¿Dónde está Gemini 3.5 Pro? La ofensiva Gemini de Google: Cuando la velocidad se vuelve más importante que el ingenio

Más barato que brillante: el sorprendente cambio de estrategia de Google en Gemini

El nuevo plan de IA de Google: ¿Está la compañía abandonando la carrera por la IA más inteligente?

Google está cambiando drásticamente las reglas del juego en la carrera global de la IA. En lugar de librar una batalla aislada con competidores como OpenAI y Anthropic por el modelo insignia más inteligente —y, por lo tanto, el más caro—, el gigante tecnológico se centra en la eficiencia radical. Con su nueva familia de modelos, centrada en Gemini 3.6 Flash, el extremadamente eficiente Flash-Lite y el modelo Cyber, altamente especializado pero aún confidencial, una nueva métrica cobra protagonismo: la reducción de costes con la máxima practicidad. Si bien el tan esperado modelo insignia Gemini 3.5 Pro aún no está disponible, Google se está reposicionando como un proveedor fundamental e indispensable para la economía de agentes en rápido crecimiento. Pero, ¿qué significa este cambio estratégico para el futuro de la IA generativa? ¿Y por qué Google considera que su último modelo de seguridad es demasiado arriesgado para el público en general? El siguiente artículo analiza el camino pragmático de Google hacia la próxima generación de IA y examina su enorme impacto en las empresas y los desarrolladores.

¿Por qué Google prefiere lanzar tres modelos pequeños en lugar de cumplir una gran promesa?

La última estrategia de Google en la competencia entre los principales proveedores de IA sigue una tendencia que se está convirtiendo cada vez más en la norma del sector: en lugar de un único avance monolítico, la compañía ofrece una familia completa de modelos adaptados a diferentes casos de uso. Con Gemini 3.6 Flash, Gemini 3.5 Flash-Lite y Gemini 3.5 Flash Cyber, Google lanza la siguiente etapa evolutiva apenas unos meses después de presentar Gemini 3.5 Flash en mayo. Lo más destacable no reside tanto en la sustancia técnica de las innovaciones individuales, sino en el mensaje estratégico subyacente: Google ya no se posiciona principalmente como el proveedor del modelo más inteligente, sino como el proveedor del ecosistema de IA más eficiente económicamente.

La frugalidad como nuevo símbolo de estatus en la carrera de la IA

El principal atractivo de Gemini 3.6 Flash no reside en una mayor inteligencia, sino en la reducción de costes. Google anuncia una reducción aproximada del 17 % en el consumo de tokens en comparación con su predecesor, 3.5 Flash, según mediciones del Índice de Análisis Artificial. En algunos benchmarks, como DeepSWE, se afirma que el coste por token de salida generado disminuye hasta un 65 %. Al mismo tiempo, el precio nominal también se ha reducido: mientras que Gemini 3.5 Flash tenía un precio de 1,50 $ por millón de tokens de entrada y 9 $ por millón de tokens de salida, Gemini 3.6 Flash cuesta solo 7,50 $ por millón de tokens de salida, con costes de entrada sin cambios. Esta combinación de menor consumo y menor precio por unidad tiene un efecto claramente perceptible en los costes operativos de las empresas que implementan IA generativa a gran escala.

Este enfoque en la eficiencia no es casual, sino una expresión de la realidad económica que actualmente moldea toda la industria. Los modelos de lenguaje complejos generan costos computacionales con cada consulta, que se acumulan hasta alcanzar sumas considerables al gestionar millones o miles de millones de consultas diarias. Los proveedores de servicios en la nube y los operadores de plataformas que desean escalar sistemas de agentes que gestionan de forma independiente tareas de varias etapas deben reducir drásticamente el consumo de tokens por paso; de lo contrario, los beneficios económicos de dichos sistemas se verán absorbidos por los costos de infraestructura. Google aborda precisamente este problema ofreciendo un nuevo modelo que, según sus propias declaraciones, requiere menos procesos de pensamiento y llamadas a herramientas para completar flujos de trabajo de varias etapas.

