Google ha lanzado Gemini 3.6 Flash, un modelo multimodal orientado a programación, análisis documental y flujos de trabajo basados en agentes. Mantiene una ventana de contexto de 1 millón de tokens, admite texto, imágenes, audio y vídeo como entrada, además de generar respuestas exclusivamente en texto.
El modelo ha obtenido 50 puntos en el Intelligence Index de Artificial Analysis, exactamente la misma puntuación que Gemini 3.5 Flash. La mejora generacional se concentra, por tanto, en la velocidad, el coste y la eficiencia al completar tareas, no en un salto medible de inteligencia general dentro de esta evaluación.
Gemini 3.6 Flash no mejora la puntuación de su predecesor
El Intelligence Index combina pruebas de razonamiento, conocimiento, matemáticas, programación y ejecución de tareas mediante agentes. Gemini 3.6 Flash alcanza 50 puntos con el nivel alto de razonamiento, igualando a Gemini 3.5 Flash y quedando ligeramente por debajo de varios modelos recientes.
GPT-5.6 Luna, GLM-5.2 y Muse Spark 1.1 alcanzan 51 puntos, mientras GPT-5.6 Terra con razonamiento máximo llega a 55 y Claude Sonnet 5 obtiene 53. La referencia original a «Meta Spark 1.1» parece confundir el nombre del modelo, ya que Artificial Analysis lo identifica como Muse Spark 1.1.
Estas posiciones no convierten a Gemini 3.6 Flash en un modelo especialmente débil. Artificial Analysis lo coloca muy por encima de la mediana de 31 puntos entre modelos con un precio parecido, por lo que describirlo como uno de los lanzamientos más decepcionantes de Google resulta excesivo atendiendo únicamente a este índice.
La puntuación también demuestra que Flash no pretende competir únicamente por la máxima capacidad de razonamiento. Su posición comercial depende de ofrecer respuestas suficientemente precisas con una latencia reducida y un coste asumible para grandes volúmenes de solicitudes.
La velocidad aumenta hasta 304 tokens por segundo
Gemini 3.6 Flash literally got the same score on Artificial Analysis as 3.5 Flash.
Worse than Meta Spark 1.1, GLM-5.2, 5.6 Luna, Sonnet 5, Grok 4.5, 5.6 Terra… yikes. pic.twitter.com/0UjGhtCCTT
— leo 🐾 (@synthwavedd) July 21, 2026
La principal mejora aparece en el tiempo necesario para completar cada tarea. Artificial Analysis registró 304 tokens de salida por segundo, frente a los 165 tokens por segundo de Gemini 3.5 Flash. El tiempo medio por trabajo cayó desde 2,7 hasta 1,3 minutos, una reducción superior al 50%.
Gemini 3.6 Flash también utilizó un 17% menos de tokens de salida durante la evaluación. Google explica que el modelo necesita menos pasos de razonamiento, llamadas a herramientas e intercambios para completar procesos formados por varias etapas, reduciendo repeticiones y ciclos innecesarios.
Esta reducción resulta especialmente relevante en aplicaciones empresariales porque una respuesta más breve no solo llega antes, sino que también cuesta menos. El nuevo modelo no necesita superar ampliamente a su predecesor en los índices de inteligencia para ofrecer una mejora práctica en servicios con miles o millones de solicitudes.
La combinación de mayor velocidad y menor longitud de salida también puede beneficiar a los agentes que ejecutan varias herramientas consecutivas. Cada paso innecesario añade latencia y consumo, por lo que completar el mismo proceso con menos interacciones puede mejorar la capacidad total atendida por la infraestructura.
El precio de salida baja hasta 7,50$ por millón de tokens
Google mantiene el precio de entrada en 1,50$ por cada millón de tokens, pero reduce la salida desde 9$ hasta 7,50$. El coste de las respuestas disminuye así aproximadamente un 16,7% frente a Gemini 3.5 Flash.
Artificial Analysis calcula que el coste medio por tarea pasa de 0,59$ a 0,50$, una reducción cercana al 18%. La combinación de menos tokens generados y una tarifa inferior permite recortar el gasto sin modificar el precio aplicado al contenido de entrada.
