Google Cloud mete a OpenAI en su catálogo: Gemini, Claude y GPT bajo un mismo contrato

Google Cloud ha metido a OpenAI en su catálogo. GPT-6 Astra, GPT-6.1 Sol y GPT-6 Luna conviven desde ya con Gemini y con Claude en la misma plataforma, lo que convierte al hiperescalar en el único proveedor grande capaz de vender los tres grandes linajes de modelos bajo un solo contrato. Lo avanzó The Decoder, y la letra pequeña importa más que el titular: los tres GPT llegan en vista previa privada y solo para clientes empresariales.

TL;DR: Google Cloud es el primer hiperescalar con Gemini, Claude y los GPT de OpenAI en una sola plataforma, lo que abarata la comparación real de modelos y traslada la negociación de precios a un único proveedor. Los GPT-6 Astra, 6.1 Sol y 6 Luna están en vista previa privada, no en disponibilidad general: sin precio público, sin SLA publicado y sin compromiso de región. La conclusión práctica es que el lock-in ya no está en el modelo, sino en la capa de orquestación que construyas encima.

El multi-modelo deja de ser una arquitectura y se convierte en una línea de contrato

Hasta hoy, operar con tres proveedores de frontera significaba tres contratos, tres procesos de procurement, tres equipos de seguridad revisando el mismo cuestionario y tres facturas en divisas distintas. Las empresas que de verdad hacían enrutamiento entre modelos —y no eran tantas— lo hacían por la vía heroica: claves API sueltas, un gateway interno y un equipo de plataforma sosteniendo el castillo. Ese coste oculto se comía buena parte del ahorro que prometía elegir el modelo más barato para cada tarea.

Con los tres catálogos bajo el mismo techo, la conversación cambia de naturaleza. Ya no se trata de justificar ante el comité de compras por qué hay tres vendors de IA, sino de decidir cuánta cuota se asigna a cada familia de modelos en función de la carga de trabajo. Ese es un argumento de renovación contractual, no de experimentación. Y es exactamente el tipo de conversación que un CTO puede llevar a un consejo sin que le miren raro.

A diferencia de lo que sugiere el anuncio oficial, el valor no está en la variedad. Está en que la variedad sea comparable con las mismas métricas, el mismo pipeline de datos y el mismo modelo de facturación. Ahí Google gana terreno frente a AWS y Azure, que hoy no pueden ofrecer esa foto completa.

Private preview no es disponibilidad: lo que un CTO debe exigir antes de firmar

El detalle que separa este anuncio de una noticia transformadora es que los tres modelos de OpenAI están en vista previa privada. Eso significa, en la práctica, acceso restringido, cupos de peticiones limitados, posible ausencia de compromiso de nivel de servicio y, casi con total seguridad, precios negociados caso por caso en lugar de una tarifa pública por millón de tokens.

Para un equipo que está construyendo agentes ia en producción, eso es un bloqueador serio. Un agente autónomo que gestiona pedidos o reclamaciones no puede depender de un cupo de preview que se agota a media mañana ni de un endpoint que puede cambiar de versión sin aviso. Antes de mover una carga real, conviene exigir por escrito cuatro cosas: latencia p95 comprometida por región, política de deprecación con ventana mínima de aviso, límites de tasa garantizados y tratamiento de datos explícito sobre retención y entrenamiento.

El punto de retención de datos es el que más se va a discutir en los comités de seguridad europeos. Enviar datos de clientes a un modelo de OpenAI servido desde la infraestructura de Google añade una capa de subencargado que hay que documentar en el registro de tratamientos. Y eso, con el RGPD en la mano, es trabajo de abogados, no de ingenieros.

La tabla que importa: qué cambia para el comprador

Dimensión	Modelo anterior (un vendor por app)	Modelo nuevo (catálogo unificado)
Contratación	Tres contratos, tres ciclos de compra	Un contrato, un proveedor, tres catálogos
Evaluación de modelos	Benchmarks internos dispersos y no comparables	Mismo pipeline de datos, misma facturación, misma observabilidad
Cambio de modelo	Nueva integración y nueva revisión de seguridad	Cambio de endpoint con la misma identidad y el mismo VPC
Lock-in	En el modelo	En la capa de orquestación y en el proveedor de nube
Riesgo operativo	Depende de un solo proveedor de modelo	Depende de un solo proveedor de nube para los tres
Negociación de precio	Palanca entre tres vendors	Palanca únicamente contra un vendor

La última fila es la que nadie quiere leer. Ganar capacidad de elección de modelo a cambio de perder capacidad de negociación de infraestructura es un intercambio que puede salir caro a tres años. El multi-modelo reduce el riesgo de dependencia tecnológica y concentra el riesgo comercial.

El lock-in se muda de sitio: ahora vive en la orquestación

Durante dos años, el debate sobre dependencia de proveedor giró alrededor del modelo. Si mañana GPT deja de ser el mejor en tu caso de uso, cambias de endpoint. Ese consuelo se acaba de institucionalizar, y con él desaparece la excusa para no construir una capa de abstracción seria.

Porque si los tres modelos están en el mismo sitio, lo que te ata no es el modelo: es el SDK propietario, el formato de evaluación, las herramientas de observabilidad y el sistema de permisos que hayas montado alrededor. Un equipo que integre los tres catálogos sin una capa de enrutamiento propia estará igual de atado que antes, solo que con una factura más limpia.

