De fotos históricas a 3D interactivo: Gemini 4 Carbon recrea el proceso de construcción de la Torre Eiffel con una sola indicación

Nota del autor: partimos de la demo de la Torre Eiffel de Google para explicar cómo varios agentes organizan fotos históricas y documentación de ingeniería en una exposición 3D interactiva.

Glosario rápido (para ubicarte)

• Agent (agente): programa de IA que puede invocar herramientas y ejecutar tareas. No se limita a responder preguntas: también planifica, ejecuta y revisa los resultados.
• Colaboración multiagente: varios agentes se reparten subtareas e intercambian sus resultados intermedios.
• Antigravity: herramienta de desarrollo con IA de Google, donde ya está disponible Gemini 4 Carbon.
• Swarm (/swarm): función en vista previa de Antigravity para organizar la colaboración entre varios agentes. Se lanzó el 10 de noviembre de 2026.
• Planos de ingeniería: documentos que expresan un diseño de ingeniería mediante gráficos y cotas. Son la fuente geométrica clave para la reconstrucción tridimensional.
• Three.js: biblioteca de JavaScript para construir escenas tridimensionales en la web. Permite renderizar e interactuar directamente en el navegador.
• Estructura de celosía: estructura portante formada por muchas barras combinadas. La Torre Eiffel es un ejemplo típico de celosía de hierro.

El 10 de noviembre de 2026, Google abrió oficialmente Gemini 4 Carbon y, en su anuncio, mostró un caso muy visual: varios agentes Carbon, apoyándose en la función /swarm de Antigravity, convirtieron fotos históricas y planos de ingeniería en una exposición 3D interactiva con Three.js que recrea el proceso de construcción de la Torre Eiffel entre 1887 y 1889. Toda la tarea arrancó con una sola indicación.

No se trata de que «la IA dibujara una torre sin más». El anuncio oficial de Google y el blog de Antigravity explican tanto este caso como el mecanismo de Swarm. En este artículo separaremos tres tipos de información: los hechos históricos, lo que Google describe en su demo oficial y nuestras propias inferencias.

Valor principal: al terminar de leer sabrás qué problemas técnicos resuelve realmente esta demo, qué papel juegan los múltiples agentes y cómo puedes probar con la API un flujo de trabajo similar de «planos a 3D».

Resumen rápido de la demo de la Torre Eiffel con Gemini 4 Carbon

Primero, lo que se puede confirmar en el anuncio oficial de Google. La tabla siguiente solo recoge lo que Google menciona de forma explícita; los detalles que no se han publicado se indican por separado.

Conviene tener presente que «una sola indicación» no equivale a «generación en una única pasada». El usuario solo da la instrucción una vez; después, la descomposición de la tarea, el procesamiento en paralelo y las revisiones las hacen varios agentes dentro del marco de Swarm. Es la clave para entender todo este caso.

Por qué la Torre Eiffel es una prueba tan difícil para Gemini 4 Carbon

Si solo se tratara de generar un modelo que «se parezca a la torre», esta demo no tendría nada de especial. La verdadera dificultad es que la Torre Eiffel, en sí misma, es una obra de ingeniería densa en documentación y de estructura compleja. Los siguientes datos proceden de los archivos históricos del sitio web oficial de la Torre Eiffel.

La cronología de la obra también está muy bien documentada. Las obras comenzaron oficialmente el 26 de enero de 1887, y el 1 de julio de ese mismo año se empezó a montar los pilares. El 1 de abril de 1888 se terminó el primer nivel, y el 14 de agosto, el segundo. El 31 de marzo de 1889 se completaron la cima y el ensamblaje general. Para una exposición que quiera «recrear el proceso de construcción», estos hitos son el esqueleto de la línea de tiempo.

