Imagina que le das a una amiga un informe de 40 páginas y le pides: "¿Puedes revisarlo en los próximos 10 minutos?"
Probablemente detectará un par de erratas y alguna frase con la gramática coja. ¿Vería que un número de la página 3 no coincide con el de la página 31? Seguramente no.
Ahora dale el mismo informe a un equipo.
Alguien bueno con las mates revisa las ecuaciones, otra persona se encarga de los experimentos, todo el mundo tiene una copia del informe completo y una editora recopila las notas y vuelve a comprobar cualquier cosa que no cuadre.
Ese equipo encontrará mucho más, incluidos los errores que de verdad importan.
Google Deep Review es ese segundo enfoque convertido en software. Es un sistema de IA con agentes de Google Research que comprueba documentos largos y complejos dividiéndolos en secciones, revisando cada una en paralelo y combinando los resultados en un único informe.
En este artículo verás qué es Deep Review, cómo funciona su canalización en 4 etapas, qué muestran los resultados publicados por Google y cómo puedes replicar el mismo patrón. También puedes consultar nuestra guía de Gemini 3.1 Pro y nuestro curso de sistemas multiagente con LangGraph.
En pocas palabras
Deep Review divide un documento en secciones, dedica más cómputo a las partes difíciles, revisa todas las secciones en paralelo con el documento completo a la vista y después fusiona y contrasta los hallazgos.
En un subconjunto de matemáticas e informática del benchmark SPOT (26 artículos, 29 errores), la herramienta Paper Assistant Tool (PAT) de Google detectó el 89,7% de los errores, frente al 55,2% de Gemini 3.1 Pro usado en solitario.
Cada usuario tiene 2 revisiones gratis a la semana. Solo acepta PDF y texto plano.
Todas las cifras de precisión provienen de Google y de autores que optaron por participar. Nadie ha probado aún de forma independiente la versión pública.
Comprueba el razonamiento en tu documento, no tu código; un bug en tu pipeline puede seguir generando números erróneos pero consistentes.
¿Qué es Google Deep Review?
Google Deep Review es un sistema de IA con agentes que ofrece feedback y verificación técnica en documentos largos y complejos. Divide un documento en secciones, comprueba cada una en paralelo y combina los resultados en un único informe.
Deep Review se creó primero para artículos científicos. Google afirma que ahora también funciona con documentos de diseño, presentaciones y documentos legales y financieros. Puedes usarlo a través del Google Research Portal, y se anunció en su evento Research@.
Volviendo a la analogía, Deep Review es el equipo más la editora. Reparte el trabajo para que cada parte reciba una revisión minuciosa, en lugar de leer el documento de una pasada y dar una primera impresión.
¿Por qué creó Google Deep Review?
La IA ha abaratado la redacción de documentos, pero revisarlos sigue siendo lento y caro. Google llama a esto el cuello de botella de validación: se genera información más rápido de lo que puede revisarse con rigor.
Según Google, las propuestas combinadas a 3 grandes conferencias de IA (ICLR, NeurIPS e ICML) pasaron de unas 23.000 en 2023 a aproximadamente 74.000 en 2026.
El número de revisores cualificados no se triplicó en el mismo periodo. (La cifra de 2026 es en parte una estimación, ya que el recuento de NeurIPS en el artículo de Google es una proyección).
De Paper Assistant Tool a Deep Review
Deep Review empezó como la Paper Assistant Tool (PAT). Google la pilotó con 4 conferencias de informática: STOC 2026, ICML 2026, NeurIPS 2026 e ICLR 2027.
Las personas autoras podían optar por participar y recibir feedback privado sobre su artículo antes de la fecha límite.
Más de 16.000 artículos pasaron por los pilotos.
El feedback se mantuvo separado de la revisión por pares oficial, así que no afectó a la aceptación del artículo.
La versión pública añade soporte para Gemini 4 Argon, que según Google lo hace más potente que el antiguo PAT. Google también ha incorporado un patrón relacionado en Antigravity, su entorno de codificación con agentes.
Deep Review funciona como una canalización de 4 etapas: divide el documento, asigna esfuerzo por sección, revisa las secciones en paralelo y fusiona los hallazgos.