El ecosistema de agencias ia en Barcelona ya está recibiendo encargos con este perfil: no "intégranos un modelo", sino "monta un router que decida por coste, latencia y calidad según la tarea, y que no nos obligue a reescribir el producto si cambiamos de familia". Es un trabajo de arquitectura puro, y es donde se está moviendo el presupuesto. Para las empresas que buscan consultoría IA con experiencia real en producción, la pregunta de filtro ha cambiado: ya no es qué modelos conoces, sino cuántos has migrado en caliente sin romper el SLA.

Qué significa esto para las agencias y los equipos de producto en España

El anuncio aterriza en un mercado donde la mayoría de proyectos de agentes ai siguen en fase de piloto y donde el coste de inferencia es la línea que más se revisa. La especialización de vocabulario en modelos pequeños ha demostrado recortes de hasta el 77% en coste de inferencia, y ese tipo de optimización solo tiene sentido cuando puedes comparar el modelo grande contra el pequeño en la misma plataforma y con la misma telemetría. Un catálogo unificado hace que esa comparación sea una decisión de producto y no un proyecto de tres meses.

Para las empresas que buscan agencias IA en Madrid, el efecto inmediato es de aceleración en la fase de proveedor: se acaba el argumento de "es que este modelo solo está en esta nube". El efecto a medio plazo es más incómodo: la diferenciación de una agencia deja de estar en el acceso al modelo y pasa a estar en el diseño del sistema —evaluación continua, gestión de contexto, control de coste por tarea y observabilidad de agentes.

Hay una consecuencia comercial que conviene anticipar. Si Google Cloud se convierte en el punto único de compra de los tres grandes modelos, las negociaciones de descuento por volumen se van a concentrar todavía más en el hiperescalar. Las agencias que revendían acceso a modelos como servicio van a ver ese margen desaparecer. Las que venden integración de IA y operación de sistemas de agentes lo van a ver crecer.

El contexto que conviene no perder de vista

La misma semana, un tribunal de Nuevo México ordenó a Meta pagar 25.000 millones de dólares por cómo gestionó los datos de sus usuarios en el escándalo de Cambridge Analytica. No es una anécdota: es el recordatorio de que la capa de confianza se paga cara. Cualquier ahorro en inferencia que se financie con una relajación del tratamiento de datos es un ahorro ficticio, y los comités de dirección españoles empiezan a tener esa conversación con números, no con principios.

También conviene mirar el otro lado del mostrador. Que OpenAI acepte estar en el catálogo de Google es un movimiento defensivo tan grande como el de Google. Significa que la distribución empresarial ya no se gana con el mejor modelo, sino con el mejor canal. Para un CTO, eso reduce la prima de urgencia: no hay que firmar con el proveedor de moda, hay que construir el sistema que permita no firmar nunca más con uno solo.

La predicción

En doce meses, el criterio de selección de nube para proyectos de IA no será qué modelos incluye el catálogo, sino qué calidad de enrutamiento, evaluación y observabilidad ofrece por defecto. Google ha ganado la partida del escaparate y ha abierto, sin querer, la del control. El riesgo real para las empresas españolas no es elegir el modelo equivocado: es construir sobre un catálogo cómodo sin una capa propia que les permita salir de él cuando el precio cambie de signo.

Preguntas frecuentes sobre Google Cloud con OpenAI, Gemini y Claude

¿Qué modelos de OpenAI ofrece Google Cloud?

En el lanzamiento son tres: GPT-6 Astra, GPT-6.1 Sol y GPT-6 Luna. Se ofrecen en vista previa privada para clientes empresariales, junto a los modelos Gemini de Google y a Claude de Anthropic. Google Cloud es el único gran proveedor de nube con los tres catálogos en una sola plataforma.

¿Puedo usar GPT-6 Astra en producción hoy?

No con garantías. El estado de vista previa privada implica acceso restringido, cupos limitados y ausencia de compromisos públicos de nivel de servicio. Para cargas de producción con agentes autónomos conviene esperar a disponibilidad general o negociar por contrato la latencia, los límites de tasa y la política de deprecación.

¿Es más barato contratar los modelos a través de Google Cloud que directamente con OpenAI o Anthropic?

El anuncio no publica tarifas, así que cualquier comparación de precio hoy es especulación. La ganancia inmediata no es el precio por token, sino el coste administrativo: un solo contrato, una sola factura y un solo proceso de revisión de seguridad en lugar de tres. El ahorro real llegará cuando se pueda negociar volumen agregado, no antes.

¿Qué pasa con mis datos si uso modelos de OpenAI servidos desde Google Cloud?

Se añade una capa de subencargado que debe quedar documentada en el registro de tratamientos del RGPD. Antes de mover datos personales, hay que verificar por escrito quién retiene la información, durante cuánto tiempo y si se usa para entrenamiento. Es un trabajo jurídico, no solo técnico.

¿Debería consolidar todos mis agentes de IA en un único proveedor de nube?

Consolidar la compra tiene sentido; consolidar la arquitectura, no. La recomendación es mantener una capa de orquestación propia que permita cambiar de modelo sin reescribir el producto. Para eso existen equipos especializados: puedes explorar el directorio de agencias de IA y filtrar por ciudad y especialidad antes de adjudicar el proyecto.

Temas relacionados en agentes.ai

Si quieres aplicar lo que lees en tu empresa, estos son puntos de partida útiles dentro de agentes.ai:

• Directorio de agencias de agentes autónomos
• Agencias de IA en Bilbao y en Ciudad de México
• Explora el directorio completo de agencias de IA
• Sigue las últimas noticias de IA en tiempo real