Google lanza Gemini 3.7 Flash: más potencia para programación y agentes a mitad de precio
Publicado el 22 de agosto de 2026 por Sergio Jiménez Mazure en Inteligencia Artificial.
Google vuelve a mover el tablero: Gemini 3.7 Flash llega tres semanas después del anterior
Hace poco más de un mes que Google presentó la familia Gemini 3.x Flash y ya tenemos versión nueva sobre la mesa. Gemini 3.7 Flash se ha anunciado solo tres semanas después de su predecesor, el 3.6 Flash, y la lectura rápida podría ser que Google está disparando modelos como quien dispara confeti. Pero si te quedas en esa primera impresión, te pierdes lo interesante: el ritmo de lanzamiento es, en sí mismo, el mensaje. La carrera ya no se mide en modelos monumentales presentados en keynote anual. Se mide en iteraciones rápidas, baratas y muy enfocadas, y quien no corra a ese ritmo se queda fuera de las conversaciones.
En este caso, el foco está clarísimo: programación y agentes autónomos. Según los datos publicados por la compañía, el modelo mejora en resolución de incidencias de software, depuración de código y generación de interfaces web a partir de indicaciones o diseños de referencia. Y hay un aspecto que a los desarrolladores les va a interesar especialmente: la reducción de errores en tareas compuestas por varios pasos, que es justo donde vivían los problemas los agentes de IA cuando encadenan herramientas y procesos sin supervisión humana constante. Si le pides a un agente que consulte una API, procese el resultado, actualice una hoja de cálculo y avise por correo, cada salto entre pasos es una oportunidad para equivocarse. Reducir esa tasa de fallo vale tanto como subir el techo de inteligencia del modelo.
Qué ofrece exactamente Gemini 3.7 Flash
Vamos con los números, que al final son los que hablan. En benchmarks de programación, el modelo presenta un 43,6% en FrontierCode, un 65,3% en DeepSWE y un Elo de 1588 en Code Arena. No soy partidario de convertir los benchmarks en religión, porque al final es tu proyecto concreto el que dicta sentencia, pero sí son útiles para situar un modelo antes de invertir horas en probarlo. Y estos números colocan a Gemini 3.7 Flash en territorio competitivo dentro de la gama media-alta de modelos para código, con un matiz importante que conviene subrayar: Google ha optado por competir en equilibrio. Capacidad razonable, velocidad alta y precio agresivo. Ese triángulo es difícil de sostener, y de momento lo están sosteniendo.
El segundo pilar del lanzamiento es el coste, y aquí es donde la noticia deja de ser un comunicado técnico para convertirse en una decisión de negocio. Hasta final de 2026, el precio promocional se queda en 0,75 dólares por millón de tokens de entrada y 3,75 dólares por millón de tokens de salida. A partir del 1 de enero de 2027, la tarifa pasa a 1,50 y 7,50 dólares respectivamente. Es decir, durante meses tendremos este modelo prácticamente a mitad de precio de lo que costará después. Para quien construye productos con agentes, esto va más allá de un descuento temporal: condiciona qué proyectos son viables. Un agente que procesa miles de conversaciones al día puede tener una factura mensual de decenas de dólares con el precio promocional y de cientos cuando este termine. La ventana existe, y la pregunta es qué haces con ella.
Hagamos cuentas rápidas, porque me gusta aterrizar estas cosas en ejemplos que se puedan tocar. Imagina un asistente de atención que gestiona mil conversaciones diarias, con una media de dos mil tokens de entrada y quinientos de salida por conversación. Con la tarifa promocional, hablamos de unos cuarenta y cinco dólares mensuales en tokens de entrada y unos cincuenta y seis en salida. Aproximadamente cien dólares al mes por automatizar mil conversaciones diarias. Compáralo con el salario de una persona dedicada a eso y entenderás por qué los nichos de atención al cliente están siendo el primer campo de batalla de la IA aplicada en nuestra región. Eso sí, cuando llegue enero de 2027, esa misma factura se multiplica por dos sin cambiar ni una línea de código. Diseña pensando en eso desde el primer día.
Dónde puedes usarlo
La disponibilidad es de las más amplias que recuerdo en un lanzamiento reciente. El modelo llega a la API de Gemini, a Google AI Studio y a Android Studio, además de a Antigravity, la plataforma de desarrollo con agentes de la compañía. En el terreno empresarial estará en Gemini Enterprise Agent Platform y en la aplicación Gemini Enterprise. Y para el usuario de a pie, se integra en Gemini Spark, el agente personal de Google, disponible para los suscriptores de los planes AI Pro y Ultra, con capacidad de encargarse de tareas de varios pasos y trabajar con aplicaciones de Workspace como Gmail, Calendar o Docs.