La forma obvia de revisar un artículo con un modelo de lenguaje grande (LLM) es pegarlo entero y pedir feedback.
Esa es la "amiga con 10 minutos" de nuestra analogía. Google da 3 razones por las que se queda corta:
El modelo agota su presupuesto de razonamiento antes de llegar a las partes difíciles
Pasa por alto dependencias entre secciones alejadas
Acepta afirmaciones matizadas sin examinarlas a fondo
Nuestro equipo de revisores sigue los mismos 4 pasos que la canalización. Veamos cada etapa.
Etapa 1: segmentación del documento
Un agente segmentador divide el documento en piezas lógicas como introducción, métodos, experimentos y demostraciones.
Las piezas pueden solaparse, pero en conjunto deben cubrir todo el documento.
En nuestra analogía, es el equipo decidiendo quién revisa qué capítulo antes de empezar. No se deja ninguna parte sin mirar.
Etapa 2: asignación adaptativa de cómputo
Algunas secciones son mucho más difíciles de revisar que otras.
Una demostración matemática larga necesita mucha más atención que una sección de trabajos relacionados, que en su mayoría es una lista de artículos.
Deep Review evalúa la densidad de cada parte y asigna más cómputo a las más complejas.
El artículo de Google describe itinerarios de pensamiento ligero, medio y alto, con las demostraciones y la teoría en el nivel alto. Si has usado un modelo con un ajuste de "pensamiento", es una idea similar aplicada por sección.
Etapa 3: verificación profunda en paralelo
Después, los agentes revisores comprueban todas las secciones a la vez. Cada agente se centra en su sección, pero todos pueden ver el documento completo.
Imagina que la sección 5 usa un resultado demostrado en la sección 2.
El agente que revisa la sección 5 puede volver atrás y comprobar si coinciden. Un modelo que solo viera la sección 5 no tendría ninguna opción de detectar eso.
Etapa 4: síntesis global y contrastación
Por último, un agente de síntesis hace de editora.
Combina los informes por sección, elimina comentarios duplicados, busca contradicciones entre secciones y repite cualquier verificación lógica dudosa.
También realiza comprobaciones de fundamentación con fuentes externas, incluido Google Search, para detectar alucinaciones como artículos o teoremas inexistentes.
Sin este paso, la revisión podría señalar con seguridad problemas que no existen y hacerte perder el tiempo.
Cómo crear una canalización estilo Deep Review en Python
Deep Review es un patrón map-reduce construido con agentes LLM: divide el trabajo, revisa las piezas en paralelo y vuelve a unir los resultados. Puedes montar una versión simple en menos de 80 líneas.
El ejemplo siguiente usa el SDK de Google Gen AI con Gemini 3.1 Pro.
Su ajuste thinking_level nos permite recrear nuestra versión de la Etapa 2.
from concurrent.futures import ThreadPoolExecutor
from google import genai
from google.genai import types
client = genai.Client()# reads GEMINI_API_KEY from your environment
MODEL ="gemini-3.1-pro-preview"defsplit_into_sections(text):"""Stage 1: split a Markdown document on its headings.
Deep Review uses a segmenter agent for this step."""
sections, current =[],[]for line in text.splitlines():if line.startswith("#")and current:
sections.append("\n".join(current))
current =[]
current.append(line)if current:
sections.append("\n".join(current))return sections
defthinking_level_for(section):"""Stage 2: a very rough version of adaptive budgeting. More math, more thinking."""
math_signals = section.count("$")+ section.count("=")if math_signals >20:return types.ThinkingLevel.HIGH
return types.ThinkingLevel.LOW
defreview_section(section, full_doc):"""Stage 3: review one section while still seeing the full document."""
prompt =("You are reviewing one section of a technical document.\n\n"f"Full document for context:\n{full_doc}\n\n"f"Section to review:\n{section}\n\n""List math errors, logic gaps, and claims not supported by evidence. ""Quote the exact text for each issue. Say 'No issues' if there are none.")
