Gemini 3.1 Flash-Lite converteix la navegació en una web que s’escriu sola i situa la velocitat com el nou camp de batalla de la IA generativa. La demo de Google DeepMind no ensenya només un model ràpid: ensenya un navegador experimental en què cada pàgina es genera en temps real mentre l’usuari fa clic, cerca i navega, un senyal clar que la web pot començar a comportar-se menys com un conjunt de llocs estàtics i més com una interfície generada al vol per IA.
Google DeepMind ha decidit mostrar Gemini 3.1 Flash-Lite amb una imatge especialment eloqüent d’allà on vol empènyer la següent fase de la intel·ligència artificial aplicada al programari: un navegador capaç de crear cada pàgina en temps real a mesura que l’usuari hi interactua. La peça de demostració difosa per la companyia presenta precisament això: un entorn en què l’experiència de navegació deixa de dependre del tot de pàgines prèviament construïdes i passa a estar mediada per una generació instantània. No és un detall menor ni un simple truc visual. És una manera d’ensenyar que, quan la latència cau prou, la IA deixa de sentir-se com una capa addicional i comença a confondre’s amb la mateixa interfície.
El punt de partida tècnic d’aquesta demostració és Gemini 3.1 Flash-Lite, el model que Google va presentar a començaments de març del 2026 com el més ràpid i més eficient en costos dins de la família Gemini 3. Segons la mateixa companyia, està pensat per a càrregues de treball d’alt volum, amb baixa latència i necessitats de resposta immediata, i s’està desplegant en vista prèvia per a desenvolupadors a Google AI Studio i per a clients empresarials a Vertex AI. Google el posiciona explícitament com un model orientat a experiències responsives en temps real.
Aquest posicionament explica per què la demo del navegador té tanta càrrega estratègica. Durant l’última etapa de la IA generativa, bona part de la conversa s’ha centrat en qualitat de raonament, longitud de context o potència dels models de gamma alta. Però Google hi està subratllant una altra variable igualment decisiva: la velocitat percebuda. Si un model pot generar una pàgina mentre l’usuari navega sense trencar la sensació de continuïtat, aleshores s’obre una categoria nova de producte. Ja no es tracta només de demanar a una IA que redacti una web o construeixi un prototip, sinó de fer-la servir com a motor de renderització dinàmica per a experiències interactives.
La companyia no amaga que 3.1 Flash-Lite ha estat concebut exactament per a aquest tipus d’escenaris. En el seu anunci oficial, Google afirma que el model ofereix una millora de 2,5 vegades en el temps fins al primer token de resposta respecte de Gemini 2.5 Flash i un augment del 45% en la velocitat de sortida, mantenint una qualitat similar o superior dins de la seva categoria. Afegeix, a més, que aquesta baixa latència és la que fa possibles fluxos de treball d’alta freqüència i experiències en temps real. La demo del navegador no és, per tant, una ocurrència aïllada: és una exhibició coherent amb la tesi comercial del model.
Google DeepMind presenta, a més, Flash-Lite com un model de scalable thinking per a tasques d’alt volum i baix cost. En la fitxa oficial del model, la companyia destaca que serveix per a codificació, generació d’interfícies d’usuari i traducció, i remarca quatre trets: nivells de raonament flexibles, baixa latència, ús d’eines i eficiència econòmica. Tot plegat perfila una idea molt clara: Flash-Lite no està pensat per guanyar la batalla del prestigi davant dels models més pesants, sinó per colonitzar el terreny on la IA necessita estar present de manera constant, ràpida i barata.
Aquí és on la demostració del navegador guanya profunditat. El que sembla a primera vista una curiositat tècnica funciona, en realitat, com una hipòtesi sobre la futura arquitectura de la web. Durant dècades, navegar ha significat visitar pàgines ja dissenyades, servides per un backend i renderitzades pel navegador. L’experiment mostrat per Google suggereix una altra possibilitat: que part d’aquesta capa de presentació es pugui generar sota demanda, personalitzada i adaptada al context de navegació de l’usuari. Si cada clic, cada cerca i cada desplaçament poden activar una generació instantània d’interfície, la mateixa noció de pàgina web es torna més líquida.