Los avances tecnológicos van más allá de la mera cuestión del costo

Además de una mayor eficiencia, Gemini 3.6 Flash también muestra mejoras en los benchmarks de rendimiento clásicos. En tareas de programación, según la prueba DeepSWE, la tasa de éxito aumenta del 37 al 49 por ciento. En el ML Research Benchmark MLE Bench, el modelo mejora del 49,7 al 63,9 por ciento. El progreso también es evidente en tareas basadas en el conocimiento: la puntuación GDPval-AA sube de 1349 a 1421 puntos. Es particularmente destacable la mejora en la alfabetización informática, específicamente la capacidad de la IA para navegar de forma independiente por interfaces gráficas de usuario: la puntuación OSWorld-Verified aumenta del 78,4 al 83 por ciento. Además, la base de conocimiento del modelo se ha actualizado de enero de 2025 a marzo de 2026, una ventaja práctica significativa en el panorama tecnológico actual, que evoluciona rápidamente.

A pesar de estos avances, Gemini 3.6 Flash sigue posicionándose claramente como un modelo de gama media. En pruebas comparativas directas en plataformas como Arena.ai, se sitúa por detrás de modelos de gama alta como Claude Opus o el nuevo GPT 5.6-Sol. Esto no es una debilidad, sino una decisión de diseño deliberada: Google renuncia a la pretensión de ofrecer el modelo más potente del mercado y, en cambio, se centra en un segmento donde la velocidad, el coste y una calidad suficiente son más importantes que el máximo rendimiento teórico. Esta estrategia recuerda a la segmentación de mercado clásica en otros sectores tecnológicos, como el de los procesadores, donde los fabricantes ofrecen sistemáticamente productos de gama media eficientes para aplicaciones de consumo masivo junto con chips de alto rendimiento.

La nueva capa base para la economía de agentes

Con Gemini 3.5 Flash-Lite, Google persigue un objetivo de eficiencia aún más ambicioso. Este modelo está diseñado específicamente como la base para la creación y escalabilidad de agentes de IA: sistemas capaces de procesar tareas complejas de forma independiente en múltiples pasos sin necesidad de intervención humana en cada etapa. Supera significativamente a su predecesor, 3.1 Flash-Lite, en las pruebas de rendimiento tanto para tareas basadas en el conocimiento como para tareas de programación, mientras que los costes operativos se mantienen excepcionalmente bajos: 0,30 $ por millón de tokens de entrada y 2,50 $ por millón de tokens de salida. La flexibilidad del modelo es notable: según el caso de uso, puede configurarse para operar de forma especialmente rápida y rentable, o para depender en mayor medida de sus capacidades de razonamiento. Esto último resulta necesario cuando las tareas deben procesarse de forma colaborativa mediante varias subrutinas especializadas, conocidas como subagentes.

Esta decisión arquitectónica revela la dirección que está tomando toda la industria. Muchos analistas de mercado creen que el futuro de la IA no reside en modelos individuales cada vez más grandes, sino en sistemas interconectados de modelos más pequeños y especializados que, trabajando juntos, mapean procesos complejos. Un único cálculo complejo realizado por un modelo potente se reemplaza por numerosas consultas pequeñas y económicas a modelos optimizados que colaboran en paralelo o secuencialmente. Un modelo como Flash-Lite se adapta perfectamente a esta arquitectura, ya que reduce el coste por consulta de tal manera que un elevado número de consultas sigue siendo económicamente viable. El anuncio de que Flash-Lite también ofrecerá resultados de IA en la búsqueda web de Google subraya aún más el papel central que Google asigna a este modelo optimizado en el mercado masivo.

Una herramienta con dos caras: la ciberseguridad como campo de negocios

La tercera versión, Gemini 3.5 Flash Cyber, supone una importante expansión de la serie Flash hacia un ámbito altamente sensible. Este modelo ha sido entrenado específicamente para detectar y analizar vulnerabilidades de seguridad en el código de software y sugerir medidas correctivas. Esta especialización se basa en el ya eficiente Gemini 3.5 Flash, que se ha perfeccionado aún más mediante un entrenamiento específico para analizar grandes bases de código. En lugar de enviar una única consulta costosa a un modelo muy extenso, el agente de seguridad Codemender llama al modelo Cyber ​​optimizado varias veces para examinar en paralelo diferentes rutas de ejecución de un programa. Los resultados parciales individuales se consolidan posteriormente en un informe completo.