response = client.models.generate_content(
model=MODEL,
contents=prompt,
config=types.GenerateContentConfig(
thinking_config=types.ThinkingConfig(
thinking_level=thinking_level_for(section))),)return response.text
defdeep_review_lite(full_doc):
sections = split_into_sections(full_doc)# Map step: review every section in parallelwith ThreadPoolExecutor(max_workers=4)as pool:
reports =list(pool.map(lambda s: review_section(s, full_doc), sections))# Stage 4 (reduce step): merge, remove duplicates, drop issues the document resolves
merge_prompt =("Merge these section reviews into one report with three headings: ""Major concerns, Minor corrections, Suggestions. ""Remove duplicates and drop any issue the full document clearly resolves.\n\n"f"Full document:\n{full_doc}\n\n""Section reviews:\n\n"+"\n\n---\n\n".join(reports))
final = client.models.generate_content(model=MODEL, contents=merge_prompt)return final.text
if __name__ =="__main__":withopen("my_report.md", encoding="utf-8")as f:print(deep_review_lite(f.read()))Con la tecnología de
No te preocupes si no sigues cada línea. La estructura general importa más que el código exacto. Así encaja con las 4 etapas:
split_into_sections() hace de segmentador (Etapa 1)
thinking_level_for() decide el esfuerzo por sección (Etapa 2)
ThreadPoolExecutor ejecuta las revisiones en paralelo y cada una ve el documento completo (Etapa 3)
El merge_prompt del final es nuestra editora (Etapa 4)
Esta versión es mucho más simple que la real. No hay agente segmentador, ni comprobación contra Google Search, ni segunda pasada para hallazgos dudosos.
Aun así, aborda 2 de los 3 problemas que cita Google: agotar el presupuesto de razonamiento y perder conexiones entre secciones.
También tiene costes a vigilar.
Cada llamada del revisor arrastra el documento completo, así que los tokens crecen con el número de secciones.
El separador también trata cualquier línea que empiece por # como un encabezado, incluidos comentarios dentro de bloques de código, así que pruébalo antes con tus propios archivos.
Cómo usar Google Deep Review
Usar Deep Review requiere unos minutos de preparación y luego esperar mientras trabajan los agentes.
Configura tu primera revisión
Figura 1: Pasos para ejecutar una Deep Review, desde iniciar sesión hasta actuar sobre el feedback. Diagrama del autor, basado en la página de Deep Review de Google Research.
Ve al Google Research Portal y abre Deep Review.
Inicia sesión con tu cuenta de Google.
Sube un PDF o pega texto plano.
Opcionalmente, añade contexto personalizado para indicar qué debe comprobar, y ajusta la profundidad de la revisión y el nivel de razonamiento. Las revisiones gratis usan Medium en ambos.
Inicia la revisión. Google dice que tarda entre 10 y 20 minutos, y los documentos más largos pueden tardar hasta 30.
Algunas limitaciones a tener en cuenta:
Tienes 2 revisiones gratis por semana y no necesitas una clave de API para usarlas.
Por ahora, solo se aceptan PDF y texto plano.
Google afirma que el soporte para múltiples archivos llegará pronto, ideal para un artículo y su apéndice.
El informe comienza con Overall Feedback, un resumen, y después muestra el Detailed Feedback debajo.
Puedes filtrar los comentarios detallados por problemas graves, correcciones menores y sugerencias, y cada comentario indica la sección o página a la que se refiere.
También hay una vista de comentarios y un botón Copy Report que copia toda la revisión en Markdown. Es muy útil para pegarlo en tus notas e ir resolviendo punto por punto.
¿Qué precisión tiene Google Deep Review?
Los propios resultados de Google muestran que el predecesor de Deep Review, PAT, detectó el 89,7% de los errores de matemáticas e informática en el benchmark SPOT, frente al 55,2% de Gemini 3.1 Pro usado en solitario.
SPOT es un benchmark creado a partir de errores reales en artículos que luego fueron retractados o corregidos. Google probó PAT en el subconjunto de matemáticas e informática con errores en ecuaciones y demostraciones: 26 artículos con 29 errores.
El recall de PAT fue aproximadamente 34 puntos porcentuales mayor que la línea base de una sola llamada.
Se aplican dos matices.
Primero, las autorías usaron su propio evaluador, que acepta descripciones lógicamente equivalentes de un error, por lo que no puedes comparar estas cifras directamente con los resultados originales de SPOT.
