Google lanzó hoy tres nuevos modelos de IA: Gemini 3.6 Flash, 3.5 Flash-Lite y 3.5 Flash Cyber. Esto no era lo que la mayoría de la gente esperaba.
Después de presentar Gemini 3.5 Flash en Google I/O 2026 en mayo y prometer una versión Pro en un mes, Google incumplió discretamente su propio plazo. Gemini 3.5 Pro se retuvo porque no alcanzó los objetivos internos, según Bloomberg, particularmente en tareas de codificación. Un intento a finales de junio para solucionarlo actualizando los datos de entrenamiento —los conjuntos de datos masivos de los que aprende un modelo— produjo resultados decepcionantes. Las acciones de Alphabet cayeron aproximadamente un 4.4% tras el informe, borrando una capitalización de mercado estimada en 200 mil millones de dólares en una sola sesión.
El último modelo de nivel Pro que Google lanzó fue el sucesor de Gemini 3, Gemini 3.1 Pro, en febrero.
La serie Flash es la línea de modelos de Google optimizados para la velocidad: rápidos, rentables y diseñados para agentes de IA, que son programas que operan de forma semi-autónoma para manejar tareas como la gestión de documentos, el procesamiento de flujos de datos o la navegación web sin que un humano haga clic en cada paso. Los modelos Pro son los 'pesos pesados': más lentos, más caros y diseñados para el razonamiento complejo, donde la potencia bruta importa más que la velocidad.
Gemini 3.6 Flash es el lanzamiento principal. Utiliza un 17% menos de tokens de salida —siendo los tokens la unidad básica que procesa la IA, aproximadamente tres cuartas partes de una palabra— que 3.5 Flash, según el Índice de Análisis Artificial. También es más barato: 1.50 dólares por millón de tokens de entrada y 7.50 dólares por millón de tokens de salida, frente a los 9 dólares por parte de salida de 3.5 Flash. Para las empresas que ejecutan agentes a escala, esa diferencia se acumula rápidamente.
En los benchmarks —pruebas estandarizadas que puntúan la IA por el porcentaje de tareas completadas correctamente— 3.6 Flash alcanzó el 49% en DeepSWE v1.1, que evalúa la ingeniería de software de largo alcance como la construcción y depuración de bases de código completas, frente al 37% de 3.5 Flash. En MLE-Bench, una prueba de ingeniería de aprendizaje automático, obtuvo un 63.9% frente al 49.7%. Encabezó la tabla en OSWorld-Verified —una prueba donde la IA toma el control de una pantalla de ordenador para completar tareas reales— con un 83.0%, por delante de Claude Sonnet 5 (81.2%) y GPT-5.6 Luna (72.6%).
Los rivales en la misma categoría aún lideran en otros aspectos: GPT-5.6 Luna obtiene un 67% en DeepSWE y un 84.7% en Terminal-Bench 2.1, que evalúa la codificación de terminales agéntica. Claude Sonnet 5 encabeza el trabajo de conocimiento en GDPval-AA v2 —un benchmark puntuado en una escala de Elo como el ajedrez, donde números más altos significan un mejor rendimiento en tareas del mundo real— con 1607 frente a los 1421 de 3.6 Flash.
Probamos el modelo para codificar y los resultados fueron… por lo menos decepcionantes.
Nuestra simple prueba de codificación resultó en un archivo inutilizable. El HTML no estaba correctamente formateado y los elementos no se renderizaron bien. Los intentos posteriores de 'vibe code' una forma de resolver los problemas no tuvieron éxito.
Le pedimos a Deepseek que convirtiera el primer modelo en algo jugable simplemente corrigiendo los errores. Identificó 11 errores e implementó 8 correcciones clave, lo que resultó en un juego decente.
Los pequeños ajustes de Deepseek arreglaron el juego, lo que significa que el pensamiento central de Gemini era correcto, pero los detalles e imprecisiones hicieron que el resultado fuera inútil. Prepárese para largas sesiones de 'vibe coding' con un modelo barato pero de bajo rendimiento si pretende usar el modelo para eso.
El segundo modelo lanzado por Google, Gemini 3.5 Flash-Lite, está diseñado puramente para el volumen: 350 tokens de salida por segundo a 0.30 dólares por millón de entrada y 2.50 dólares por millón de salida. Está dirigido a pipelines de alto rendimiento —piense en el procesamiento de documentos a gran escala o sistemas de búsqueda agénticos— y supera al antiguo 3 Flash en tareas clave de codificación, incluyendo Terminal-Bench 2.1 (54% frente a 31%), a pesar de ser significativamente más barato.
También podría ser un gran 'compactador de sesiones' (analizando sesiones largas y extrayendo los elementos clave para que su agente no colapse con el ruido) para aquellos que dependen de Hermes y Openclaw.
El tercer modelo, Gemini 3.5 Flash Cyber, no estará disponible públicamente. Google lo restringe a gobiernos y socios verificados que necesitan encontrar y corregir vulnerabilidades de software, una capacidad de doble uso que la compañía no se siente cómoda liberando ampliamente.
Mientras tanto, el equipo de DeepMind de Google ya está avanzando. Google confirmó en el anuncio oficial que ha iniciado "nuestro proceso de pre-entrenamiento más ambicioso hasta la fecha, para Gemini 4", y el equipo ya lo está promocionando con entusiasmo.
El pre-entrenamiento es la fase fundamental donde un modelo aprende de conjuntos de datos masivos antes de que comience el ajuste fino específico de la tarea, lo que significa que Gemini 4 se está construyendo, no solo planificando.
Hemos iniciado nuestro proceso de pre-entrenamiento más ambicioso hasta la fecha, para Gemini 4, y estamos entusiasmados con el progreso : )
— Logan Kilpatrick (@OfficialLoganK) 21 de julio de 2026
Tanto 3.6 Flash como 3.5 Flash-Lite están disponibles hoy en la aplicación Gemini, Google AI Studio y a través de la API. Gemini 3.5 Pro se lanzará, según Google, "tan pronto como esté listo", sea cuando sea.