El rendimiento de este enfoque se puede apreciar en cifras concretas. En una prueba realizada con el complejo motor JavaScript V8, el modelo cibernético identificó 55 vulnerabilidades distintas y confirmadas, mientras que el modelo Flash general encontró solo 47 y Claude Opus 4.6 de Anthropic apenas 36. Diez de los problemas detectados fueron encontrados exclusivamente por el modelo cibernético especializado. En la prueba de rendimiento CyberGym, que evalúa agentes de IA frente a cientos de vulnerabilidades de software reales, el modelo, en combinación con múltiples ejecuciones, alcanza un nivel de rendimiento comparable al de modelos de seguridad significativamente más grandes y costosos de proveedores como Anthropic y OpenAI. En una prueba interna realizada por el equipo de seguridad en la nube de Google, el modelo descubrió varias vulnerabilidades críticas en sistemas de producción en tan solo dos horas, incluyendo una vulnerabilidad de corrupción de memoria para la cual también generó un exploit funcional que eludía mecanismos de protección comunes como la aleatorización del espacio de direcciones.

Esta enorme capacidad para identificar vulnerabilidades en el código es también el mayor riesgo del modelo. Google reconoce abiertamente la naturaleza de doble uso de la tecnología: la misma capacidad que permite a los defensores corregir vulnerabilidades podría ser utilizada por los atacantes para explotar esas mismas brechas antes de que se parcheen. Por este motivo, Google ha decidido no hacer público el modelo por el momento, sino compartirlo exclusivamente a través de su propia herramienta de seguridad, Codemender, como parte de un programa piloto estrictamente controlado con gobiernos y socios selectos de confianza. No se ha establecido un calendario concreto para ampliar el acceso. Esta reticencia refleja una creciente conciencia en el sector de que los sistemas de IA altamente especializados en el campo de la seguridad no pueden lanzarse bajo las mismas reglas que las aplicaciones de chatbot generales.

Una nueva dimensión de la transformación digital con 'IA Gestionada' (Inteligencia Artificial) – Plataforma y solución B2B | Xpert Consulting - Imagen: Xpert.Digital

Aquí aprenderá cómo su empresa puede implementar soluciones de IA personalizadas de forma rápida, segura y sin grandes barreras de entrada.

Una plataforma de IA gestionada es su solución integral y sin preocupaciones para la inteligencia artificial. En lugar de lidiar con tecnología compleja, infraestructura costosa y largos procesos de desarrollo, recibirá una solución lista para usar y adaptada a sus necesidades de un socio especializado, a menudo en tan solo unos días.

Las principales ventajas de un vistazo:

⚡ Implementación rápida: De la idea a la aplicación lista para usar en días, no meses. Ofrecemos soluciones prácticas que generan valor añadido inmediato.

🔒 Máxima seguridad de datos: Tus datos confidenciales permanecen contigo. Garantizamos un procesamiento seguro y conforme a la normativa sin compartirlos con terceros.

💸 Sin riesgo financiero: Solo pagas por resultados. Se eliminan por completo las altas inversiones iniciales en hardware, software y personal.

🎯 Concéntrese en su negocio principal: Concéntrese en lo que mejor sabe hacer. Nos encargamos de toda la implementación técnica, la operación y el mantenimiento de su solución de IA.

📈 A prueba de futuro y escalable: Tu IA crece contigo. Garantizamos la optimización y la escalabilidad continuas, y adaptamos los modelos con flexibilidad a las nuevas necesidades.

Más información aquí:

• La solución de IA gestionada - Servicios de IA industrial: la clave para la competitividad en los sectores de servicios, industria e ingeniería mecánica

El misterio que rodea al modelo insignia desaparecido

Lo más llamativo de todo el anuncio es lo que falta: se esperaba que el Gemini 3.5 Pro, el modelo más potente de la generación actual, se presentara en Google I/O en mayo y desde entonces no ha aparecido. Google simplemente explica que la nueva versión se está probando con socios seleccionados y que estará disponible tras la finalización satisfactoria de dichas pruebas. La compañía aún no ha dado una fecha de lanzamiento específica, pero recalca que la espera no debería ser mucho más larga. Desde la perspectiva de varios observadores del sector, este retraso reiterado sugiere que la versión Pro aún no ha alcanzado los resultados deseados internamente en tareas complejas de programación y razonamiento, razón por la cual Google aparentemente prefiere esperar en lugar de lanzar un producto que no cumpla con sus propios estándares de calidad ni con las expectativas de sus competidores.