Aquest desplaçament encaixa amb una línia més àmplia que Google fa mesos que explora. En la documentació pública del model, l’empresa mostra exemples de Flash-Lite omplint en segons un wireframe de comerç electrònic amb centenars de productes en múltiples categories i construint panells meteorològics dinàmics amb dades en temps real i històriques. Són casos que no només parlen d’escriure text o respondre preguntes, sinó de construir representació visual, estructura d’interfície i contingut útil gairebé a l’instant. El navegador experimental és, d’alguna manera, l’extrapolació més visible d’aquesta capacitat.
La promesa tècnica també se sosté en el preu. Google situa Gemini 3.1 Flash-Lite en 0,25 dòlars per milió de tokens d’entrada i 1,50 dòlars per milió de tokens de sortida. Aquest nivell de cost no és una nota secundària: és una condició perquè aquest tipus d’experiències puguin escalar. Una web generada en temps real per a cada usuari seria prohibitiva si depengués només de models cars o lents. L’aposta de Google consisteix precisament a combinar prou intel·ligència amb costos i temps de resposta compatibles amb productes d’ús intensiu.
Convé entendre què significa això en termes de producte. La IA generativa va començar com una capa extraordinària: una cosa a la qual l’usuari recorria per resoldre una tasca concreta. Flash-Lite apunta a una altra etapa, una en què la IA esdevé infraestructura discreta i omnipresent. Si un navegador pot regenerar pàgines sobre la marxa, aleshores l’usuari no necessàriament “fa servir” un model d’IA de manera explícita; simplement habita una interfície modelada per ell. La latència deixa de ser una qüestió purament d’enginyeria i es converteix en una condició psicològica perquè la IA desaparegui dins de l’experiència.
Aquesta lògica explica també la insistència de Google que el model sigui bo seguint instruccions i fent servir eines. En la fitxa tècnica, Flash-Lite apareix amb suport per a function calling, structured output, search as a tool i execució de codi. En paral·lel, la documentació per a desenvolupadors el presenta com una peça útil per encaminar tasques segons la seva complexitat, un patró que Google diu que ja utilitza el projecte open source Gemini CLI per classificar sol·licituds i decidir si s’han de resoldre amb Flash o amb Pro. No estem, per tant, davant d’un model ràpid i prou, sinó davant d’una peça pensada per orquestrar productes on velocitat, estructura i execució importen tant com el contingut.
La mateixa DeepMind reforça aquesta lectura amb testimonis de socis inicials. A la pàgina del model, Latitude afirma que 3.1 Flash-Lite ha aconseguit una taxa d’èxit un 20% superior i temps d’inferència un 60% més ràpids que el seu model anterior. Cartwheel en destaca la velocitat i la capacitat de seguir instruccions, especialment en exploració de codi i etiquetatge multimodal a gran escala. HubX parla de completats per sota dels deu segons, compliment estructurat proper al 97% i precisió d’encaminament d’intenció del 94%. Més enllà del llenguatge promocional, tots aquests exemples apunten en la mateixa direcció: la utilitat del model es mesura en sistemes de producció on importa sostenir freqüència, format i consistència.
Aquest context fa que la demo del navegador es pugui llegir com alguna cosa més ambiciosa que una simple exhibició de rapidesa. En realitat, funciona com una declaració sobre com Google imagina la pròxima web: menys dependent de pàgines fixes i més propera a interfícies generatives capaces d’assemblar contingut i estructura sobre la marxa. Això podria tenir efectes molt amplis. Per als desenvolupadors, significa reduir la fricció entre idea i prototip. Per a les empreses, obre la porta a experiències més personalitzades i contextuals. Per als usuaris, pot implicar una navegació més mal·leable, on la web es reorganitza segons la intenció i el context, i no només segons menús predefinits. Tot això, és clar, dependrà que la velocitat i el cost aguantin a escala.
