Gemini 3.6 Flash impulsa agentes de IA más rápidos y eficientes
Google continúa reforzando su estrategia en inteligencia artificial con una nueva generación de modelos Flash orientados a aplicaciones empresariales y agentes autónomos. La compañía asegura que los nuevos desarrollos responden a la creciente demanda de modelos capaces de ofrecer mayor rendimiento con un menor consumo de recursos, reduciendo tanto el número de tokens utilizados como los costes de ejecución.
Según explicó Tulsee Doshi, Senior Director de Product Management de Google, “los desarrolladores y clientes que crean agentes de IA para producción necesitan una mayor eficiencia en el uso de tokens, menor latencia y un rendimiento más fiable”. La directiva añade que la familia Flash está diseñada para situarse “en el punto óptimo entre eficiencia y calidad” para facilitar el escalado de flujos de trabajo basados en IA agéntica.
Gemini 3.6 Flash reduce el consumo de tokens de salida respecto a la generación anterior, mejorando la eficiencia y disminuyendo los costes de ejecución.
Gemini 3.6 Flash mejora el rendimiento y reduce los costes
La principal novedad es Gemini 3.6 Flash, el nuevo modelo de propósito general de Google para tareas de programación, razonamiento, trabajo con conocimiento y aplicaciones multimodales. Según datos de la compañía, reduce en un 17% el consumo de tokens de salida respecto a Gemini 3.5 Flash, mientras que en determinadas pruebas de desarrollo de software, como DeepSWE, la reducción alcanza hasta el 65%. Estas mejoras permiten disminuir tanto el número de pasos de razonamiento como las llamadas a herramientas necesarias para completar tareas complejas.
Además de aumentar la eficiencia, Google también ha reducido el precio del modelo hasta los 1,50 dólares por millón de tokens de entrada y 7,50 dólares por millón de tokens de salida, con el objetivo de disminuir el coste total de las aplicaciones basadas en agentes inteligentes. La empresa afirma igualmente que Gemini 3.6 Flash incorpora protecciones reforzadas frente a usos maliciosos relacionados con amenazas químicas, biológicas, radiológicas, nucleares y ciberataques, mejorando su resistencia frente a intentos de evasión de las medidas de seguridad.
Por su parte, Gemini 3.5 Flash-Lite se convierte en el modelo más rápido y económico de la serie 3.5. Google indica que alcanza una velocidad de generación de 350 tokens por segundo y ha sido optimizado para cargas de trabajo de gran volumen, como búsquedas mediante agentes, procesamiento documental o automatización empresarial. El modelo incorpora además funciones integradas de uso del ordenador para facilitar tareas agénticas complejas y ofrece mejoras significativas respecto a generaciones anteriores en programación y gestión de contextos largos.
La tercera incorporación es Gemini 3.5 Flash Cyber, una versión especializada en ciberseguridad desarrollada sobre Gemini 3.5 Flash y optimizada para detectar, validar y corregir vulnerabilidades de software. Integrado con el agente de seguridad CodeMender, el sistema utiliza varios agentes colaborativos para localizar fallos de seguridad de forma eficiente y a un coste inferior al de modelos de mayor tamaño. Debido al potencial de doble uso de esta tecnología, Google ha limitado inicialmente su disponibilidad a gobiernos y socios de confianza mediante un programa piloto de acceso restringido.
Los nuevos modelos ya están disponibles para desarrolladores a través de Google AI Studio y la API de Gemini, así como para clientes empresariales mediante la plataforma Gemini Enterprise. Google también ha confirmado que Gemini 3.5 Pro continúa siendo evaluado por socios antes de su lanzamiento general y que ya ha comenzado el mayor entrenamiento previo realizado hasta la fecha para el desarrollo de Gemini 4.
Asimismo, Google destaca que las mejoras en eficiencia no han supuesto una pérdida de rendimiento. Al contrario, Gemini 3.6 Flash supera a Gemini 3.5 Flash en múltiples escenarios de uso. En programación, alcanza un 49% en la prueba DeepSWE, frente al 37% de su predecesor, reduciendo las modificaciones innecesarias del código y los ciclos de ejecución. En investigación sobre aprendizaje automático mejora hasta el 63,9% en el benchmark MLE Bench, frente al 49,7% obtenido por Gemini 3.5 Flash.
El nuevo modelo también incrementa sus capacidades para interactuar con ordenadores. En la prueba OSWorld-Verified alcanza una puntuación del 83%, frente al 78,4% de la versión anterior. Esta funcionalidad de control del ordenador pasa además a estar disponible como una herramienta integrada en el lado del cliente tanto en la API de Gemini como en Gemini Enterprise.
En tareas de análisis y gestión del conocimiento, Gemini 3.6 Flash también mejora los resultados de la generación anterior. En el benchmark GDPval-AA v2 obtiene una puntuación de 1.421 puntos, frente a los 1.349 de Gemini 3.5 Flash. Google señala que empresas como Hebbia y Harvey ya han comprobado su capacidad para abordar tareas multimodales complejas, como el análisis de documentos, gráficos y datos, así como la elaboración de informes, combinando mayor precisión con un menor consumo de recursos.