Esta reticencia arroja luz sobre la dinámica competitiva entre los principales proveedores de IA. Mientras que OpenAI y Anthropic lanzan nuevos modelos de gama alta en rápida sucesión, Google se centra actualmente en los segmentos de rendimiento de gama media y básica. Esto puede interpretarse como una señal de cautela, pero también como un astuto posicionamiento en el mercado: en lugar de presentar un modelo insignia potencialmente aún en desarrollo, Google asegura su cuota de mercado con modelos asequibles, rápidos y prácticos que ya cubren de forma fiable la gran mayoría de las aplicaciones empresariales cotidianas. Para muchos casos de uso empresarial, como el procesamiento de documentos, la elaboración de informes o las tareas de programación sencillas, el rendimiento máximo absoluto de un modelo es secundario, siempre que la velocidad y el coste sean adecuados.

Disponibilidad e integración en el ecosistema existente

La adopción práctica de los nuevos modelos es sorprendentemente rápida y generalizada. Gemini 3.6 Flash y Gemini 3.5 Flash-Lite ya están disponibles en Google AI Studio, Android Studio y la plataforma Gemini Enterprise Agent. Además, 3.6 Flash se ha integrado en el entorno de desarrollo Antigravity y la aplicación Gemini Enterprise, mientras que ambos modelos también están disponibles en la aplicación Gemini para usuarios finales. Cabe destacar el anuncio de que Flash-Lite pronto también ofrecerá los resultados generados por IA de las búsquedas web de Google, lo que, dado el enorme volumen de consultas de este buscador, subraya la importancia de un modelo rentable para Google en una dimensión completamente nueva. La rápida adopción también es evidente fuera del ecosistema de Google: Gemini 3.6 Flash se integró en GitHub Copilot el mismo día de su anuncio, lo que pone de manifiesto la creciente integración de los principales proveedores de IA con las herramientas de desarrollo ya establecidas.

Esta integración amplia y simultánea en diversas líneas de productos demuestra el enfoque sistemático de Google para implementar sin problemas nuevas generaciones de modelos en todo su portafolio de productos. A diferencia de los cambios de modelo anteriores, que a menudo implicaban notables lapsos entre el anuncio y la disponibilidad real en diversas aplicaciones, esta implementación parece ser un proceso meticulosamente orquestado. Esto sugiere una infraestructura interna madura que permite el despliegue casi simultáneo de un nuevo modelo en todos los puntos de contacto con desarrolladores y usuarios finales.

De cara al futuro: El anuncio de Gemini 4

Además de los tres lanzamientos de modelos específicos, el anuncio de Google también incluye un adelanto de la próxima generación. La compañía confirma que el preentrenamiento, la fase inicial fundamental para Gemini 4, ya ha comenzado. Google no proporciona detalles técnicos específicos sobre la arquitectura, el tamaño o las capacidades previstas del próximo modelo a gran escala, pero destaca su entusiasmo por el progreso alcanzado hasta el momento. Esta ambigüedad deliberada en la redacción es típica de la estrategia de comunicación de los grandes laboratorios de IA, que, por un lado, generan expectativas, pero, por otro, evitan hacer promesas verificables que podrían resultar prematuras.

Considerando el ciclo de lanzamientos de los últimos años, en el que Google suele presentar nuevos modelos base en su conferencia para desarrolladores I/O en primavera y luego importantes saltos generacionales en otoño o invierno, un lanzamiento de Gemini 4 hacia finales de este año parece plausible. Para las empresas que planifican su estrategia de IA a largo plazo, esto significa que quienes invierten hoy en la familia Flash lo hacen conscientes de que una nueva base tecnológica podría llegar en tan solo unos meses, lo que a su vez requeriría nuevas decisiones de migración. Esta corta vida útil de las generaciones de modelos de IA plantea a los departamentos de TI y a los arquitectos de software el desafío constante de diseñar sus sistemas de manera que un cambio en los modelos subyacentes pueda implementarse de la forma más fluida posible.

