Google lanzó Gemini 3.6 Flash el 21 de julio de 2026, y la cifra que da titulares no es un benchmark. Es el precio. Los tokens de salida ahora cuestan $7.50 por millón, por debajo de los $9.00 de Gemini 3.5 Flash, mientras que el precio de entrada se mantuvo estable en $1.50 por millón. Además, el modelo consume un 17 % menos de tokens de salida para completar el mismo trabajo, así que el ahorro real queda muy por debajo de lo que sugiere el precio de tarifa por sí solo.
Esas tarifas de lanzamiento ya no están vigentes. Cuando Gemini 3.7 Flash llegó el 13 de agosto de 2026, Google trasladó Gemini 3.6 Flash a la misma tarifa de lanzamiento de $0.75 por millón de tokens de entrada y $3.75 por millón de salida. Ambos modelos volverán a $1.50 / $7.50 el 1 de enero de 2027. Todo lo que sigue describe el lanzamiento tal como ocurrió, marcando la tarifa actual donde sea relevante.
El lanzamiento fue más grande que un solo modelo. Google presentó también Gemini 3.5 Flash-Lite y un Gemini 3.5 Flash Cyber ajustado para seguridad el mismo día. También confirmó que Gemini 3.5 Pro sigue atascado en pruebas con socios, y reveló sin hacer ruido que el preentrenamiento de Gemini 4 ya ha comenzado. Este artículo cubre la ficha técnica completa, todos los benchmarks publicados, lo que ya dicen los críticos, dónde puedes usar el modelo hoy mismo y si merece la pena cambiar.
Lo más importante
- Gemini 3.6 Flash se lanzó el 21 de julio de 2026 a $1.50 de entrada / $7.50 de salida por millón de tokens, con la entrada sin cambios y la salida por debajo de los $9.00. Google volvió a recortarlo el 13 de agosto de 2026 a $0.75 / $3.75 para igualar a Gemini 3.7 Flash, y ambas tarifas se duplican el 1 de enero de 2027.
- Usa un 17 % menos de tokens de salida que Gemini 3.5 Flash, hasta un 65 % menos en DeepSWE, y los genera a 304 por segundo. Solo el nuevo Flash-Lite es más rápido, con 350.
- La fecha de corte del conocimiento salta de enero de 2025 a marzo de 2026, un salto de 14 meses que podría ser la mejora práctica más importante.
- Supera a 3.5 Flash en todos los benchmarks publicados, incluido un 58,7 % frente a 55,1 % en SWE-Bench Pro. También supera al propio Gemini 3.1 Pro de Google en el Artificial Analysis Intelligence Index, 50 frente a 46.
- La pega: las pruebas independientes le dan 50 en el Artificial Analysis Intelligence Index, exactamente lo mismo que Gemini 3.5 Flash. Es más rápido y más barato, no más inteligente.
¿Qué es Gemini 3.6 Flash?
Gemini 3.6 Flash es el modelo rápido y económico de Google, pensado para programación agéntica, uso del ordenador y razonamiento sobre documentos largos, más que para inteligencia de frontera pura. Queda por debajo de la línea Pro en la jerarquía de Google, pero maneja la misma ventana de contexto de 1 millón de tokens, que es la especificación que más importa en la práctica. Desde entonces ha sido sustituido por Gemini 3.7 Flash, que iguala esas especificaciones y lo supera en todos los benchmarks publicados al mismo precio de lanzamiento.
El enfoque de Google en el anuncio oficial de lanzamiento apuesta claramente por la era agéntica, y la selección de benchmarks lo refleja. El modelo se ajustó para la orquestación de varios pasos, la refactorización full-stack y el trabajo con agentes de IDE, no para ganar pruebas académicas de razonamiento.
La ficha técnica completa
| Especificación | Gemini 3.6 Flash |
|---|---|
| ID del modelo | gemini-3.6-flash |
| Ventana de contexto de entrada | 1 048 576 tokens (1M) |
| Límite de salida | 65 536 tokens (64k) |
| Fecha de corte del conocimiento | marzo de 2026 |
| Modalidades de entrada | Texto, imagen, vídeo, audio, PDF |
| Modalidades de salida | Texto |
| Modo de razonamiento | Compatible |
| Llamadas a funciones | Compatible |
| Grounding | Google Search y Google Maps |
| Salida estructurada | Compatible |
| Caché de contexto | Compatible |
| Procesamiento por lotes | Compatible |
| Lanzamiento | 21 de julio de 2026 |
Las cifras exactas proceden de la documentación oficial del modelo en la API de Gemini, que es la fuente autorizada si vas a integrarlo en código de producción. Para ver cómo se compara 3.6 Flash con el resto de modelos de Gemini, lee nuestra comparativa completa de modelos Gemini.