Segundo, el artículo no es consistente respecto al modelo: el texto describe PAT como impulsado por Gemini Deep Think, mientras que la tabla de resultados etiqueta el 89,7% como PAT con Gemini 3.1 Pro. En cualquier caso, no es el Deep Review público.
El feedback de los pilotos también pinta bien.
Google encuestó a autores de los pilotos de STOC e ICML, que revisaron más de 4.700 envíos en total. Entre 857 respuestas (124 en STOC, 733 en ICML):
El 92,7% en STOC y el 90,7% en ICML dijeron que el feedback fue muy o mayormente útil
Alrededor de 1 de cada 10 autores en STOC y más de 1 de cada 3 en ICML (35,4%) dijeron que se detectó un error teórico importante que llevó más de una hora corregir
El 31% de quienes respondieron en ICML ejecutaron nuevos experimentos a raíz de lo que les indicó PAT
Este último dato me llamó la atención.
Hacer experimentos extra justo antes de una fecha límite no es poca cosa, así que el feedback debió de ser convincente.
Aun así, todas estas cifras provienen de Google y de autores que decidieron participar, y nadie ha probado de forma independiente el Deep Review público todavía. Tómalas como una señal prometedora, no como garantía de cómo se comportará con tus documentos.
¿Cómo pueden usar Deep Review los data scientists?
No necesitas escribir demostraciones matemáticas para sacarle partido a Deep Review.
Mucho del trabajo que redactan data scientists y analistas es una serie de afirmaciones respaldadas por números, justo lo que Deep Review está diseñado para comprobar.
Aquí tienes algunos casos donde creo que encaja:
Documento
Qué puede ayudar a comprobar Deep Review
Informes de análisis
Si cada conclusión está respaldada por un dato en el informe
Informes de tests A/B
Afirmaciones estadísticas débiles o tamaños de muestra que cambian entre secciones
Docs de diseño de ML
Incongruencias entre la sección de arquitectura y la de evaluación
Informes de notebooks
La explicación que acompaña a tus resultados (exporta primero el notebook a PDF)
Google describe Deep Review como una comprobación del razonamiento de tu documento. No dice nada de ejecutar tu código, por lo que un bug en tu pipeline puede dejarte números erróneos que, aun así, parecen perfectamente coherentes.
Un buen flujo de trabajo sería:
Termina primero un borrador completo. Revisar medio documento consume una de tus 2 revisiones semanales.
Ejecuta Deep Review y comprueba tú mismo cada problema grave antes de cambiar nada.
Corrige lo que realmente sea un problema y vuelve a ejecutarlo si aún te queda una revisión.
Para usarlo dentro de tus herramientas, la API de Deep Review te permite lanzar revisiones desde código, por ejemplo, como parte de una pipeline de integración continua (CI).
Conectas tu propia clave de la API de Gemini, así que el uso se factura en tu cuenta de la API de Gemini.
El coste depende de la longitud del documento y del esfuerzo de razonamiento, así que pruébalo con un documento antes de montar nada alrededor.
Limitaciones de Google Deep Review
La mayor limitación es que Deep Review puede equivocarse en ambos sentidos.
El artículo de PAT indica que en los pilotos aparecieron casos en los que la herramienta marcó como incorrecta una demostración válida por un fallo de razonamiento, y las autorías dicen que siguen trabajando en ello.
La fundamentación es la otra métrica a vigilar.
Solo el 55,8% de quienes respondieron en STOC y el 64,8% en ICML dijeron que el feedback estaba mayormente o completamente fundamentado, así que aproximadamente entre el 35% y el 44% no lo percibieron como mayormente fundamentado.
Contrasta cada problema grave con tu documento antes de actuar.
Tampoco toma decisiones de criterio.
No te dirá si tu idea es nueva o interesante, ni clasifica artículos. Esa parte sigue siendo tuya y de tus revisores.
Luego está la privacidad.
Google afirma que nunca usa los documentos subidos para entrenar, ajustar ni mejorar sus modelos, pero sí los conserva durante 1 año para que puedas verlos en la interfaz.
Si trabajas en algo bajo un acuerdo de confidencialidad (NDA), me lo pensaría dos veces antes de subirlo.