La estructura de celosía de la Torre Eiffel y su diseño frente al viento

Según las fuentes históricas oficiales, la idea de diseño de la torre surgió originalmente de los ingenieros Maurice Koechlin y Émile Nouguier; el arquitecto Stephen Sauvestre participó en el diseño del aspecto exterior, y Gustave Eiffel impulsó la propuesta final. El planteamiento inicial usaba cuatro columnas de celosía, separadas en la base y que iban convergiendo gradualmente hacia la cima.

La curvatura de los pilares se diseñó matemáticamente para mejorar la capacidad de la estructura de resistir la fuerza del viento. Cada pieza metálica se prefabricó en la fábrica, con un diseño y unos cálculos específicos, y los planos alcanzaban una precisión de una décima de milímetro. Esto significa que reconstruirla no consiste en «apilar formas geométricas», sino en entender las relaciones estrictas entre barras, curvas y niveles.

Cómo Gemini 4 Carbon convierte material histórico en 2D en estructuras 3D

Esta sección es análisis propio del artículo: Google no ha hecho públicos los pasos internos de esta tarea. Si razonamos a partir de la entrada y la salida, el trabajo tiene que superar al menos tres obstáculos.

1. Entender las fotos históricas: las fotos de la obra están tomadas desde ángulos distintos y con una nitidez limitada. Hay que identificar hasta qué nivel se había construido, en qué fase estaban las torres y asignar cada foto a un punto de la línea de tiempo.
2. Extraer la información geométrica de los planos: los planos de ingeniería incluyen alzados, secciones, cotas y demás. De ahí hay que leer parámetros como la inclinación de las torres, la altura de las plataformas o la disposición de las barras.
3. Inferir las relaciones espaciales y organizarlas en datos reconstruibles: tanto las fotos como los planos son bidimensionales, así que hay que alinear la información de varias vistas, deducir la posición de cada componente en el espacio tridimensional y ordenarlo todo en una descripción estructurada que pueda alimentar el código de modelado.

La ficha del modelo de Gemini 4 Carbon indica que admite entradas de texto, imagen, audio y vídeo, que su salida es texto y que la cuota total de contexto es de 1.048.576 tokens. De ahí se puede deducir razonablemente que la exposición se entrega como «texto», en forma de código Three.js: el efecto 3D lo produce el navegador al ejecutar ese código, no es el modelo quien entrega directamente un archivo tridimensional.

En el mismo anuncio, Google mostró otro caso comparable: Carbon procesó 7 PDF públicos de planificación urbana, extrajo 206 vistas de planos de ingeniería y, tras 10 rondas de iteración nocturna, generó un modelo arquitectónico interactivo en Three.js con unos 906.000 triángulos. Los dos casos siguen una lógica parecida: «materiales heterogéneos → información espacial → 3D interactivo».

Cómo colaboran varios agentes de Gemini 4 Carbon para crear la exposición de la Torre Eiffel

Google confirma que este caso lo resolvieron varios agentes Carbon colaborando mediante /swarm, pero no ha revelado cómo se repartieron el trabajo en esta tarea concreta. Por eso, lo que verás a continuación es el mecanismo general de Swarm que describe el blog oficial de Antigravity, no un registro real de este caso.

Google asegura que los agentes no consumen tokens mientras esperan inactivos, aunque advierte de que ejecutar varios agentes en paralelo sigue aumentando de forma notable el consumo total. Además, la documentación oficial recomienda asignar los modelos según el rol: el diseño de arquitectura, la coordinación de tareas y las auditorías complejas se dejan a Carbon, mientras que la implementación rutinaria y las modificaciones de archivos en paralelo se encargan a modelos más rápidos y ligeros.

Este reparto tiene mucho sentido para reconstruir material de ingeniería. El coordinador necesita razonamiento profundo para entender «qué documentos corresponden a cada fase», mientras que el trabajo repetitivo, como generar barras estructurales en lote o ensamblar la escena, no requiere el modelo más caro en cada paso. La verificación, por su parte, es el seguro de calidad, porque una estructura 3D generada de forma continua por un único modelo suele sufrir deriva de proporciones.