El salto en la fecha de corte del que nadie habla
Gemini 3.5 Flash tenía una fecha de corte de enero de 2025. Gemini 3.6 Flash la adelanta a marzo de 2026. Es un avance de 14 meses, y para el usuario habitual importa más que cualquier punto porcentual en un benchmark de programación.
Un modelo congelado en enero de 2025 no tenía ni idea de que existían GPT-5.6, Grok 4.5 o Claude Sonnet 5. No conocía los precios actuales de las herramientas que usas, los lanzamientos recientes de frameworks ni nada de las noticias del último año. La versión 3.6 Flash lo sabe todo, lo que reduce las respuestas erróneas dichas con total seguridad sobre cualquier tema reciente.
Precio de Gemini 3.6 Flash
La historia del precio es más concreta de lo que sugiere la mayoría de la cobertura. En el lanzamiento, el precio de entrada no cambió. Solo se recortó el precio de salida, y se recortó exactamente en $1.50 por millón de tokens. Tres semanas después Google recortó ambos: desde el 13 de agosto de 2026, Gemini 3.6 Flash cuesta $0.75 de entrada y $3.75 de salida por millón, la misma tarifa de lanzamiento que Gemini 3.7 Flash, y ambas vuelven a $1.50 / $7.50 el 1 de enero de 2027.
| Modelo | Entrada por 1M de tokens | Salida por 1M de tokens | Mejor para |
|---|---|---|---|
| Gemini 3.6 Flash (actual) | $0.75 | $3.75 | Programación agéntica, uso del ordenador, contexto largo; se duplica el 1 de enero de 2027 |
| Gemini 3.6 Flash (en el lanzamiento) | $1.50 | $7.50 | La tarifa del 21 de julio, sustituida el 13 de agosto |
| Gemini 3.5 Flash (anterior) | $1.50 | $9.00 | Sustituido por 3.6 Flash |
| Gemini 3.5 Flash-Lite | $0.30 | $2.50 | Trabajo de alto volumen y sensible a la latencia |
| Gemini 3.5 Flash Cyber | No publicado | No publicado | Descubrimiento de vulnerabilidades (piloto restringido) |
El ahorro se acumula de una forma que la tabla no puede mostrar. Como el modelo también genera un 17 % menos de tokens de salida para completar las mismas tareas, pagas una tarifa más baja sobre un número menor de tokens. La medición independiente de Artificial Analysis sitúa el coste combinado en $1.16 por millón de tokens frente a $1.31 de Gemini 3.5 Flash, ambos medidos con las tarifas de lanzamiento y no con el recorte de agosto.
En cargas de trabajo agénticas, la diferencia se amplía todavía más. Google reporta hasta una reducción del 65 % en tokens de salida en el benchmark DeepSWE, gracias a que el modelo da menos pasos de razonamiento y hace menos llamadas a herramientas por tarea. Si tu factura está dominada por ejecuciones largas de agentes, ahí es donde realmente se va el dinero. Nuestra guía de precios de Gemini para 2026 explica cómo se comparan las tarifas de la API con los planes de suscripción para consumidores.
Benchmarks de Gemini 3.6 Flash
Google publicó un amplio conjunto de benchmarks, y Gemini 3.6 Flash gana en todas y cada una de las filas frente a su predecesor. Los márgenes van de modestos a sustanciales según lo que se mida.