Otras limitaciones:
Es un sistema cerrado, sin pesos abiertos y sin opción de alojarlo tú, por lo que dependes totalmente de los modelos de Google
Por ahora solo acepta PDF y texto plano
2 revisiones gratis a la semana se agotan rápido si haces muchos cambios en un borrador
Hasta ahora, todas las cifras de precisión han venido de Google
Reflexiones finales
Deep Review se parece más a nuestro equipo de revisores que a la amiga con 10 minutos. Creo que la mejor forma de usarlo es como una pasada adicional sobre el borrador antes de enviar, revisando tú cada uno de sus problemas graves.
Señala cosas que no siempre son problemas reales; no puede juzgar si tu trabajo es novedoso y su precisión aún debe validarse fuera de Google.
Lo más valioso es el diseño. Dividir el trabajo, dedicar más esfuerzo a las partes difíciles, revisar todo en paralelo y fusionar resultados funciona en prácticamente cualquier agente que deba manejar documentos largos.
Sí, todo el mundo tiene 2 revisiones gratis por semana. Si necesitas más, puedes conectar tu propia clave de la API de Gemini.
¿Qué tipos de archivo acepta Deep Review?⌄
De momento, solo PDF y texto plano. Google afirma que el soporte para múltiples archivos llegará pronto.
¿Google entrena sus modelos con mis documentos?⌄
No. Google dice que los documentos subidos nunca se usan para entrenar, ajustar ni mejorar sus modelos. Se almacenan durante 1 año para que puedas verlos en la interfaz de Deep Review.
¿Existe una API de Deep Review?⌄
Sí. La API de Deep Review funciona con tu propia clave de la API de Gemini, de modo que puedes ejecutar revisiones desde tu código, por ejemplo en una pipeline de CI.
¿Cuánto tarda una Deep Review?⌄
Según Google, alrededor de 10 a 20 minutos por documento. Los documentos más largos con muchas mates reciben más cómputo y pueden tardar hasta 30 minutos.
¿Qué precisión tiene Google Deep Review?⌄
En un subconjunto de matemáticas e informática del benchmark SPOT, la herramienta predecesora de Google, PAT, detectó el 89,7% de los errores, frente al 55,2% de usar solo Gemini 3.1 Pro. Estos resultados provienen de Google y no se han probado de forma independiente en el Deep Review público.
Descubre cómo los modelos lingüísticos de IA como ChatGPT pueden revolucionar tus operaciones financieras, desde la generación de informes hasta la traducción de jerga financiera.
Aprende a utilizar modelos de IA generativa para crear un editor de imágenes, un chatbot similar a ChatGPT con pocos recursos y una aplicación clasificadora de aprobación de préstamos y a automatizar interacciones PDF y un asistente de voz con GPT.
Aprende a realizar la validación de datos y modelos para garantizar un sólido rendimiento del aprendizaje automático utilizando nuestra guía paso a paso para automatizar las pruebas con DeepChecks.
DeepSeek-Coder-V2 es un modelo de lenguaje de código de código abierto que rivaliza con el rendimiento de GPT-4, Gemini 1.5 Pro, Claude 3 Opus, Llama 3 70B o Codestral.
Una visión completa de la API Assistants con nuestro artículo, que ofrece una mirada en profundidad a sus características, usos en la industria, guía de configuración y las mejores prácticas para maximizar su potencial en diversas aplicaciones empresariales.
Libere todo el potencial de GPT-3 mediante el ajuste fino. Aprenda a utilizar la API de OpenAI y Python para mejorar este modelo de red neuronal avanzado para su caso de uso específico.
Domina Gemini y NotebookLM para automatizar tareas, aumentar la productividad y trabajar de forma más inteligente en todo el ecosistema de IA de Google.
Imagina que le das a una amiga un informe de 40 páginas y le pides: "¿Puedes revisarlo en los próximos 10 minutos?"
Probablemente detectará un par de erratas y alguna frase con la gramática coja. ¿Vería que un número de la página 3 no coincide con el de la página 31? Seguramente no.
Ahora dale el mismo informe a un equipo.