Cómo probar una tarea similar de plano a 3D con la API de Gemini 4 Carbon

El comando /swarm de Antigravity es una función interna del producto, así que los desarrolladores no pueden reproducirla con un simple parámetro de la API. Pero sí puedes montar un flujo simplificado con la API para probar la cadena «leer la imagen → extraer parámetros → generar Three.js». El ID oficial del modelo es gemini-4-carbon.

Ejemplo mínimo: que Carbon analice una foto de la construcción

import base64
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Interfaz unificada compatible con OpenAI
)

with open("eiffel_1888.jpg", "rb") as f:
    img_b64 = base64.b64encode(f.read()).decode()

resp = client.chat.completions.create(
    model="gemini-4-carbon",
    messages=[{"role": "user", "content": [
        {"type": "text", "text": "判断照片中铁塔建到了哪一层，估算塔柱倾角与平台高度比例，输出 JSON。"},
        {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{img_b64}"}}
    ]}]
)
print(resp.choices[0].message.content)

import base64
import json
from concurrent.futures import ThreadPoolExecutor
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)
MODEL = "gemini-4-carbon"


def encode(path: str) -> str:
    with open(path, "rb") as f:
        return base64.b64encode(f.read()).decode()


def ask(content, system: str = "") -> str:
    messages = []
    if system:
        messages.append({"role": "system", "content": system})
    messages.append({"role": "user", "content": content})
    resp = client.chat.completions.create(model=MODEL, messages=messages)
    return resp.choices[0].message.content


def worker_extract(path: str) -> str:
    """Trabajador en paralelo: extrae los parámetros estructurales de una foto o plano"""
    return ask([
        {"type": "text", "text": "提取该资料中的结构信息：所属施工阶段、塔柱倾角、平台高度比例、可见杆件排布，只输出 JSON。"},
        {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{encode(path)}"}}
    ], system="你是结构工程资料分析员，数据不确定时标注 uncertain，不要编造。")


def builder(merged: str) -> str:
    """Constructor: genera una página con Three.js a partir de los parámetros combinados"""
    return ask(
        "根据以下结构参数，生成单文件 HTML，使用 Three.js 构建四根格构塔柱与两层平台，"
        "并提供 1887—1889 时间轴滑块按阶段显示结构：\n" + merged
    )


def verifier(merged: str, html: str) -> str:
    """Verificador: comprueba que el código sea coherente con los parámetros"""
    return ask(
        "检查下列 Three.js 代码是否与结构参数一致，列出比例错误、阶段错误和无法运行的代码：\n"
        f"参数：{merged}\n代码：{html}"
    )


sources = ["photo_1887.jpg", "photo_1888.jpg", "drawing_elevation.jpg"]

with ThreadPoolExecutor(max_workers=3) as pool:
    results = list(pool.map(worker_extract, sources))

merged = json.dumps(results, ensure_ascii=False)
html = builder(merged)
report = verifier(merged, html)

with open("eiffel_exhibit.html", "w", encoding="utf-8") as f:
    f.write(html)
print(report)

Este código es una implementación simplificada que hicimos con una API normal para imitar la idea de Swarm; no es la solución interna de Google. Hay dos cosas a tener en cuenta: Carbon ignora parámetros de muestreo como temperature y top_p, y si le pasas thinking_budget devuelve un HTTP 400. Además, el nivel de razonamiento por defecto es MEDIUM, y los niveles altos consumen más Tokens y responden más despacio.

🚀 Consejo para empezar: en experimentos con varias imágenes y varios pasos como este, conviene validar primero las indicaciones con una muestra pequeña. Puedes conseguir créditos de prueba gratuitos en APIYI (apiyi.com): con una sola clave API cambias entre Gemini, Claude, OpenAI y otros modelos, lo que facilita llevar al código el reparto de tareas «un modelo ligero para la extracción por lotes y un modelo de razonamiento fuerte para planificar y verificar».

