Olvida los números de versión: la IA más reciente de Google prioriza la eficiencia por encima de todo lo demás

Mientras el mundo tecnológico suele esperar el próximo gran salto en inteligencia, el último movimiento de Google sugiere que la industria se encuentra actualmente en un ciclo de perfeccionamiento. La empresa anunció recientemente Gemini 3.6 Flash y un modelo especializado en ciberseguridad, mientras admitía simultáneamente que su muy promocionado modelo 3.5 Pro sigue estancado en el laboratorio. Este patrón revela un cambio en la carrera armamentista de la IA. Durante meses, la narrativa se centró en qué máquina podía pensar más como un humano. Ahora, la prioridad es qué máquina puede pensar más como un becario barato e incansable.

La decisión de Google de retirar Gemini 3.5 Flash apenas unos meses después de su debut es inusual. Por lo general, las versiones de software duran al menos un año antes de ser reemplazadas. Sin embargo, 3.5 Flash no cumplió con las expectativas que Google estableció durante su conferencia I/O en mayo, particularmente en programación. El repentino giro hacia Gemini 3.6 Flash es una medida correctiva. Responde a la realidad de que los desarrolladores necesitan herramientas que funcionen de manera confiable hoy, en lugar de promesas sobre lo que podría funcionar el próximo año.

Las matemáticas invisibles de la nube

Para entender por qué importa un aumento de versión de 0.1, observe el coste de funcionamiento de estos sistemas. Los modelos de IA procesan la información en fragmentos llamados tokens. Cada vez que le pides a un chatbot que escriba un correo electrónico o un desarrollador le pide que corrija un error, consume estos tokens. Para una gran corporación, estos costes suman millones de dólares al mes. Aquí es donde la marca "Flash" justifica su existencia.

Gemini 3.6 Flash es aproximadamente un 17 por ciento más eficiente que su predecesor. En términos prácticos, esto significa que utiliza menos recursos computacionales para ofrecer la misma respuesta. Para el usuario medio, esto se traduce en tiempos de respuesta más rápidos en la aplicación Gemini. Para una empresa, significa una factura más baja. El precio de los tokens de salida ha bajado de 9 $ a 7,50 $ por millón. Aunque parezca un cambio pequeño, es una mejora significativa en el margen para las empresas que ejecutan miles de tareas automatizadas cada hora.

Mirando el panorama general, esta eficiencia permite lo que los ingenieros llaman flujos de trabajo agénticos (agentic workflows). Se trata de sistemas en los que la IA no solo responde a una pregunta, sino que realiza una serie de pasos para completar un trabajo, como reservar un vuelo u organizar una hoja de cálculo. Cada paso cuesta dinero. Al reducir el recuento de tokens por paso, Google hace que estos asistentes automatizados sean más viables para el mercado de masas.

Mejoras en programación y uso de la computadora

Google afirma que Gemini 3.6 Flash es un mejor programador. La empresa utiliza un punto de referencia llamado DeepSWE para medir qué tan bien puede una IA resolver problemas de software del mundo real. El modelo anterior obtuvo un 37 por ciento, mientras que la nueva versión 3.6 alcanzó el 49 por ciento. Este es un salto notable para una actualización de versión menor. Sugiere que Google está ajustando la forma en que el modelo entiende la lógica y la sintaxis sin necesidad de hacer el modelo más grande o más lento.

Otra adición es la inclusión estándar de funciones de "uso de computadora" en la API. Esto permite que la IA interactúe con una interfaz de computadora de forma muy similar a como lo haría un humano, moviendo cursores y haciendo clic en botones para navegar por las aplicaciones. La prueba OSWorld, que mide esta capacidad, experimentó un aumento del 78,4 por ciento al 83 por ciento. Si bien esto aún no es un reemplazo perfecto para un operador humano, es una señal de que la IA está mejorando en la navegación por el software desordenado y no optimizado que usamos todos los días.