També cal mirar l’altra cara del moviment. Una web generada al vol per IA introdueix preguntes serioses sobre consistència, traçabilitat i control. Quan una pàgina és el resultat d’una generació en temps real, quina part del seu contingut és fixa i quina és mutable? Com s’auditen errors, biaixos o al·lucinacions visuals i estructurals en una interfície que no sempre serà exactament igual? Com es preserven estàndards d’accessibilitat, rendiment i confiança si la capa de presentació deixa de ser estable? El vídeo de demostració no respon aquestes preguntes, però precisament per això les fa més urgents. La latència pot haver començat a resoldre’s, però la governança d’aquestes interfícies encara és molt oberta.
Hi ha, a més, una qüestió estratègica de fons. En el mercat actual d’IA, no n’hi ha prou amb tenir models potents; cal inserir-los en formes d’ús natives. OpenAI, Anthropic, Microsoft i Google competeixen per demostrar no només quin model raona millor, sinó quina experiència de producte es pot construir al seu voltant. El navegador experimental de Flash-Lite és una jugada de posicionament en aquesta direcció. Google no està dient únicament “el nostre model és ràpid”; està dient “la nostra velocitat permet noves superfícies d’interacció”. Aquesta és una diferència important, perquè desplaça la conversa dels benchmarks abstractes cap al terreny molt més decisiu del producte.
L’elecció del terme “Flash-Lite” també adquireix aquí un sentit més precís. Google vol associar aquest model a la idea de freqüència, lleugeresa operativa i presència contínua. No és el model per al gran assaig ni per al raonament més pesant, tot i que les seves mètriques siguin competitives dins del seu segment; és el model per ser a tot arreu sense encarir l’experiència. De fet, la companyia el descriu com el millor per a tasques d’alt volum que necessiten eficiència i intel·ligència. Traduït al terreny del navegador experimental, això significa una IA que no bloqueja la interacció, sinó que l’acompanya amb prou rapidesa per reconfigurar-la en viu.
L’efecte cultural d’això tampoc no s’hauria de subestimar. Durant anys, la creació web es va repartir entre plantilles, frameworks, CMS i eines de disseny visual. La irrupció de models capaços de generar interfícies completes ja havia començat a tensionar aquest ecosistema. Però una interfície que es crea mentre navegues va un pas més enllà: converteix la web en un mitjà menys publicat i més sintetitzat. No elimina el desenvolupament tradicional, però sí que suggereix que part del valor es desplaçarà de la construcció manual de pàgines cap al disseny de sistemes, restriccions, estils i regles de generació. És un canvi que recorda altres transicions tecnològiques: primer s’automatitza l’execució, després es redefineix la feina humana al voltant de la supervisió i l’arquitectura.
Per descomptat, encara som en fase de demostració i vista prèvia. Google presenta 3.1 Flash-Lite en preview, i el navegador experimental associat apareix com una mostra del que la velocitat del model fa possible, no com un producte de consum consolidat. Aquest matís importa. La distància entre una demo convincent i una adopció massiva sol ser gran, especialment quan hi intervenen rendiment, seguretat, cost i expectatives d’usuari. Però també és cert que moltes de les categories de producte més influents de la IA recent van començar així: com demostracions que semblaven marginals i que van acabar reordenant les interfícies.
En el fons, la demostració de Gemini 3.1 Flash-Lite deixa una idea força clara. La següent gran batalla de la IA no es lliurarà només en qui produeix el millor text o el millor codi, sinó en qui aconsegueix que aquesta intel·ligència s’incorpori a l’experiència digital amb la mínima fricció possible. Quan la velocitat és suficient, la IA deixa de sentir-se com una consulta i comença a semblar part del mateix teixit de la navegació. I si això passa, la web pot deixar de ser només una cosa que visitem per convertir-se en una cosa que es compon davant nostre mentre pensem, cerquem i avancem.