Comparación entre la exposición 3D interactiva de Gemini 4 Carbon y los formatos de entrega tradicionales

Three.js permite que las escenas tridimensionales se ejecuten directamente en el navegador. El público no necesita instalar ningún software: puede rotar la vista, acercarse a los detalles o arrastrar la línea de tiempo para ver el estado de la construcción en distintos años. La siguiente tabla compara las formas más habituales de presentar material histórico.

El mayor valor de una exposición interactiva es que es «trazable». Como en el fondo es código, cada plataforma y cada tramo de torre corresponde a parámetros legibles; si más adelante se descubre que algo no coincide con los planos, se puede corregir justo ese punto en lugar de empezar de cero. Esa es también la base sobre la que el Agent de verificación puede aportar valor.

Análisis del impacto de la demo de la Torre Eiffel con Gemini 4 Carbon

Primero, una aclaración sobre los límites: se trata de un caso mostrado oficialmente por Google, no de un resultado verificado de forma independiente por terceros. Demuestra lo que pueden lograr Carbon y Swarm combinados, pero no permite concluir de manera general que «cualquier documentación arquitectónica se pueda reconstruir de forma estable».

Impacto para los desarrolladores

• El flujo de trabajo pasa de una sola llamada a la orquestación: detrás de una indicación hay varios agentes que se reparten el trabajo, así que los desarrolladores deben prestar atención a la descomposición de tareas, al formato de los resultados intermedios y a los mecanismos de validación.
• El costo se calcula por tarea, no por precio unitario: el precio de lanzamiento de Carbon es de 2 dólares por millón de tokens de entrada y 10 dólares por millón de salida, y se duplica a partir del 1 de diciembre. Los tokens de razonamiento cuentan como salida, y el paralelismo de varios agentes amplifica aún más el consumo.
• Mezclar varios modelos es más realista: la recomendación oficial es que Carbon se encargue solo de planificar, coordinar y auditar, y que la ejecución en lote quede en manos de modelos ligeros. Esto es clave para controlar los costos.

Impacto en la industria

• Digitalización de edificios históricos: muchos edificios que solo existen en fotos y planos tienen la oportunidad de convertirse, con una barrera de entrada más baja, en modelos interactivos que los investigadores pueden comparar.
• Reconstrucción de documentación de ingeniería: tanto el caso del PDF de planificación urbana como el de la torre apuntan en la misma dirección: extraer información espacial de documentos heterogéneos.
• Exposiciones digitales y visualización educativa: museos y docentes pueden convertir cifras abstractas como «5.300 planos y 2,5 millones de remaches» en escenas en las que los estudiantes pueden mover una línea de tiempo para observar la evolución.

También hay que tener en cuenta las limitaciones. /swarm sigue siendo por ahora una función en versión preliminar, y la ficha del modelo advierte claramente que Carbon puede alucinar, y que los niveles altos de razonamiento pueden responder con lentitud o incluso agotar el tiempo de espera. En escenarios de ingeniería que exigen precisión estricta, los resultados de una reconstrucción hecha con IA deben seguir siendo revisados por profesionales.

Preguntas frecuentes (FAQ)

Puntos clave de la demo de la Torre Eiffel con Gemini 4 Carbon (Key Takeaways)

• Qué es el caso: varios agentes Carbon convierten fotos históricas y planos en una exposición interactiva con Three.js.
• Una indicación no equivale a una sola generación: detrás hay un Swarm que descompone la tarea y la reparte entre agentes que trabajan en paralelo.
• La dificultad de ingeniería es real: 18.038 piezas y 5.300 planos, con una exigencia de precisión estructural muy alta.
• El entregable es código: Carbon produce texto, y la exposición se presenta como código Three.js que se puede modificar.
• El costo hay que mirarlo en conjunto: el paralelismo multiagente multiplica el consumo, y combinar modelos según el rol sale más económico.
• Hay que dejar claros los límites: una demo oficial no representa el rendimiento general, y Swarm sigue siendo una función en versión preliminar.
• Cómo empezar: puedes usar la interfaz unificada de APIYI (apiyi.com) y validar con una muestra pequeña el flujo de lectura de imágenes y modelado.