La ventana de contexto se mantiene en 1 millón de tokens, acompañada por una salida máxima de 64.000 tokens. El modelo también conserva los niveles configurables de razonamiento y las herramientas integradas, incluyendo el control del ordenador para automatizar interfaces y aplicaciones.
El coste continúa siendo superior al de algunos modelos económicos, pero Gemini 3.6 Flash compensa esa diferencia con una capacidad de razonamiento situada por encima de la media de su categoría. Su propuesta se apoya en equilibrar precio, rapidez y calidad, no en convertirse en la alternativa más económica del mercado.
Google mejora programación y análisis multimodal
A similar story for the new 3.5 Flash-Lite, although it has a cost advantage
3.6 Flash might honestly be one of the worst models DeepMind have ever put out. In basically all relevant benchmarks, it is being beaten by *cheaper, older* models. They need to have a serious… pic.twitter.com/tQRQZUJvi6
— leo 🐾 (@synthwavedd) July 21, 2026
Las pruebas publicadas por Google muestran avances más claros en tareas específicas. Gemini 3.6 Flash alcanza un 49% en DeepSWE frente al 37% de Gemini 3.5 Flash, además de mejorar desde el 49,7% hasta el 63,9% en MLE Bench para investigación relacionada con aprendizaje automático.
El resultado en OSWorld-Verified aumenta desde el 78,4% hasta el 83%, indicando una mejora al manejar interfaces y ejecutar acciones en un ordenador. Google también destaca menos modificaciones de código no solicitadas, menos ciclos de depuración y un seguimiento más preciso de las instrucciones.
No todas las diferencias favorecen al nuevo modelo. Artificial Analysis detectó una caída en Humanity’s Last Exam, desde el 41% hasta el 38%, aunque mejoró en GDPval-AA v2. La actualización presenta, por tanto, avances desiguales según la tarea evaluada.
Esta variación explica por qué una única puntuación agregada no refleja todas las capacidades del modelo. Gemini 3.6 Flash puede mantener el mismo índice general que su antecesor y, al mismo tiempo, resultar claramente más eficaz en programación, automatización o análisis multimodal.
Flash-Lite prioriza el volumen de solicitudes
Google también ha presentado Gemini 3.5 Flash-Lite, una variante destinada a trabajos de gran volumen que alcanza 350 tokens por segundo. Su precio queda en 0,30$ por millón de tokens de entrada y 2,50$ por millón de tokens de salida.
La diferencia frente a Gemini 3.6 Flash responde a su posicionamiento. Flash-Lite sacrifica parte de la capacidad de razonamiento para ofrecer mayor velocidad y un coste considerablemente inferior, dirigido a clasificaciones, extracciones de datos, resúmenes sencillos o respuestas automatizadas a gran escala.
Google cubre así dos niveles distintos dentro de su catálogo: Gemini 3.6 Flash para tareas más complejas y Flash-Lite para procesos donde la rapidez y el coste pesan más que la máxima precisión posible.
Flash Cyber queda limitado a socios seleccionados
La tercera novedad es Gemini 3.5 Flash Cyber, una versión especializada en localizar, comprobar y corregir vulnerabilidades mediante CodeMender. Debido al posible uso malicioso de estas capacidades, su acceso inicial estará limitado a gobiernos y socios de confianza dentro de un programa piloto.
Esta restricción muestra que Google considera el modelo suficientemente avanzado como para necesitar controles adicionales frente a la automatización de ataques informáticos. Sus herramientas pueden utilizarse para reforzar programas legítimos, pero también facilitar el descubrimiento y aprovechamiento de fallos.
Gemini 3.6 Flash no representa un salto importante en inteligencia general frente a Gemini 3.5 Flash, pero sí ofrece más velocidad, menos tokens generados y un coste inferior por tarea. Su posición debe valorarse como la de un modelo de uso frecuente optimizado para volumen, no como un sustituto directo de las propuestas más potentes del mercado.
Vía: Wccftech