Esta amplitud tiene su lógica estratégica. Google está cerrando el círculo completo: el desarrollador que programa agentes, la empresa que los despliega y el usuario final que los usa sin saber siquiera qué modelo trabaja detrás. Pocos jugadores del sector pueden permitirirse cubrir los tres frentes a la vez, y menos aún con precios de entrada tan agresivos. Es la estrategia de ecosistema llevada al extremo, y conviene reconocerlo aunque uno no sea fan incondicional de la compañía de Mountain View. Yo llevo años diciéndolo en mis charlas y este movimiento no hace más que confirmarlo.
Mi punto de vista: versatilidad frente a inteligencia pura
Y aquí me detengo un momento, porque hay algo que suelo comentar en mis charlas y que encaja al milímetro con este lanzamiento. De todos los grandes modelos que están ahora mismo en boca de todos, Gemini es para mí el que ofrece más versatilidad por la cantidad de herramientas que incluye su suscripción de pago. Genera música, genera imágenes, genera vídeo. Tienes NotebookLM para montarte cuadernos de conocimiento con toda la información que te interese, alimentados con tus propios documentos. Todo dentro de la misma suscripción, todo integrado entre sí.
Compáralo con Claude, que es excelente en texto y muy capaz analizando imágenes, pero que no genera imágenes, ni vídeo, ni nada parecido. O con otras alternativas que brillan en un terreno concreto y quedan cojas en los demás. Entonces entenderás por qué insisto en este diferenciador siempre que alguien me pregunta qué plataforma elegir para empezar. No estoy diciendo que Gemini sea el modelo más inteligente del mercado, porque honestamente creo que ese título rota cada pocos meses. Estoy diciendo que es el más completo en cuanto a ecosistema, y esa versatilidad es justo lo que muchos usuarios buscan: una sola herramienta que resuelva, y no cinco suscripciones distintas que al final cuestan más juntas que la de Google.
Con este Gemini 3.7 Flash, además, refuerza justamente la pieza que le faltaba pulir: el trabajo serio con agentes y código. Porque la versatilidad sin profundidad es un catálogo bonito de medias verdades. Si el modelo ahora aguanta mejor los flujos de varios pasos, la promesa del ecosistema se vuelve creíble de principio a fin. Generas la imagen con Imagen, redactas el guion con Gemini, montas el vídeo con Veo, organizas la investigación en NotebookLM y automatizas el flujo completo con agentes sobre Flash. Una cadena entera dentro de la misma casa. Para el profesional independiente, para el pequeño estudio o para el docente que monta contenido didáctico, esa integración ahorra horas semanales que antes se iban en hacer dialogar entre sí herramientas de proveedores distintos.
La familia Flash completa: dónde encaja cada pieza
Vale la pena repasar la familia al completo, porque el 3.7 no llega solo y conviene entender el tablero entero. A finales de julio, Google había lanzado tres variantes bajo el paraguas 3.x. El Gemini 3.6 Flash era el caballo principal de la casa hasta ahora, orientado a flujos de trabajo con agentes y programación, y hoy queda oficialmente sucedido. El Gemini 3.5 Flash-Lite apuesta por la latencia mínima y el alto rendimiento continuo: según mediciones de Artificial Analysis alcanza los 350 tokens de salida por segundo, con un precio de 0,30 dólares por millón de tokens de entrada y 2,50 por millón de salida. Incluye niveles configurables de razonamiento, desde la ejecución ultrarrápida para tareas masivas hasta modos superiores para flujos multi-paso, e incorpora el uso de ordenador como herramienta integrada. Está pensado para búsqueda agéntica, procesamiento de documentos y subagentes en volumen.
Y luego está el caso curioso de Gemini 3.5 Flash Cyber, la variante más especializada de todas. Ha sido afinada específicamente para encontrar, validar y parchear vulnerabilidades de software, trabajando como motor de CodeMender, el agente de seguridad de código de Google. Su arquitectura es interesante: en lugar de una llamada gigante a un modelo enorme, ejecuta múltiples instancias baratas en paralelo, hasta cinco llamadas simultáneas, y consolida los hallazgos en un informe único. Explorar el espacio de posibles bugs requiere precisamente eso, muchas llamadas económicas en paralelo en lugar de una sola cara. Ahora bien, aquí aparece un matiz que dice mucho de cómo Google está gestionando este terreno: debido a su potencial de uso doble, puede servir tanto para defender sistemas como para atacarlos, el acceso está restringido a gobiernos y socios de confianza bajo un piloto de acceso limitado. Cuando un modelo de seguridad se distribuye con llave, es porque alguien ha pensado seriamente en qué manos cae.
