Actualización agéntica de NotebookLM 2.0: todo lo que cambió en junio de 2026

La mayor actualización de NotebookLM hasta ahora

El 8 de junio de 2026, Google lanzó fácilmente la mayor versión de NotebookLM desde que se estrenó el producto. Conocida internamente como la "actualización agéntica 2.0", convierte a NotebookLM de un lector de investigación inteligente en un agente de investigación activo, capaz de ejecutar código, buscar en la web abierta, descubrir sus propias fuentes y exportar archivos pulidos y editables en casi todos los formatos que usa un oficinista.

Si solo has pensado en NotebookLM como "eso que hace pódcasts con IA", esta actualización es tu señal para mirar de nuevo. A continuación tienes un desglose completo de todo lo que cambió, por qué importa y —dado que este es un sitio de eliminación de marcas de agua— qué significan todos estos nuevos y brillantes formatos de exportación para cualquiera que quiera archivos limpios y profesionales.

1. Gemini 3.5 y el framework Antigravity

En el núcleo de la actualización hay un nuevo modelo, Gemini 3.5, ejecutándose sobre el framework de agentes Antigravity de Google. Antigravity es la capa de orquestación que permite al modelo planificar tareas de varios pasos, invocar herramientas, ejecutar código y verificar su propio trabajo en lugar de responder de una sola pasada.

En la práctica, esta es la diferencia entre pedirle un libro a un bibliotecario y pedirle a un asistente de investigación que lea seis libros, haga los cálculos y vuelva con un informe escrito. NotebookLM ya no solo recupera y resume: razona sobre una tarea, la divide en pasos y usa herramientas para completar cada uno. Cada capacidad de abajo se construye sobre esta base.

2. Cada cuaderno obtiene un ordenador seguro en la nube

Esta es la función estrella. Cada cuaderno ahora viene con su propio ordenador en la nube aislado (sandbox) capaz de ejecutar código. Pídele a NotebookLM que analice las cifras de un documento fuente y, en lugar de adivinar las matemáticas como solían hacer los modelos de lenguaje, escribe y ejecuta Python real, y luego devuelve resultados verificados.

Lo que esto desbloquea:

• Análisis de datos real: analizar una hoja de cálculo, calcular estadísticas, ejecutar correlaciones y generar gráficos a partir de tus datos reales.
• Cálculos precisos: se acabó la aritmética alucinada; el ordenador hace las matemáticas.
• Transformación de datos: limpiar, reestructurar, filtrar y pivotar conjuntos de datos antes de convertirlos en resultados.
• Visualizaciones: generar gráficas y diagramas directamente a partir de los datos fuente.

El sandbox está aislado y es efímero, por lo que es seguro por diseño: el código se ejecuta en un entorno desechable, no en tu máquina ni contra tu cuenta de Google.

3. Modo de investigación desde cero

Hasta esta actualización, NotebookLM solo podía trabajar con las fuentes que tú subías. Esa era su restricción definitoria —y su fortaleza definitoria (sin alucinaciones fuera del conjunto de fuentes)—. La actualización 2.0 añade un modo de investigación desde cero opcional que le da la vuelta a esto.

Dale a NotebookLM un tema en lugar de un documento y hará lo siguiente:

• Buscar en la web abierta material relevante y de alta calidad.
• Descubrir y proponer fuentes: artículos, papers y páginas que no sabías que existían.
• Reunir un conjunto de fuentes para ti, que luego puedes curar antes de que genere nada.

Y lo crucial: sigues teniendo el control. El modelo propone fuentes y tú las apruebas. Esto conserva la ventaja del anclaje (todo se remonta a una fuente real y visible) mientras elimina el problema del arranque en frío del "cuaderno vacío". Es el mayor cambio en cómo empiezas un proyecto de investigación en NotebookLM.

4. Formatos de exportación enormemente ampliados

Aquí es donde la actualización se vuelve directamente relevante para este sitio. NotebookLM solía exportar un puñado de formatos: sobre todo diapositivas en PDF, audio y vídeo. La actualización 2.0 amplía drásticamente el menú de exportación, y buena parte ahora es totalmente editable:

• PPTX editable: archivos reales de PowerPoint con cuadros de texto y formas movibles, no PDFs aplanados.
• Hojas de cálculo XLSX: salida de datos estructurados directamente a Excel/Sheets.
• Documentos DOCX: documentos de Word editables para informes y redacciones.
• Archivos CSV: datos estructurados en bruto para importar en cualquier herramienta.
• Gráficos y visualizaciones: generados a partir del sandbox de ejecución de código descrito arriba.

El salto de "solo PDF" a PPTX editable en particular cierra una de las carencias más criticadas de NotebookLM. Escribimos sobre esa misma frustración en nuestra guía de limitaciones de NotebookLM, y esta actualización lo soluciona en el origen.

5. Más de 100 skills de software curados

Aprovechando el sandbox de ejecución de código, Google añadió una biblioteca de más de 100 "skills" curados: capacidades prediseñadas que el agente puede invocar para tareas comunes. Piensa en formato de documentos, limpieza de datos, estilizado de gráficos, rutinas estadísticas y conversiones de archivos, todo empaquetado para que el modelo eche mano de la herramienta correcta de forma fiable en lugar de improvisar.