Alguien bueno con las mates revisa las ecuaciones, otra persona se encarga de los experimentos, todo el mundo tiene una copia del informe completo y una editora recopila las notas y vuelve a comprobar cualquier cosa que no cuadre.
Ese equipo encontrará mucho más, incluidos los errores que de verdad importan.
Google Deep Review es ese segundo enfoque convertido en software. Es un sistema de IA con agentes de Google Research que comprueba documentos largos y complejos dividiéndolos en secciones, revisando cada una en paralelo y combinando los resultados en un único informe.
Google lo abrió al público el 14 de octubre de 2026, con 2 revisiones gratis por semana.
En este artículo verás qué es Deep Review, cómo funciona su canalización en 4 etapas, qué muestran los resultados publicados por Google y cómo puedes replicar el mismo patrón. También puedes consultar nuestra guía de Gemini 3.1 Pro y nuestro curso de sistemas multiagente con LangGraph.
En pocas palabras
¿Qué es Google Deep Review?
Google Deep Review es un sistema de IA con agentes que ofrece feedback y verificación técnica en documentos largos y complejos. Divide un documento en secciones, comprueba cada una en paralelo y combina los resultados en un único informe.
Deep Review se creó primero para artículos científicos. Google afirma que ahora también funciona con documentos de diseño, presentaciones y documentos legales y financieros. Puedes usarlo a través del Google Research Portal, y se anunció en su evento Research@.
Volviendo a la analogía, Deep Review es el equipo más la editora. Reparte el trabajo para que cada parte reciba una revisión minuciosa, en lugar de leer el documento de una pasada y dar una primera impresión.
¿Por qué creó Google Deep Review?
La IA ha abaratado la redacción de documentos, pero revisarlos sigue siendo lento y caro. Google llama a esto el cuello de botella de validación: se genera información más rápido de lo que puede revisarse con rigor.
Según Google, las propuestas combinadas a 3 grandes conferencias de IA (ICLR, NeurIPS e ICML) pasaron de unas 23.000 en 2023 a aproximadamente 74.000 en 2026.
El número de revisores cualificados no se triplicó en el mismo periodo. (La cifra de 2026 es en parte una estimación, ya que el recuento de NeurIPS en el artículo de Google es una proyección).
De Paper Assistant Tool a Deep Review
Deep Review empezó como la Paper Assistant Tool (PAT). Google la pilotó con 4 conferencias de informática: STOC 2026, ICML 2026, NeurIPS 2026 e ICLR 2027.
Las personas autoras podían optar por participar y recibir feedback privado sobre su artículo antes de la fecha límite.
Más de 16.000 artículos pasaron por los pilotos.
El feedback se mantuvo separado de la revisión por pares oficial, así que no afectó a la aceptación del artículo.
La versión pública añade soporte para Gemini 4 Argon, que según Google lo hace más potente que el antiguo PAT. Google también ha incorporado un patrón relacionado en Antigravity, su entorno de codificación con agentes.
El patrón Teamwork Deep Document Review se ejecuta con el comando
/teamwork-preview.¿Cómo funciona Deep Review?
Deep Review funciona como una canalización de 4 etapas: divide el documento, asigna esfuerzo por sección, revisa las secciones en paralelo y fusiona los hallazgos.
La forma obvia de revisar un artículo con un modelo de lenguaje grande (LLM) es pegarlo entero y pedir feedback.
Esa es la "amiga con 10 minutos" de nuestra analogía. Google da 3 razones por las que se queda corta:
Nuestro equipo de revisores sigue los mismos 4 pasos que la canalización. Veamos cada etapa.
Etapa 1: segmentación del documento
Un agente segmentador divide el documento en piezas lógicas como introducción, métodos, experimentos y demostraciones.
Las piezas pueden solaparse, pero en conjunto deben cubrir todo el documento.
En nuestra analogía, es el equipo decidiendo quién revisa qué capítulo antes de empezar. No se deja ninguna parte sin mirar.
Etapa 2: asignación adaptativa de cómputo
Algunas secciones son mucho más difíciles de revisar que otras.
Una demostración matemática larga necesita mucha más atención que una sección de trabajos relacionados, que en su mayoría es una lista de artículos.
Deep Review evalúa la densidad de cada parte y asigna más cómputo a las más complejas.