Frente a Gemini 3.5 Flash
| Benchmark | Qué mide | Gemini 3.6 Flash | Gemini 3.5 Flash |
|---|---|---|---|
| SWE-Bench Pro | Ingeniería de software en el mundo real | 58,7 % | 55,1 % |
| DeepSWE v1.1 | Programación agéntica | 49 % | 37 % |
| Terminal-Bench 2.1 | Finalización de tareas en línea de comandos | 78,0 % | 76,2 % |
| MLE-Bench | Ingeniería de machine learning | 63,9 % | 49,7 % |
| GDPval-AA v2 | Trabajo de conocimiento con valor económico | 1421 | 1349 |
| OSWorld-Verified | Uso del ordenador | 83,0 % | 78,4 % |
| GDM-MRCR v2 (128k) | Recuperación de contexto largo | 91,8 % | 77,3 % |
| GDM-MRCR v2 (1M) | Recuperación de contexto largo a 1M | 54,0 % | 26,6 % |
| CharXiv (no tools) | Razonamiento sobre gráficos y figuras | 85,2 % | 84,2 % |
| CharXiv (with tools) | Razonamiento sobre gráficos con acceso a herramientas | 89,4 % | 84,9 % |
Los casos más destacados son MLE-Bench, donde el salto supera los 14 puntos, y la recuperación de contexto largo en la ventana completa de 1M, donde la puntuación se duplica. Aun así, vale la pena leer con cuidado el resultado a 1M de tokens. Una puntuación de 54,0 % significa que el modelo todavía falla en recuperar aproximadamente la mitad de lo que debería al máximo de contexto, así que trata los prompts de 1M de tokens como una capacidad, no como una garantía.
Frente a GPT-5.6, Grok 4.5 y Claude Sonnet 5
Aquí es donde el panorama se vuelve honesto. Gemini 3.6 Flash no arrasa frente a los modelos de frontera actuales.
| Benchmark | Gemini 3.6 Flash | GPT-5.6 Luna | Grok 4.5 | Claude Sonnet 5 |
|---|---|---|---|---|
| SWE-Bench Pro | 58,7 % | No publicado | 64,7 % | No publicado |
| DeepSWE v1.1 | 49 % | 67 % | No publicado | No publicado |
| Terminal-Bench 2.1 | 78,0 % | 84,7 % | No publicado | No publicado |
| MLE-Bench | 63,9 % | No publicado | No publicado | 66,9 % |
| GDPval-AA v2 | 1421 | No publicado | No publicado | 1607 |
| OSWorld-Verified | 83,0 % | No publicado | No publicado | No publicado |
Gemini 3.6 Flash lidera en uso del ordenador con OSWorld-Verified, en las dos variantes de razonamiento CharXiv y en las dos pruebas de recuperación de contexto largo. Pierde en SWE-Bench Pro frente a Grok 4.5, en DeepSWE y Terminal-Bench frente a GPT-5.6 Luna, y tanto en MLE-Bench como en GDPval-AA v2 frente a Claude Sonnet 5.
Es un resultado razonable para un modelo de gama económica frente a los modelos insignia, y la diferencia de precio es lo bastante grande como para que la comparación no sea del todo justa. Si quieres ver la clasificación completa, nuestra lista de los mejores modelos de IA recoge dónde se sitúa cada modelo actual. La cabeza de esa clasificación volvió a moverse el 3 de septiembre de 2026, cuando OpenAI lanzó GPT-6 Astra a $10.00 / $50.00 por millón de tokens; se puntúa con una revisión posterior del Intelligence Index respecto a las cifras v4.1 de más abajo, así que los dos conjuntos no son directamente comparables.
Pruebas independientes: dónde queda realmente Gemini 3.6 Flash
La propia tabla de benchmarks de Google solo compara el modelo con sus predecesores. La medición independiente de Artificial Analysis lo enfrenta a todo el mercado, y el panorama es más interesante.
Artificial Analysis Intelligence Index
El Intelligence Index v4.1 es un compuesto de nueve evaluaciones distintas, incluidas GDPval-AA v2, Terminal-Bench v2.1, SciCode, Humanity’s Last Exam, GPQA Diamond, CritPt y AA-LCR. Gemini 3.6 Flash obtiene 50, lo que lo sitúa en el puesto 11 entre los 26 modelos punteros que Artificial Analysis clasificó el día del lanzamiento.