Para los usuarios, esto significa resultados más consistentes y de aspecto profesional. No necesitas saber que una tarea requiere una biblioteca o técnica en particular; el skill se encarga y NotebookLM elige el adecuado para el trabajo.

6. Razonamiento transparente en cadena de pensamiento

Con agentes realizando trabajo de varios pasos, la confianza se vuelve una preocupación real: necesitas ver cómo se llegó a una conclusión. La actualización expone el razonamiento transparente en cadena de pensamiento: puedes observar cómo NotebookLM planifica su enfoque, ver qué fuentes consultó y seguir los pasos que dio para llegar a una respuesta.

Esto no es solo un detalle. Para estudiantes, investigadores y cualquiera que produzca un trabajo del que deba responder, poder auditar la ruta del razonamiento —y citar las fuentes exactas detrás de cada afirmación— es lo que hace que una herramienta de IA sea utilizable en contextos serios.

7. La trampa: las exportaciones sin marca de agua siguen necesitando Ultra

Con todo este nuevo poder, una cosa no cambió: las exportaciones de los planes gratuito y Plus siguen llevando una marca de agua "Made with NotebookLM". Eliminarla oficialmente sigue requiriendo NotebookLM Ultra, que ocupa la cima de la escalera de precios de Google. Si estás sopesando si vale la pena, nuestra comparativa Gratis vs Plus vs Ultra desglosa exactamente qué obtienes con cada nivel.

Así que la actualización hace a NotebookLM muchísimo más capaz, pero la palanca de monetización se mantiene firmemente en su sitio. Más formatos, misma política de marca de agua.

Qué significa esto para la eliminación de marcas de agua

Esta es la conclusión práctica. Antes de esta actualización, las marcas de agua de NotebookLM aparecían en un conjunto limitado de salidas: sobre todo diapositivas en PDF, vídeos e infografías. Ahora la superficie ha explotado:

• Presentaciones PPTX editables: con marca de agua.
• Informes DOCX: con marca de agua.
• Exportaciones de datos XLSX y CSV: con marca de agua (o branding adyacente a la marca de agua).
• Gráficos y visualizaciones generados: con marca de agua.
• Vídeos, PDFs, infografías, audio: siguen con marca de agua, como antes.

Más formatos de exportación significa más marcas de agua, lo que significa más gente necesitando una forma limpia de eliminarlas. Un estudiante exportando una guía de estudio en DOCX, un consultor montando una presentación PPTX, un analista extrayendo un conjunto de datos XLSX: todos ellos chocan ahora con el mismo impuesto "Made with NotebookLM" en entregables profesionales.

Para eso es exactamente nuestra herramienta. Funciona completamente en tu navegador —los archivos nunca tocan un servidor— y gestiona cada formato de exportación de NotebookLM: vídeo (delogo con FFmpeg WASM), PDF y diapositivas (detección por componentes conexos más relleno degradado), PPTX (desempaquetar, limpiar, reempaquetar), infografías e imágenes de Gemini (reversión sin pérdidas del canal alfa). A medida que Google siga ampliando el menú de exportación, un eliminador gratuito, privado y agnóstico al formato solo se vuelve más útil.

La conclusión

La actualización agéntica del 8 de junio de 2026 es un salto genuino. NotebookLM pasó de ser un lector de investigación pasivo a un agente activo que ejecuta código, investiga desde cero y exporta archivos editables en casi todos los formatos de oficina, todo impulsado por Gemini 3.5 y el framework Antigravity, con un razonamiento transparente que realmente puedes auditar.

Es una herramienta más potente por cualquier medida. Pero la marca de agua en las exportaciones gratuitas y Plus sigue ahí, ahora repartida por muchos más formatos que antes. Si estás produciendo cualquier cosa profesional, el último paso de tu flujo de trabajo es el mismo de siempre: limpiar la exportación. La diferencia es que lo harás mucho más a menudo.

Preguntas frecuentes

¿Las nuevas exportaciones PPTX, DOCX y XLSX llevan marcas de agua?

Sí. En los planes gratuito y Plus, los formatos de exportación ampliados llevan el mismo branding de marca de agua "Made with NotebookLM" que las antiguas exportaciones de PDF y vídeo. Solo NotebookLM Ultra la elimina oficialmente, o puedes quitarla gratis con una herramienta basada en el navegador tras exportar.

¿La actualización agéntica cambia cómo funciona la eliminación de marcas de agua?

No fundamentalmente. La marca de agua sigue aplicándose al archivo exportado, así que aún se puede eliminar tras la exportación. El cambio principal es que ahora hay más tipos de archivo que limpiar —PPTX editable, DOCX, XLSX, CSV y gráficos— además de los formatos existentes de vídeo, PDF, diapositivas e infografía. Un eliminador agnóstico al formato los gestiona todos.

¿Se puede confiar en el modo de investigación desde cero para la precisión?

Es más auditable que la típica búsqueda web con IA porque NotebookLM propone fuentes para que las apruebes y muestra su razonamiento en cadena de pensamiento, de modo que cada afirmación se remonta a una fuente visible. Aun así, trata las fuentes descubiertas por la IA como tratarías cualquier resultado de búsqueda: revísalas antes de generar salidas finales, especialmente para trabajo académico o profesional.