Contexto: Lo que revela esta estrategia modelo sobre la posición de mercado de Google

En general, el reciente anuncio demuestra que la competencia entre las empresas líderes en IA se está dividiendo cada vez más en dos dimensiones paralelas. Por un lado, está la carrera por el modelo más inteligente y potente, un campo en el que Anthropic y OpenAI dominan actualmente los titulares con sus productos estrella, y en el que Google se está quedando visiblemente rezagado con su versión Pro, que se ha retrasado. Por otro lado, está surgiendo un segundo campo de batalla, potencialmente más significativo desde el punto de vista económico: la competencia por la infraestructura más eficiente, rentable y escalable para el despliegue masivo y cotidiano de la IA en empresas, motores de búsqueda y sistemas de agentes. En este segundo ámbito, Google se está posicionando de forma deliberada y constante a la vanguardia con su familia de productos Flash.

Esta estrategia dual es económicamente sólida. Para la gran mayoría de las aplicaciones prácticas en las empresas, desde el procesamiento automatizado de documentos y los chatbots de atención al cliente hasta tareas de programación sencillas, la inteligencia artificial de primer nivel de un modelo no es el factor decisivo, sino el equilibrio entre coste, velocidad y calidad suficiente. Los proveedores de servicios en la nube que procesan millones de solicitudes al día se benefician más de una reducción porcentual de dos dígitos en los costes de los tokens que de una mejora marginal en las capacidades de razonamiento de un costoso modelo de gama alta. Google parece estar plasmando esta idea de forma consistente en su estrategia de producto, enviando simultáneamente un mensaje a desarrolladores y clientes empresariales: cualquiera que desee crear agentes de IA escalables o integraciones de búsqueda rentables hoy encontrará una base sólida y económicamente viable en la familia Flash, independientemente de cuándo se lance finalmente el modelo Pro.

Al mismo tiempo, la introducción del modelo cibernético especializado revela una nueva faceta del panorama competitivo de la IA que va más allá de las meras consideraciones de eficiencia: el uso cada vez mayor de la IA como herramienta activa en ciberseguridad, con todas las oportunidades que esto conlleva para los defensores y los riesgos que implica en caso de mal uso. El lanzamiento controlado y gradual de este modelo demuestra que Google es consciente de su responsabilidad social al lanzar herramientas de seguridad particularmente potentes y está dispuesto a limitar su alcance comercial, al menos temporalmente, en aras de la seguridad. Es probable que la evolución futura de este equilibrio entre la amplia disponibilidad y el acceso controlado se convierta en uno de los aspectos más interesantes a observar, a medida que los modelos de IA adquieran una mayor capacidad para analizar y manipular de forma independiente sistemas técnicos complejos.

☑️ Nuestro idioma comercial es el inglés o el alemán

☑️ NUEVO: ¡Correspondencia en tu idioma nativo!

Konrad Wolfenstein

Mi equipo y yo estaremos encantados de estar disponibles para usted como su asesor personal.

Puedes contactarme rellenando el formulario de contacto aquí [email protected]:o simplemente llamándome al +49 7348 4088 965. Mi dirección de correo electrónico es

Espero con ilusión nuestro proyecto conjunto.

☑️ Apoyo a las PYMES en estrategia, consultoría, planificación e implementación

☑️ Creación o realineamiento de la estrategia digital y digitalización

☑️ Ampliación y optimización de procesos de ventas internacionales

☑️ Plataformas comerciales B2B globales y digitales

☑️ Desarrollo de negocios pioneros / Marketing / Relaciones públicas / Ferias comerciales

La solución casi interna: Cómo Xpert.Digital cierra las brechas operativas en el marketing y las ventas B2B – Negocios inteligentes basados ​​en contenido - Imagen: Xpert.Digital

Xpert.Digital es un centro industrial B2B basado en datos, dirigido por Konrad Wolfenstein . La empresa actúa como una solución externa, casi interna, para socios industriales, cubriendo las brechas operativas en marketing, contenido y ventas, sin requerir recursos adicionales por parte del cliente.

Más información aquí:

• La solución casi interna: Cómo Xpert.Digital cierra las brechas operativas en el marketing y las ventas B2B – Smart Content-Driven Business