| Puesto | Modelo | Intelligence Index |
|---|---|---|
| 1 | Claude Fable 5 (with fallback) | 60 |
| 2 | GPT-5.6 Sol (max) | 59 |
| 3 | Kimi K3 | 57 |
| 4 | Claude Opus 4.8 (max) | 56 |
| 5 | GPT-5.6 Terra (max) | 55 |
| 6 | Grok 4.5 (high) | 54 |
| 7 | Claude Sonnet 5 (max) | 53 |
| 8= | GPT-5.6 Luna (max) | 51 |
| 8= | GLM-5.2 (max) | 51 |
| 8= | Muse Spark 1.1 (xhigh) | 51 |
| 11 | Gemini 3.6 Flash | 50 |
| 12 | Gemini 3.1 Pro Preview | 46 |
| 12= | Qwen3.7 Max | 46 |
| 14 | MiniMax-M3 | 44 |
| 14= | DeepSeek V4 Pro (max) | 44 |
| 16 | MiMo-V2.5-Pro | 42 |
| 20 | Gemini 3.5 Flash-Lite | 36 |
| 22 | Claude 4.5 Haiku | 30 |
El detalle que Google no puso en un comunicado de prensa está en la fila 12. Gemini 3.6 Flash obtiene 50 frente a 46 de Gemini 3.1 Pro Preview. El modelo Flash económico de Google supera ahora a su propio modelo de nivel Pro en el índice compuesto, lo que dice tanto sobre cuánto tiempo lleva estancada la línea Pro como sobre el propio Flash.
La distancia con los líderes reales es real pero estrecha. Cuatro puntos separan a Gemini 3.6 Flash de Claude Sonnet 5 y diez de Claude Fable 5, y esos modelos cuestan bastante más por token.
Velocidad de salida
En velocidad de generación pura, la familia Flash domina la parte alta de la tabla. Gemini 3.5 Flash-Lite es el modelo más rápido que ha medido Artificial Analysis, con 350 tokens de salida por segundo, y Gemini 3.6 Flash queda segundo con 304.
| Modelo | Tokens de salida por segundo |
|---|---|
| Gemini 3.5 Flash-Lite | 350 |
| Gemini 3.6 Flash | 304 |
| gpt-oss-120b (high) | 303 |
| Qwen3.7 Max | 205 |
| GLM-5.2 (max) | 201 |
| GPT-5.6 Luna (max) | 190 |
| GPT-5.6 Terra (max) | 135 |
| Gemini 3.1 Pro Preview | 121 |
| Claude 4.5 Haiku | 97 |
| Claude Sonnet 5 (max) | 84 |
| Grok 4.5 (high) | 69 |
| GPT-5.6 Sol (max) | 63 |
| Claude Opus 4.8 (max) | 59 |
| Kimi K3 | 34 |
Google ocupa ahora los dos primeros puestos del sector, y la diferencia no es pequeña. Gemini 3.6 Flash genera tokens aproximadamente 3,6 veces más rápido que Claude Sonnet 5 y unas cinco veces más rápido que Claude Opus 4.8. Para cualquier cosa que transmita la salida en streaming a un usuario o ejecute miles de pasos de agente, esa diferencia se traduce en tiempo real ahorrado.
Qué dicen los críticos sobre Gemini 3.6 Flash
La acogida no ha sido uniformemente positiva, y la crítica merece tomarse en serio porque viene de mediciones independientes y no de simples impresiones.
Artificial Analysis le da a Gemini 3.6 Flash 50 en su Intelligence Index, lo que lo sitúa en el puesto 21 de 187 modelos evaluados en total. El problema es que Gemini 3.5 Flash también obtiene 50. En esa medida compuesta, el modelo nuevo no es más inteligente que el que sustituye. Medios como WCCFTech se han hecho eco de ese dato y han presentado el lanzamiento como decepcionante.
La clasificación respalda la queja. Muse Spark 1.1, GLM-5.2 y GPT-5.6 Luna obtienen todos 51, Claude Sonnet 5 obtiene 53, Grok 4.5 obtiene 54 y GPT-5.6 Terra obtiene 55. Varios de ellos llevan semanas o meses disponibles. Gemini 3.6 Flash llegó como modelo nuevo y quedó por detrás de todos ellos.
Gemini 3.6 Flash genera tokens muy rápido, a 303,6 tokens por segundo frente a 165,4 de 3.5 Flash. Pero su tiempo hasta el primer token es de 11,54 segundos, muy por encima de la mediana de unos 2,8 segundos para los modelos de razonamiento de su rango de precio. Piensa un rato antes de empezar a responder, lo que hace que se sienta más lento en un chat interactivo de lo que sugiere la cifra de rendimiento.
Las primeras pruebas de la comunidad también han reportado resultados flojos en generación de frontend y en prompts de razonamiento espacial, aunque los propios probadores señalaron que esto podría reflejar un presupuesto de razonamiento por defecto más bajo, no el techo real del modelo. Trata esos informes como anecdóticos hasta que llegue una evaluación más sistemática.
