Gemini logra nivel de oro en la final mundial del ICPC
Una versión avanzada de Gemini 2.5 Deep Think resolvió 10 de los 12 problemas de la final mundial del ICPC 2025 y habría quedado segunda entre 139 equipos universitarios. El resultado muestra avances en razonamiento y programación, aunque la revisión del ICPC solo confirmó las soluciones, no el sistema completo.
Gemini 2.5 Deep Think resolvió 10 de los 12 problemas de la final mundial del ICPC y habría quedado en segundo lugar entre las 139 universidades participantes, según Google DeepMind.
El modelo compitió de forma remota el 4 de septiembre, durante la final celebrada en Bakú, Azerbaiyán. Empezó 10 minutos después que los equipos humanos y tuvo que trabajar bajo las mismas reglas y el mismo límite de cinco horas.
Qué significa “nivel de oro”
El ICPC es una de las competiciones universitarias de programación más exigentes. Reúne cada año a equipos de casi 3.000 universidades de más de 103 países.
Los participantes deben resolver problemas de algoritmos escribiendo programas que funcionen correctamente. No hay puntos parciales: una solución solo cuenta si es aceptada, y el tiempo empleado también influye en la clasificación.
De los 139 equipos de la final de 2025, solo los cuatro primeros recibieron medalla de oro. Gemini resolvió ocho problemas en los primeros 45 minutos y dos más en las tres horas siguientes. Con un tiempo acumulado de 677 minutos, habría ocupado el segundo puesto si se hubiera comparado directamente con los equipos universitarios.
Un problema que ningún equipo humano resolvió
La prueba más llamativa fue el problema C. Ninguno de los equipos universitarios logró resolverlo, pero Gemini encontró una solución durante la primera media hora.
El reto consistía en distribuir líquido por una red de conductos para llenar varios depósitos lo más rápido posible. Cada conducto podía estar abierto, cerrado o parcialmente abierto, lo que generaba un número prácticamente infinito de configuraciones posibles.
El modelo convirtió el problema en una búsqueda más manejable. Asignó a cada depósito un valor de prioridad, calculó la mejor configuración de conductos para esos valores y después utilizó una combinación del teorema minimax, programación dinámica y búsquedas ternarias para acercarse a la solución óptima.
En términos sencillos, no probó todas las combinaciones. Encontró una forma de describir el problema que reducía drásticamente el espacio de búsqueda.
Qué cambia para quienes programan
Este resultado apunta a una IA capaz de hacer algo más que completar líneas de código o explicar una función. Gemini tuvo que entender un enunciado nuevo, diseñar una estrategia, escribir el programa, ejecutarlo, comprobarlo y corregirlo cuando era necesario.
Google explica que el sistema utilizó varios agentes que proponían soluciones distintas, ejecutaban código y pruebas en terminales y revisaban los resultados antes de producir una respuesta final. También combinó entrenamiento con refuerzo, razonamiento en varios pasos y exploración paralela de alternativas.
La utilidad práctica está ahí: un asistente de programación podría ayudar a detectar errores difíciles, diseñar algoritmos para logística o explorar soluciones en investigación científica. No significa que pueda sustituir automáticamente a un equipo de ingenieros. En este tipo de pruebas, una sola solución incompleta no sirve.
De hecho, Google afirma que al combinar las mejores soluciones de Gemini y de los humanos se habrían resuelto correctamente los 12 problemas. La lectura más razonable es que el modelo puede aportar ideas que complementan a los expertos, no que los resultados humanos hayan dejado de ser necesarios.
Un resultado anunciado por Google con una salvedad
DeepMind presenta este logro como un avance en razonamiento abstracto y lo relaciona con su camino hacia la inteligencia artificial general. También asegura que una versión similar habría alcanzado nivel de oro en las finales de 2023 y 2024.
Pero hay un matiz importante: la organización del ICPC confirmó que las soluciones entregadas estaban completas y fueron aceptadas, aunque aclaró que su revisión no validó el sistema, los procesos ni el modelo subyacente. Por tanto, el resultado respalda las soluciones presentadas, pero no equivale a una auditoría independiente de todo el experimento.
Para ti, lo importante es la dirección que marca el resultado: los asistentes de programación empiezan a enfrentarse a problemas que exigen planificación, verificación y creatividad algorítmica. El siguiente paso será comprobar cuánto de esta capacidad se mantiene fuera de una competición, en proyectos reales, con requisitos cambiantes y errores que no tienen una respuesta única.