Por qué tus resultados de búsqueda podrían sentirse diferentes

Junto con el lanzamiento de 3.6, Google presentó Gemini 3.5 Flash Lite. Este es el modelo más pequeño y rápido de su línea actual. Procesa 350 tokens por segundo, lo que es casi instantáneo para la mayoría de las tareas basadas en texto. Google ya está integrando este modelo en las "AI Overviews" (Resúmenes de IA) dentro de la Búsqueda de Google.

Para la persona promedio, este es el cambio más tangible. Cuando buscas "cómo arreglar un grifo que gotea" y ves un resumen generado por IA en la parte superior de la página, la velocidad es el factor más importante. Si el resumen tarda cinco segundos en cargarse, es probable que te lo saltes. Al usar el modelo Flash Lite, Google garantiza que esos resúmenes aparezcan casi tan rápido como los tradicionales enlaces azules. Este modelo es aproximadamente equivalente en potencia a los modelos de IA de primer nivel de hace un año, pero es lo suficientemente barato como para dar servicio a miles de millones de personas simultáneamente.

La bóveda de ciberseguridad

Uno de los lanzamientos más especializados es Gemini 3.5 Flash Cyber. Este modelo está ajustado específicamente para encontrar vulnerabilidades en el código de software y sugerir correcciones. Según las pruebas internas, funciona casi tan bien como modelos mucho más grandes como Claude Mythos, pero mantiene la velocidad de un sistema más pequeño. Sin embargo, no puedes descargarlo ni usarlo en la aplicación estándar de Gemini.

Google trata este modelo como una tecnología de "doble uso". En las manos equivocadas, una IA que es excelente para encontrar agujeros de seguridad es una herramienta poderosa para los hackers. Debido a este riesgo, Google mantiene el modelo bajo llave. Actualmente solo está disponible para socios de confianza y gobiernos a través de una herramienta llamada CodeMender. Este enfoque cauteloso refleja una tendencia creciente en la industria donde las herramientas especializadas más potentes se restringen para evitar una disrupción digital generalizada.

El buque insignia ausente y el camino hacia Gemini 4

La omisión más flagrante en este anuncio es Gemini 3.5 Pro. Google prometió originalmente que este modelo llegaría en junio para competir con pesos pesados como GPT 5.6 y Claude Fable. Ese plazo pasó sin un lanzamiento. La empresa afirma ahora que 3.5 Pro está en fase de pruebas con socios selectos y llegará "cuando esté listo". Los informes de la industria sugieren que el retraso se debe a la incapacidad del modelo para superar a sus competidores en tareas complejas de programación.

Incluso mientras Google lucha por terminar la generación 3.5, ya ha comenzado el preentrenamiento de Gemini 4. El preentrenamiento es la parte más costosa y lenta de la construcción de una IA. Implica alimentar al sistema con billones de puntos de datos de todo Internet para construir su conocimiento fundamental. Al anunciar Gemini 4 ahora, Google está señalando a los inversores que no se está quedando atrás, incluso si su calendario de lanzamientos actual es algo desordenado.

Comparación de la nueva línea Gemini

Qué significa esto para usted

Desde el punto de vista del consumidor, estas actualizaciones significan que la IA se está convirtiendo en una parte invisible de la infraestructura en lugar de un juguete nuevo y llamativo. Verá resúmenes de IA en sus resultados de búsqueda con más frecuencia porque ahora son más baratos y rápidos de proporcionar para Google. Si es desarrollador, sus costes acaban de bajar y sus herramientas automatizadas deberían cometer menos errores al escribir código.

En última instancia, el retraso del modelo "Pro" y las prisas por lanzar una versión "3.6" sugieren que la era de los avances masivos de la noche a la mañana se ha ralentizado. Ahora estamos en la era de la optimización. Las empresas tecnológicas ya no solo intentan construir el cerebro más inteligente del mundo. Intentan construir el más eficiente. Como usuario, debe prestar menos atención a los números de versión y más a cómo estas herramientas se integran en su flujo de trabajo diario. La IA más disruptiva no es la que pasa una prueba de Turing, sino la que es lo suficientemente rápida y barata como para usarla en cada búsqueda y correo electrónico.

Fuentes: Google DeepMind Technical Blog, OSWorld Benchmark Reports, DeepSWE Coding Performance Data.