El artículo de Google describe itinerarios de pensamiento ligero, medio y alto, con las demostraciones y la teoría en el nivel alto. Si has usado un modelo con un ajuste de "pensamiento", es una idea similar aplicada por sección.
Etapa 3: verificación profunda en paralelo
Después, los agentes revisores comprueban todas las secciones a la vez. Cada agente se centra en su sección, pero todos pueden ver el documento completo.
Imagina que la sección 5 usa un resultado demostrado en la sección 2.
El agente que revisa la sección 5 puede volver atrás y comprobar si coinciden. Un modelo que solo viera la sección 5 no tendría ninguna opción de detectar eso.
Etapa 4: síntesis global y contrastación
Por último, un agente de síntesis hace de editora.
Combina los informes por sección, elimina comentarios duplicados, busca contradicciones entre secciones y repite cualquier verificación lógica dudosa.
También realiza comprobaciones de fundamentación con fuentes externas, incluido Google Search, para detectar alucinaciones como artículos o teoremas inexistentes.
Sin este paso, la revisión podría señalar con seguridad problemas que no existen y hacerte perder el tiempo.
Cómo crear una canalización estilo Deep Review en Python
Deep Review es un patrón map-reduce construido con agentes LLM: divide el trabajo, revisa las piezas en paralelo y vuelve a unir los resultados. Puedes montar una versión simple en menos de 80 líneas.
El ejemplo siguiente usa el SDK de Google Gen AI con Gemini 3.1 Pro.
Su ajuste
thinking_levelnos permite recrear nuestra versión de la Etapa 2.No te preocupes si no sigues cada línea. La estructura general importa más que el código exacto. Así encaja con las 4 etapas:
split_into_sections()hace de segmentador (Etapa 1)thinking_level_for()decide el esfuerzo por sección (Etapa 2)ThreadPoolExecutorejecuta las revisiones en paralelo y cada una ve el documento completo (Etapa 3)merge_promptdel final es nuestra editora (Etapa 4)Esta versión es mucho más simple que la real. No hay agente segmentador, ni comprobación contra Google Search, ni segunda pasada para hallazgos dudosos.
Aun así, aborda 2 de los 3 problemas que cita Google: agotar el presupuesto de razonamiento y perder conexiones entre secciones.
También tiene costes a vigilar.
Cada llamada del revisor arrastra el documento completo, así que los tokens crecen con el número de secciones.
El separador también trata cualquier línea que empiece por
#como un encabezado, incluidos comentarios dentro de bloques de código, así que pruébalo antes con tus propios archivos.Cómo usar Google Deep Review
Usar Deep Review requiere unos minutos de preparación y luego esperar mientras trabajan los agentes.
Configura tu primera revisión
Figura 1: Pasos para ejecutar una Deep Review, desde iniciar sesión hasta actuar sobre el feedback. Diagrama del autor, basado en la página de Deep Review de Google Research.
Algunas limitaciones a tener en cuenta:
Cómo leer el informe
Figura 2: Ejemplo de un informe de Google Deep Review, mostrado junto al artículo que revisó. Imagen tomada de: ScriptByAI, Deep Review: Google's AI Reviewer for Papers and Technical Documents.
El informe comienza con Overall Feedback, un resumen, y después muestra el Detailed Feedback debajo.
Puedes filtrar los comentarios detallados por problemas graves, correcciones menores y sugerencias, y cada comentario indica la sección o página a la que se refiere.
También hay una vista de comentarios y un botón Copy Report que copia toda la revisión en Markdown. Es muy útil para pegarlo en tus notas e ir resolviendo punto por punto.
¿Qué precisión tiene Google Deep Review?
Los propios resultados de Google muestran que el predecesor de Deep Review, PAT, detectó el 89,7% de los errores de matemáticas e informática en el benchmark SPOT, frente al 55,2% de Gemini 3.1 Pro usado en solitario.
Las cifras proceden del artículo de PAT, Towards Automating Scientific Review with Google's Paper Assistant Tool.
SPOT es un benchmark creado a partir de errores reales en artículos que luego fueron retractados o corregidos. Google probó PAT en el subconjunto de matemáticas e informática con errores en ecuaciones y demostraciones: 26 artículos con 29 errores.
