Gemini 3: cómo Flash destronó a Pro y cambió la relación costo-calidad

En diciembre de 2025, Google lanzó Gemini 3 Flash con una especificación que parecía imposible: un modelo rápido y barato que superaba, en benchmarks científicos, a modelos "Pro" de generaciones anteriores que costaban de 6 a 10 veces más por token. Gemini 3 Flash marcó 90.4% en GPQA Diamond — el mismo benchmark donde GPT-4 registraba 53.6% — por US$ 0.50 por millón de tokens de entrada.

Esta ruptura no es solo numérica. Redefinió lo que el mercado espera de los modelos "Flash" (rápidos/baratos) y forzó a todos los competidores a reevaluar su estructura de precios.

La arquitectura de la disrupción

Gemini 3 Flash es resultado de una combinación de factores: mejoras de arquitectura acumuladas desde Gemini 2.0, destilación de conocimiento de los modelos Pro hacia variantes más pequeñas, y optimizaciones de inferencia que Google no publicó en detalle. El resultado práctico es 3 veces más velocidad que Gemini 2.5 Pro con desempeño igual o superior en la mayoría de los benchmarks evaluados en el lanzamiento.

La ventana de contexto es de 1 millón de tokens — lo mismo que los modelos Pro de otros proveedores. El modelo procesa texto, imágenes, audio y video de forma nativa, convirtiéndose en el modelo predeterminado de la aplicación Gemini a partir de diciembre de 2025.

Gemini 3.1 Pro: cuando el premium todavía vale

Gemini 3.1 Pro, lanzado en febrero de 2026, mantiene la posición de flagship de Google para tareas de frontera. Con 94.3% en GPQA Diamond — el mayor score jamás registrado en este benchmark — el modelo lidera el razonamiento científico avanzado. Está en segundo lugar en el ranking compuesto global de benchmarks, prácticamente empatado con GPT-5.2 de OpenAI.

El contexto de 1 millón de tokens (con versión experimental de 2 millones) y la capacidad nativa de procesar los cinco tipos de input — texto, imagen, audio, video y PDF — en la misma llamada de API mantienen a Gemini 3.1 Pro como referencia para casos de uso multimodal complejo. El precio es US$ 2,00 por millón de tokens de entrada y US$ 12,00 por millón de salida para contextos por debajo de 200K.

Gemini 3.5 Flash: el paso siguiente en la escalera

En mayo de 2026, en el Google I/O, se lanzó Gemini 3.5 Flash — confirmando la cadencia de evolución rápida de la familia. El modelo supera a Gemini 3.1 Pro en benchmarks de agencia y codificación (Terminal-Bench 2.1: 76.2% vs 70.3%; MCP Atlas: 83.6% vs 78.2%), con una velocidad de salida de tokens 4 veces mayor.

En el mismo evento, Google anunció Gemini 3.5 Pro, previsto para disponibilidad general en junio de 2026, y Gemini Omni — un modelo que acepta y genera video fundamentado en conocimiento del mundo real. Gemini Spark, orientado a la agencia personal, también fue presentado, con capacidad de ejecutar acciones en nombre del usuario.

Qué significa el éxito de Flash para el mercado

El ascenso de los modelos Flash expone un patrón recurrente en la historia de los LLMs: lo que se consideraba capacidad premium se convierte en commodity en 12 a 18 meses. GPT-4 fue un salto de frontera en 2023. En 2026, modelos con desempeño equivalente cuestan menos de US$ 1 por millón de tokens.

Para quien decide infraestructura de IA, la implicación práctica es la necesidad de una arquitectura en capas. Ya no existe justificación para usar el modelo más caro en cada solicitud. La configuración emergente usa modelos ultra-baratos (Flash, DeepSeek Flash) para el 70-80% de las consultas de baja complejidad, modelos mid-tier para complejidad media, y modelos premium solo cuando la tarea exige razonamiento de frontera.

Gemini 3.5 Flash, con un precio estimado de US$ 1,50 por millón de tokens de entrada, representa el nuevo piso de la tier mid: más rápido que el Pro anterior, más barato que cualquier opción comparable, con 1 millón de tokens de contexto. Para productos de consumo a escala — aplicaciones móviles, chatbots con millones de usuarios, sistemas de soporte — este nivel de costo-calidad es transformador.

El GPQA Diamond como termómetro

El GPQA Diamond merece atención como métrica. A diferencia del MMLU (preguntas de opción múltiple universitaria, casi saturado), el GPQA Diamond usa preguntas de nivel de investigación de doctorado en las áreas de biología, química y física, revisadas por investigadores activos para garantizar que la respuesta correcta sea verificable, pero que exija razonamiento profundo para ser encontrada.

Los especialistas humanos en el área específica de la pregunta aciertan cerca del 70% de las preguntas. Los no especialistas con doctorado en un área adyacente aciertan el 34%. Gemini 3.1 Pro marca 94.3% — por encima de los especialistas humanos en su propia disciplina.

Esto no significa que el modelo "entienda física mejor que los físicos". Significa que, en preguntas de opción múltiple estructuradas, el modelo recupera y combina información de forma más precisa que los humanos en condiciones de prueba. La distancia entre ese desempeño y la capacidad de hacer investigación científica original sigue siendo inmensa.