El mapa queda así: Flash-Lite para volumen y velocidad bruta, Cyber para seguridad especializada, 3.6 como base generalista ya relevada, y 3.7 como punta de lanza para agentes y programación. Cada uno tiene su sitio, y elegir bien entre ellos es parte del oficio ahora mismo. Usar Flash-Lite para razonamiento complejo es desperdiciar capacidad; usar 3.7 para clasificar millones de documentos es tirar dinero. La pregunta correcta nunca es cuál es mejor, sino cuál encaja con la tarea concreta que tienes delante.
¿Qué significa esto para quienes trabajamos con IA en Latinoamérica?
Más de lo que parece a primera vista. Cuando un modelo potente baja a estas tarifas, se abre ventana para equipos pequeños, consultoras y estudiantes de nuestra región que antes debían elegir entre modelos de gama baja o facturas imposibles. Un agente que atiende clientes, revisa documentación o automatiza procesos internos deja de ser un proyecto reservado a empresas con presupuesto de Silicon Valley y pasa a estar al alcance de un negocio quiteño, bogotano o limeño con dos personas y un portátil.
Lo veo cada semana en mi trabajo de consultoría. Empresas de retail, educación y servicios que hace dieciocho meses miraban la IA como un tema de revista tecnológica hoy preguntan por presupuestos concretos de implementación. Y la diferencia entre preguntar y implementar suele ser, sencillamente, el precio del token. Cada bajada como esta convierte proyectos aparcados en proyectos activos. Ecuador tiene una oportunidad concreta en este ciclo, igual que la tuvo con el comercio electrónico cuando los pagos digitales se simplificaron: llegar rápido, aprender barato y acumular experiencia mientras otros todavía debaten si esto es una moda.
Mi recomendación práctica, como hago siempre que aparece una oferta temporal de este calibre: úsala para aprender y para construir, pero no te cases con ella. Los precios promocionales caducan, y cualquier arquitectura que montes debería sobrevivir al cambio de tarifa de enero de 2027. Diseña tus agentes pensando que mañana el modelo puede costar el doble, ir el doble de rápido o haber sido sustituido directamente por otro mejor. Abstrae tu aplicación detrás de capas que te permitan cambiar de modelo con una línea de configuración. La dependencia excesiva de un proveedor concreto, en este mercado, es apostar todos los ahorros a un solo caballo en una carrera donde aparecen corredores nuevos cada tres semanas. Literalmente.
La velocidad de lanzamiento es el mensaje: el liderazgo en IA se juega ahora en iteraciones rápidas, baratas y muy enfocadas, lejos del keynote anual.
Tres ideas para llevarse de esta noticia
Primera: el ritmo importa tanto como la potencia. Tres semanas entre versiones significan que cualquier evaluación exhaustiva que hagas hoy caducará antes de terminar el informe. Evalúa rápido, decide rápido, corrige rápido. El análisis perfecto llega tarde en este juego.
Segunda: el precio es una característica técnica. Durante años elegíamos modelos por capacidades y asumíamos el coste. Con gamas como Flash, el coste entra de lleno en el diseño de la solución, igual que la latencia o el tamaño de contexto. Un agente bien diseñado usa el modelo caro solo donde hace falta y delega el resto en variantes económicas.
Tercera: el ecosistema pesa más de lo que parece. La herramienta que hace de todo, aunque cada función sea ligeramente inferior a la mejor especialista, gana en el mundo real por pura fricción cero. Ya lo vimos con los suites ofimáticos frente a las mejores herramientas individuales de cada categoría. La historia de la tecnología está llena de suites completas que se comieron a especialistas brillantes, y la IA no va a ser la excepción.
Porque eso es, al final, lo más llamativo de esta noticia. Tres semanas entre versiones. Mientras unos debaten si la IA ha tocado techo, Google responde publicando modelos. La pregunta útil ya no consiste en averiguar qué modelo es el mejor del mundo, un debate casi imposible de cerrar hoy. La pregunta rentable es cuál se ajusta a tu problema, a tu bolsillo y a tu momento. Y con este lanzamiento, Google ha hecho esa respuesta un poco más fácil para quienes trabajamos con código y agentes. Si tenías un proyecto de agente aparcado por coste, este puede ser tu momento de sacarlo del cajón. ¿Lo vas a dejar pasar?
Fuente: TreceBits — Google lanza Gemini 3.7 Flash