El recall de PAT fue aproximadamente 34 puntos porcentuales mayor que la línea base de una sola llamada.
Se aplican dos matices.
Primero, las autorías usaron su propio evaluador, que acepta descripciones lógicamente equivalentes de un error, por lo que no puedes comparar estas cifras directamente con los resultados originales de SPOT.
Segundo, el artículo no es consistente respecto al modelo: el texto describe PAT como impulsado por Gemini Deep Think, mientras que la tabla de resultados etiqueta el 89,7% como PAT con Gemini 3.1 Pro. En cualquier caso, no es el Deep Review público.
El feedback de los pilotos también pinta bien.
Google encuestó a autores de los pilotos de STOC e ICML, que revisaron más de 4.700 envíos en total. Entre 857 respuestas (124 en STOC, 733 en ICML):
Este último dato me llamó la atención.
Hacer experimentos extra justo antes de una fecha límite no es poca cosa, así que el feedback debió de ser convincente.
Aun así, todas estas cifras provienen de Google y de autores que decidieron participar, y nadie ha probado de forma independiente el Deep Review público todavía. Tómalas como una señal prometedora, no como garantía de cómo se comportará con tus documentos.
¿Cómo pueden usar Deep Review los data scientists?
No necesitas escribir demostraciones matemáticas para sacarle partido a Deep Review.
Mucho del trabajo que redactan data scientists y analistas es una serie de afirmaciones respaldadas por números, justo lo que Deep Review está diseñado para comprobar.
Aquí tienes algunos casos donde creo que encaja:
Google describe Deep Review como una comprobación del razonamiento de tu documento. No dice nada de ejecutar tu código, por lo que un bug en tu pipeline puede dejarte números erróneos que, aun así, parecen perfectamente coherentes.
Un buen flujo de trabajo sería:
Para usarlo dentro de tus herramientas, la API de Deep Review te permite lanzar revisiones desde código, por ejemplo, como parte de una pipeline de integración continua (CI).
Conectas tu propia clave de la API de Gemini, así que el uso se factura en tu cuenta de la API de Gemini.
El coste depende de la longitud del documento y del esfuerzo de razonamiento, así que pruébalo con un documento antes de montar nada alrededor.
Limitaciones de Google Deep Review
La mayor limitación es que Deep Review puede equivocarse en ambos sentidos.
El artículo de PAT indica que en los pilotos aparecieron casos en los que la herramienta marcó como incorrecta una demostración válida por un fallo de razonamiento, y las autorías dicen que siguen trabajando en ello.
La fundamentación es la otra métrica a vigilar.
Solo el 55,8% de quienes respondieron en STOC y el 64,8% en ICML dijeron que el feedback estaba mayormente o completamente fundamentado, así que aproximadamente entre el 35% y el 44% no lo percibieron como mayormente fundamentado.
Contrasta cada problema grave con tu documento antes de actuar.
Tampoco toma decisiones de criterio.
No te dirá si tu idea es nueva o interesante, ni clasifica artículos. Esa parte sigue siendo tuya y de tus revisores.
Luego está la privacidad.
Google afirma que nunca usa los documentos subidos para entrenar, ajustar ni mejorar sus modelos, pero sí los conserva durante 1 año para que puedas verlos en la interfaz.
Si trabajas en algo bajo un acuerdo de confidencialidad (NDA), me lo pensaría dos veces antes de subirlo.
Otras limitaciones:
Reflexiones finales
Deep Review se parece más a nuestro equipo de revisores que a la amiga con 10 minutos. Creo que la mejor forma de usarlo es como una pasada adicional sobre el borrador antes de enviar, revisando tú cada uno de sus problemas graves.
Señala cosas que no siempre son problemas reales; no puede juzgar si tu trabajo es novedoso y su precisión aún debe validarse fuera de Google.
Lo más valioso es el diseño. Dividir el trabajo, dedicar más esfuerzo a las partes difíciles, revisar todo en paralelo y fusionar resultados funciona en prácticamente cualquier agente que deba manejar documentos largos.
Si te apetece construir agentes así, te recomiendo echar un vistazo a nuestro curso de sistemas multiagente con LangGraph.