El resumen justo es que Google, en este ciclo, optimizó por coste, velocidad y eficiencia de tokens en lugar de por capacidad pura. Es un objetivo de ingeniería legítimo, y para cargas de trabajo de producción de alto volumen probablemente sea el más útil de los dos. Simplemente no es lo mismo que un modelo más inteligente, y el marketing sí difumina esa línea.
Dónde puedes usar Gemini 3.6 Flash
Las plataformas propias de Google
Gemini 3.6 Flash se activó de inmediato en la app de Gemini, Google AI Studio, la API de Gemini, Android Studio, Google Antigravity y la Gemini Enterprise Agent Platform. Google dice que los modelos nuevos aparecen en la app de Gemini para todo el mundo, pero no ha publicado un desglose de límites por nivel, así que trata las cuotas del plan gratuito como no confirmadas por ahora. Nuestra guía sobre si Gemini es gratis explica cómo funciona hoy la estructura de planes.
GitHub Copilot
El modelo llegó a GitHub Copilot el mismo día del lanzamiento para los suscriptores de Copilot Pro, Pro+, Max, Business y Enterprise. Puedes seleccionarlo en Visual Studio Code, Visual Studio, la CLI de Copilot, el agente en la nube de GitHub Copilot, la app de Copilot, los IDE de JetBrains, Xcode y Eclipse.
Una pega práctica para los equipos. Los administradores de Copilot Business y Enterprise tienen que activar la política Gemini 3.6 Flash Preview en la configuración de Copilot antes de que nadie en la organización pueda elegir el modelo. Si no aparece en tu lista de modelos, ese ajuste es lo primero que hay que revisar. El uso se factura al precio de lista del proveedor bajo el modelo de facturación por uso.
Los otros dos modelos que lanzó Google
Gemini 3.5 Flash-Lite
Flash-Lite es la apuesta por el volumen, con un precio de $0.30 de entrada y $2.50 de salida por millón de tokens. Con 350 tokens de salida por segundo, es el modelo más rápido que mide actualmente Artificial Analysis, superando por un margen amplio a todos los modelos insignia del mercado. Las mejoras generacionales también son notables. Obtiene 54 % en Terminal-Bench 2.1 frente a 31 % del Flash-Lite anterior, y 1140 en GDPval-AA v2 frente a 642. La recuperación de contexto largo sube a 72,2 % desde 60,1 %. Google también lo está integrando en Google Search.
La contrapartida aparece en el Intelligence Index, donde Flash-Lite obtiene 36 frente a 50 de Gemini 3.6 Flash. Lo que compras es velocidad y volumen, no profundidad de razonamiento.
Gemini 3.5 Flash Cyber
Flash Cyber es un especialista, ajustado para encontrar, validar y parchear vulnerabilidades de software, y funciona dentro del agente CodeMender de Google con varias instancias trabajando en paralelo. En los resultados publicados por Google frente al motor JavaScript V8, encontró 55 problemas únicos confirmados, frente a 47 de Gemini 3.5 Flash y 36 de Claude Opus 4.6.
Casi con toda seguridad no vas a poder usarlo. Google dice que el modelo estará disponible en exclusiva para gobiernos y socios de confianza a través de CodeMender, como parte de un programa piloto de acceso limitado que se lanzará próximamente. Es una decisión defendible para un modelo construido específicamente para descubrir vulnerabilidades explotables.
Gemini 3.5 Pro llega tarde y Gemini 4 ya ha empezado a entrenarse
La parte más interesante de este lanzamiento es lo que faltó. Google prometió Gemini 3.5 Pro en el I/O de mayo de 2026 para un lanzamiento en junio. No ha salido. Ahora Google solo dice que el modelo sigue en pruebas con socios y que se desplegará ampliamente pronto, sin ninguna fecha concreta.
Eso cambia el sentido de todo el anuncio. En lugar de competir en la gama alta del mercado, Google dedicó este ciclo a competir en precio y velocidad en el nivel Flash mientras su modelo insignia se retrasaba. Tres modelos Flash en un solo día se lee de otra forma en cuanto sabes que el modelo Pro era el que debía ser la noticia.
