre, y la unidad de nube de $20 mil millones en el trimestre no pudo crecer más rápido específicamente debido a restricciones de cómputo. Esto ya no es un problema de startups.

Qué pasó

Google le informó a Meta alrededor de marzo de 2026 que no podía satisfacer la capacidad completa de Gemini que la empresa había buscado comprar, reportó el Financial Times el 28 de junio. La escasez retrasó algunos de los proyectos internos de IA de Meta. Varios otros clientes de Google Cloud también fueron afectados, aunque Meta — con su demanda excepcionalmente alta — fue la más perjudicada.

Meta respondió alentando a su personal a ser más eficiente con los tokens de IA. Eso es el equivalente empresarial de "conservar agua durante una sequía".

A partir del 17 de mayo de 2026, Google impuso límites de uso basados en cómputo en Gemini Apps con ventanas de actualización móviles de 5 horas y límites semanales — aplicados a todos los clientes, no solo a Meta. Google lo caracterizó como gobernanza de uso justo durante un crecimiento rápido, no como una falla técnica.

Los números detrás de la crisis:

Por qué importa la crisis de capacidad de Gemini

Esta es la primera señal importante de que el cómputo de IA de vanguardia está genuinamente limitado por la oferta — no solo para startups reuniendo clusters de GPU con dificultad, sino para las empresas tecnológicas más ricas del planeta. Meta tiene un presupuesto funcionalmente ilimitado y aun así le dijeron "no".

Tres implicaciones:

1. La disponibilidad de Gemini no está garantizada. Si Google no puede servir a Meta a plena capacidad, las empresas del mercado medio no deberían asumir que su cuota de API está segura. La planificación de capacidad necesita contemplar posibles limitaciones o degradación durante picos de demanda. La cartera de pedidos casi duplicada de Google Cloud significa acuerdos firmados sin cumplir — la restricción es el cómputo, no las ventas.
2. La integración vertical gana. Las empresas que poseen su propia infraestructura de inferencia tienen una ventaja estructural sobre aquellas que alquilan de hiperescaladores. Los chips personalizados de OpenAI, los acuerdos de Anthropic con AWS Trainium y los clusters dedicados de xAI protegen la disponibilidad de sus modelos. Los propios modelos de Google ejecutándose en la propia nube de Google están chocando contra muros — la estrategia de "solo alquila de un hiperescalador" se está resquebrajando bajo la carga.
3. La eficiencia de tokens se convierte en un KPI real. Que Meta le pida a sus empleados usar menos tokens es el canario en la mina. Cuando la empresa que construyó Llama está racionando llamadas a la API del modelo de un competidor, las conversaciones de adquisición pasan de "¿qué modelo es mejor?" a "¿qué modelo hace el trabajo con la menor cantidad de tokens?" Espera que el seguimiento de presupuesto de tokens entre en la gobernanza de IA empresarial este año.

La dinámica competitiva es notable: Meta — dueña de la familia de código abierto Llama — buscaba capacidad de Gemini para orientación publicitaria, valorando los modelos de Google por encima de los propios para casos de uso específicos. Eso dice algo tanto sobre la brecha de calidad en ciertas tareas como sobre la desesperación por asegurar cómputo de IA donde sea que se pueda encontrar.

Combinado con el retraso de Gemini 3.5 Pro a julio (que señalamos a principios de esta semana), esto pinta un panorama de la infraestructura de IA de Google bajo seria presión — incluso mientras los modelos en sí son competitivos.

Qué cambia para ti

• Si dependes de Gemini para cargas de trabajo en producción, evalúa arquitecturas de respaldo multi-modelo ahora. Los límites de tasa del 17 de mayo no van a desaparecer, y la presión de capacidad está aumentando, no disminuyendo.
• Monitorea la eficiencia de tokens. Lo que Meta está pidiendo a sus empleados está a punto de convertirse en práctica estándar. Ejecuta la misma tarea en varios modelos y mide tokens-por-resultado.
• Observa el número de cartera de pedidos de Google Cloud en el próximo informe de ganancias. Si la cartera sigue creciendo, significa que la capacidad no está alcanzando a la demanda — planifica en consecuencia.
• Considera la diversidad de modelos como gestión de riesgo de infraestructura. Apostar tu producto a un solo endpoint de API es un punto único de falla cuando el proveedor de ese endpoint está luchando por mantener las luces encendidas a escala.

FAQ

¿Es esto solo un problema de Meta? No. Los límites de tasa aplican a todos los usuarios de Gemini — incluyendo Gemini 2.5 Pro — desde el 17 de mayo de 2026. Meta fue el caso más visible porque su demanda era muy alta, pero varios otros clientes de Google Cloud también fueron afectados. El problema subyacente — la oferta de cómputo rezagada frente a la demanda de IA — afecta a toda la industria.

¿Significa esto que la infraestructura de Google está rota? No — Google caracterizó los límites como gobernanza de uso justo, no como una falla técnica. La demanda de la API de Gemini está creciendo más rápido de lo que Google puede desplegar nueva capacidad. La empresa está construyendo tan rápido como puede — la cartera de acuerdos firmados pero no servidos te dice que la demanda es real, no un fallo técnico. Pero hasta que nuevos centros de datos entren en operación, todos operan bajo límites.

¿Debería abandonar Gemini? No necesariamente. Todos los proveedores de modelos de vanguardia enfrentan restricciones de cómputo — Google es solo el primero en chocar contra ellas de manera tan visible y en comunicar los límites de forma transparente. El movimiento correcto es diseñar para resiliencia multi-modelo: usa Gemini donde sea más fuerte, mantén un respaldo listo y monitorea qué modelo ofrece el mejor costo-por-resultado para tu carga de trabajo específica.