Google presentó en Antigravity una actualización de Teamwork que, combinada con Gemini 3.7 Flash, permite a equipos autónomos de agentes de inteligencia artificial (IA) trabajar durante horas o días para resolver problemas abiertos de matemáticas, informática teórica e ingeniería.
Entre los resultados que la compañía atribuye a esa combinación figuran la resolución de siete problemas abiertos en foros de referencia como FOCS y JMLR, un 71% en TCSBench y la verificación en Lean de la Conjetura de los Ciclos de Knuth con pruebas de más de 40 páginas.
En ingeniería de sistemas, el marco permitió construir desde cero un simulador de CPU RISC-V fuera de orden y con precisión de ciclo que arranca el sistema operativo xv6 hasta la consola, con un error de alineación de ciclo del 0,71% respecto de la referencia de hardware.
Este es un tipo de desafío en el que los sistemas multiagente suelen fallar cuando no tienen una orquestación capaz de someter cada propuesta a crítica, prueba y revisión antes de aceptarla.
Según Google, el objetivo de Teamwork es abordar problemas muy grandes, inciertos o abiertos para un solo agente. El sistema mantiene a las personas a cargo de fijar objetivos y de la aceptación final, mientras automatiza la generación de candidatos, las pruebas de estrés y la combinación de las mejores ideas.
Cómo funciona el trabajo en grupo de varios agentes de IA
La premisa central de la herramienta es que no todas las configuraciones multiagente sirven para el mismo tipo de tarea. En trabajos rutinarios, los esquemas básicos pueden ser suficientes.
En investigación e ingeniería complejas, el problema aparece cuando agentes mal coordinados repiten errores iniciales, validan conclusiones incorrectas de otros y avanzan sobre bases equivocadas.
Para evitarlo, Teamwork organiza grupos en los que los agentes se cuestionan entre sí, buscan fallos antes de continuar con el desarrollo y ensamblan los componentes más sólidos en una solución funcional. Ese proceso puede ejecutarse de forma autónoma durante horas o días.
Google indicó que la función ya está disponible en Antigravity, junto con la vista previa de /teamwork-preview, para todos los planes de pago. La herramienta fue diseñada para convertir en un flujo concreto y configurable una estructura común en investigación e ingeniería: proponer opciones, someterlas a tensión y refinar el resultado con iteraciones sucesivas.
La compañía sostiene que el marco produjo avances en matemáticas y simulación de hardware, al igual que en software de código abierto. Entre los ejemplos citados aparecen mejoras incorporadas en bibliotecas principales como Eigen, con rutas rápidas SIMD, y ParlayHash, donde se logró un rendimiento de inserción 2 veces mayor y una reducción de memoria del 25%.
Qué cambia en los equipos de agentes de IA que integra Google Antigravity
Google detalla Teamwork no como un equipo monolítico de agentes, sino como un marco que aplica distintas estructuras de colaboración según el problema. A cada una de esas configuraciones la llama patrón: un esquema que define qué agentes intervienen, qué roles cumplen y qué criterios deben superarse para que el trabajo avance.
Uno de los puntos técnicos del diseño es la separación entre la lógica de orquestación y las descripciones de los agentes. Un patrón funciona como especificación y no como programa ejecutable: no contiene su propio código de coordinación, sino que el marco lo interpreta y activa automáticamente a los agentes ideales para cada tarea.
Esa separación permite trasladar mecanismos especializados, como un bucle de crítica adversaria, de un dominio a otro sin modificaciones.
Asimismo, hace que los patrones sean adaptativos en tiempo de ejecución: el sistema decide cuántos agentes crear según las exigencias del problema, en lugar de operar con un número fijo desde el comienzo.
La cantidad de agentes y la estructura del grupo pueden cambiar a medida que la tarea evoluciona. Google plantea así cada campaña como un proceso vivo, no como una secuencia cerrada.