Resumen

La demo de la Torre Eiffel con Gemini 4 Carbon tiene tres puntos fuertes:

1. La entrada son materiales históricos heterogéneos: hay que interpretar y alinear fotos y planos de ingeniería, y convertirlos en parámetros espaciales.
2. El proceso es una colaboración multiagente: una sola indicación lanza el Swarm, y la coordinación, la ejecución y la verificación se reparten el trabajo.
3. El resultado es una exposición 3D interactiva: Three.js permite recorrer libremente en el navegador la construcción de 1887 a 1889.

Para quienes desarrollan, lo más aprovechable es la idea de orquestación: un modelo de razonamiento profundo para planificar, modelos ligeros para ejecutar y una fase de verificación como red de seguridad. Te recomendamos empezar con un volumen pequeño de materiales a través de APIYI (apiyi.com) para comprobar que el flujo funciona, y solo después decidir si merece la pena lanzar una tarea multiagente más grande.

📚 Referencias

1. Anuncio oficial de Google: Gemini 4 Carbon is now available: caso de la Torre Eiffel e información de lanzamiento de /swarm
2. Enlace: blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/

3. Descripción: descripción original del caso, alcance de disponibilidad y cambios de precio

4. Blog oficial de Google Antigravity: Gemini 4 Carbon in Google Antigravity

5. Enlace: antigravity.google/blog/gemini-4-carbon-in-google-antigravity/

6. Descripción: coordinación de Swarm, trabajo en paralelo, verificación adversarial y mecanismo de tablón de mensajes

7. Gemini 4 Carbon Model Card: ficha técnica del modelo de Google DeepMind

8. Enlace: deepmind.google/models/model-cards/gemini-4-carbon/

9. Descripción: modalidades de entrada y salida, límites de contexto y limitaciones conocidas

10. Guía para desarrolladores de Gemini 4 Carbon: documentación de Google Cloud

11. Enlace: docs.cloud.google.cn/gemini-enterprise-agent-platform/models/guides/gemini-4-carbon

12. Descripción: Thinking Level, límites de parámetros y notas sobre la decodificación larga

13. Documentación histórica oficial de la Torre Eiffel: La tour Eiffel

14. Enlace: toureiffel.paris/en/the-monument/history
15. Descripción: número de piezas, cantidad de planos, cronología de construcción y contexto del diseño estructural

Autor: Equipo técnico de APIYI
Intercambio técnico: si tienes dudas sobre orquestación de múltiples agentes o generación 3D multimodal, escríbenos desde la página principal de APIYI (apiyi.com) y lo comentamos

Artículos relacionados

• Hacer que el modelo escriba Three.js en lugar de generar directamente archivos 3D: 5 lecciones de un flujo de trabajo con capa intermedia de código: Usando Qwen3.5-4B-GLB-3D-Coder como ejemplo, desglosa el flujo de trabajo de la capa intermedia de código de “texto→Three.js→GLB” y proporciona pasos prácticos para el despliegue local, la integración en la nube y la validación con Godot.
• Análisis del lanzamiento de Gemini 4 Carbon: supera a Opus 5.5 con 59 puntos y gana en 15 de 17 pruebas, pero no se puede invocar: Gemini 4 Carbon lideró el índice de inteligencia de Artificial Analysis con 59 puntos y ganó 15 de 17 comparativas oficiales, pero no tiene ID de modelo API ni fecha de acceso; analizamos la puntuación, por qué aún no se puede invocar y cómo los desarrolladores chinos pueden usar gemini-4-argon por ahora.