Escondido en el mismo anuncio estaba el verdadero titular para quien sigue el juego a largo plazo. Google DeepMind dijo que ha iniciado su preentrenamiento más ambicioso hasta la fecha, para Gemini 4, y que está entusiasmado con el progreso. Sin calendario, sin especificaciones, solo la confirmación de que la próxima generación está en marcha. Seguimos cada señal creíble en todo lo que sabemos sobre Gemini 4.
¿Deberías cambiarte a Gemini 3.6 Flash?
Si ya estás llamando a Gemini 3.5 Flash a través de la API, cambia. No hay ningún argumento de peso para quedarte donde estás. Obtienes la misma inteligencia medida, mejores puntuaciones en todos los benchmarks publicados, casi el doble de velocidad de salida, una fecha de corte 14 meses más reciente, y una factura más baja tanto en la tarifa por token como en el número de tokens. El único cambio necesario es el ID del modelo.
Si estás eligiendo entre proveedores, la decisión es más ajustada. Gemini 3.6 Flash no es el modelo más capaz disponible, y GPT-5.6, Grok 4.5 y Claude Sonnet 5 lo superan cada uno en benchmarks concretos. Gana en uso del ordenador, contexto largo y coste por unidad de trabajo. Para pipelines agénticos de alto volumen en los que pagas por millones de tokens al día, esa combinación es difícil de rebatir. Para un problema de razonamiento difícil y puntual, recurre mejor a un modelo insignia.
La lección más amplia es que ningún modelo lo gana todo, y el nivel económico se mueve ahora tan rápido que la respuesta de hoy caduca en semanas. Por eso mismo tiene más sentido usar varios modelos en paralelo que comprometerte con uno solo. Fello AI para Mac sigue justo ese enfoque, reuniendo varios modelos de frontera bajo una única suscripción de $9.99/mes para que puedas cambiar entre ellos según la tarea en lugar de pagar facturas por separado. Nuestro desglose sobre cuándo usar cada modelo de IA es un buen punto de partida si quieres adoptar ese hábito.
Para la historia más completa de cómo evolucionó este nivel, nuestro análisis de Gemini 3.5 Flash cubre el modelo que 3.6 Flash acaba de sustituir.
Preguntas frecuentes
¿Qué es Gemini 3.6 Flash?
Gemini 3.6 Flash es el modelo de IA rápido y económico de Google, lanzado el 21 de julio de 2026. Se lanzó a $1.50 por millón de tokens de entrada y $7.50 por millón de tokens de salida y ahora cuesta $0.75 / $3.75, maneja una ventana de contexto de 1 millón de tokens, y está construido para programación agéntica, uso del ordenador y razonamiento sobre documentos largos.
¿Es Gemini 3.6 Flash mejor que Gemini 3.5 Flash?
Supera a Gemini 3.5 Flash en todos los benchmarks que publicó Google, incluido un 58,7 % frente a 55,1 % en SWE-Bench Pro y un 83,0 % frente a 78,4 % en OSWorld-Verified. También es más rápido y más barato. Sin embargo, Artificial Analysis da 50 a ambos modelos en su Intelligence Index, así que los dos son igual de capaces en esa medida compuesta.
¿Cuánto cuesta Gemini 3.6 Flash?
El precio en la API es $0.75 por millón de tokens de entrada y $3.75 por millón de tokens de salida, después de que Google recortara la tarifa el 13 de agosto de 2026 para igualar a Gemini 3.7 Flash. Se lanzó a $1.50 / $7.50, con la salida por debajo de los $9.00 de Gemini 3.5 Flash. Ambas tarifas actuales se duplican el 1 de enero de 2027. Google ha lanzado desde entonces dos sucesores con esa misma tarifa, el más reciente Gemini 3.8 Flash. Gemini 3.5 Flash-Lite cuesta $0.30 de entrada y $2.50 de salida.
¿Cuál es la fecha de corte del conocimiento de Gemini 3.6 Flash?
Marzo de 2026, frente a enero de 2025 en Gemini 3.5 Flash. Ese salto de 14 meses significa que el modelo conoce eventos, lanzamientos de software y cambios de precio de los que la generación Flash anterior no tenía ninguna noticia.
¿Cuándo sale Gemini 4?
Google no ha anunciado una fecha de lanzamiento. En el anuncio de Gemini 3.6 Flash, Google DeepMind confirmó que ha iniciado su preentrenamiento más ambicioso hasta la fecha para Gemini 4, pero no compartió calendario ni especificaciones.
