Lanza Gemini 3: Sin Instalación, Sin Cuenta Requerida

No necesitas un proyecto de Google Cloud. No necesitas claves API. Ni siquiera necesitas iniciar sesión, a menos que quieras historial persistente o memoria personalizada. Gemini 3 está predesplegado y listo en la interfaz de MidassAI. Esta guía te lleva a lanzar tu primer chat real — con contexto funcional, razonamiento multi-turno e invocación nativa de herramientas — en menos de cinco minutos. Cada paso usa el entorno de producción en vivo (v3.1.2 a junio de 2024), no un sandbox o demo.

Paso 1: Abre la Interfaz (0:00–0:25)

Ve a https://app.midassai.com. Si eres nuevo, omite el registro: haz clic en "Continue as Guest". Aterrizas directamente en la interfaz de chat con Gemini 3 preseleccionado como modelo activo (revisa el desplegable del selector de modelo en la esquina superior derecha — debería decir gemini-3-pro o gemini-3-flash, según tu región y tier de cuota).

⚠️ Error a evitar: No hagas clic en "Try Gemini 2" o "Switch to Claude". Esos modelos carecen del modo de salida estructurada de Gemini 3, validación de esquema JSON y enrutamiento de búsqueda web integrado. Confirma que el ID del modelo termine en -3.

Paso 2: Envía Tu Primer Prompt (0:26–1:40)

Escribe este prompt exacto — está diseñado para activar tres comportamientos clave de Gemini 3 a la vez:

List three underrated cities in Southeast Asia for digital nomads. For each, give: (1) average monthly rent for a 1BR apartment near coworking spaces, (2) reliable LTE/5G coverage score (1–10), and (3) one local cultural norm that surprises Western visitors. Format as valid JSON with keys "city", "rent_usd", "coverage_score", and "cultural_norm".

Presiona Enter. Gemini 3 responderá en ~1.8 segundos (latencia media en servidores EU). Verás:

Un bloque JSON limpio con sintaxis resaltada (no fence de código markdown — JSON ejecutable raw),
Una sutil insignia "✅ Verified schema" junto a la respuesta,
Y una etiqueta inline "🔍 Search used" — indicando que obtuvo datos de alquiler en tiempo real de Numbeo y métricas de cobertura de Opensignal.

Esto no está alucinado. Está fundamentado, tipado y trazable.

Paso 3: Habilita Seguimientos Conscientes del Contexto (1:41–3:10)

Haz clic en el botón "+ Add context" debajo del cuadro de input. Pega este fragmento:

I'm planning a 3-month rotation across these cities. My budget is $1,800/month total, including rent, food, and transport. Prioritize places where I can work reliably without tethering.

Ahora pregunta:

Re-rank the cities by fit for my budget and connectivity needs. Show net monthly surplus/deficit.

Gemini 3:

Recordará todas las entradas JSON previas (sin necesidad de volver a pegar),
Recalculará totales usando tipos de cambio en vivo (ej. IDR → USD vía API XE),
Generará una nueva lista rankeada con campos surplus_usd y deficit_usd — nuevamente, JSON estricto.

💡 Por qué funciona: Gemini 3 mantiene contexto tipado con estado a través de turnos — a diferencia de v2, que requería comandos /context explícitos o re-inyección manual de JSON.

Paso 4: Dispara una Llamada a Herramienta (3:11–4:20)

Escribe:

Compare flight prices from Berlin to each of those three cities for departures between July 10–15, 2024. Return only origin, destination, cheapest nonstop fare, and airline.

Gemini 3 invocará automáticamente su herramienta flight_search (integrada con la API Partner de Skyscanner). Verás:

Un spinner de carga etiquetado "Fetching live fares",
Luego una tabla dentro del chat — no un link, no un resumen — con precios en tiempo real, actualizados hourly.

Sin copiar-pegar. Sin cambiar pestañas. El resultado de la herramienta es parseado, normalizado e incrustado — listo para tu siguiente query como "Which option gives me the most workdays left in July?"

Paso 5: Exporta y Reusa Tu Sesión (4:21–5:00)

Haz clic en el menú ⋯ → "Export as JSON Schema". Obtendrás un archivo .json conteniendo:

Historial completo de conversación (con timestamps e IDs de modelo),
Todos los metadatos de llamada a herramienta (tool_used, api_version, latency_ms),
Y una definición de esquema reusable compatible con OpenAPI 3.1 para la estructura de respuesta.

Puedes conectar este esquema directamente en la validación zod de tu app Next.js o alimentarlo al JsonOutputParser de LangChain.

Puntos clave

Ideal paraDevelopers, product managers, and ops teams building AI-native workflows

Tiempo de valorUnder 5 minutes, zero config

Factor diferenciadorStateful JSON + live tool chaining in one turn

Para quién es esto

Ingenieros frontend desplegando features IA que necesitan outputs predecibles y tipados — no texto libre.
Product managers validando flujos de trabajo powered por LLM antes de comprometerse con integración backend.
Fundadores de startups ejecutando PoCs lean: si tu MVP requiere grounding, uso de herramientas y output estructurado, Gemini 3 reduce el tiempo de dev en ~70% vs. unir capas separadas de RAG + function-calling.

No es para usuarios que necesitan análisis de documentos de contexto largo (>128K tokens) — ese es el dominio de Gemini 3 Ultra. Y no es para despliegue offline; Gemini 3 requiere la capa de inferencia gestionada de MidassAI (que maneja rate limiting, enrutamiento de fallback y checks de compliance de esquema automáticamente).

Comienza a usar MidassAI

Qué Sigue

Una vez completados estos cinco minutos, tendrás una base funcional. Desde aquí, extiende con:

Slots de memoria personalizada: Adjunta preferencias de usuario ("prefers vegetarian options", "allergies: peanuts") a chats futuros,
Guardarraíles de prompt: Aplica políticas de seguridad (ej. "never suggest medical advice") vía directivas inline @policy,
Evaluación por lotes: Sube 50 prompts de test y compara la precisión de Gemini 3 vs. tu modelo legacy — con resaltado diff lado a lado.

Sin capa de abstracción. Sin configs YAML. Solo prompt → response → action. Esa es la promesa de Gemini 3 — y empieza ahora.

Inicio Rápido de Gemini 3: Tu Primer Chat en 5 Minutos