Análisis rápido del Gemini 3.6: precio, pruebas de rendimiento, API y rendimiento

Gemini 3.6 Flash vale para codificación acotada, análisis multimodal y flujos de trabajo de agentes supervisados. Esta reseña de Gemini 3.6 Flash revela una mejora notable con respecto a 3.5 Flash: Google indica precios de salida más bajos y mejores resultados en varias pruebas de rendimiento de agentes, mientras que nuestras pruebas internas demostraron una extracción estructurada precisa, la lectura de gráficos y una reparación de código específica tras establecer límites de salida razonables. No es una solución que funcione en todos los casos. Nuestra tarea sintética de recuperación de 128K falló en dos ocasiones, y el plan de navegación local del modelo inventó un ID de elemento oculto a pesar de haber identificado correctamente el objetivo visible.

La recomendación práctica es realizar una prueba piloto de Gemini 3.6 Flash tras las pruebas de aceptación específicas de cada carga de trabajo, medir el coste total por tarea completada con éxito y mantener la confirmación humana en las acciones irreversibles. Las cifras oficiales, nuestras mediciones que incluyen la pasarela, las pruebas comparativas de terceros y los primeros informes de redes sociales que se muestran a continuación se indican por separado, de modo que las pruebas contradictorias no se mezclen en una única puntuación.

Prueba ahora el firmware Gemini 3.6 Flash en el GlobalGPT

Reseña rápida del Gemini 3.6 Flash: ventajas e inconvenientes

Índice

¿Qué es el Gemini 3.6 Flash?

Gemini 3.6 Flash es un modelo estable de Google destinado a cargas de trabajo en producción que requieren más capacidad de razonamiento y uso de herramientas que un nivel de inferencia ligero, sin tener que pasar a una categoría de precios de gama alta. Google lo describe como un «caballo de batalla» para la programación, el trabajo intelectual, la comprensión multimodal y la ejecución autónoma. El identificador del modelo de producción es gemini-3.6-flash. Página oficial de modelos de Google lo indica como disponible de forma generalizada.

El modelo admite entradas de texto, imágenes, audio, vídeo y PDF. Devuelve texto, JSON estructurado y llamadas a funciones o herramientas, pero no genera imágenes ni audio de forma nativa. Esa distinción es importante a la hora de comparar afirmaciones generales sobre la “multimodalidad”: comprender múltiples formatos de entrada no es lo mismo que producir múltiples formatos de salida.

Google Tarjeta modelo Gemini 3.6 Flash Establece marzo de 2026 como fecha límite de actualización de los datos y señala que el modelo se basa en Gemini 3.5 Flash. Los detalles sobre la arquitectura y el entrenamiento se han heredado en su mayor parte por referencia, en lugar de ser revelados por primera vez, por lo que los compradores pueden evaluar el comportamiento documentado y las evaluaciones publicadas, pero no pueden reconstruir el proceso de entrenamiento.

El amplio conjunto de herramientas es fundamental para el posicionamiento. La página oficial del modelo enumera las llamadas a funciones, las salidas estructuradas, la ejecución de código, la búsqueda de archivos, el contexto de URL, el almacenamiento en caché del contexto, la integración con la búsqueda de Google, la integración con Google Maps, el razonamiento y el uso de ordenadores. Una decisión de producción debe evaluar el ciclo completo —la forma de la solicitud, el seguimiento de la herramienta, los reintentos, la validación y la revisión humana— y no solo la calidad de una respuesta.

Ese papel de «caballo de batalla» también explica el enfoque de esta reseña: Flash 3.6 resulta más interesante cuando forma parte del flujo de trabajo de una aplicación que cuando responde a una consulta aislada de carácter trivial. Su valor depende de si el sistema que lo rodea limita las herramientas, detecta los truncamientos, verifica los resultados y deriva el trabajo más sencillo a un nivel más económico.

La función «Uso del ordenador» permite a una aplicación enviar capturas de pantalla y recibir propuestas de acciones para entornos de navegador, móviles o de escritorio. El cliente sigue siendo quien ejecuta la acción, proporciona la siguiente captura de pantalla y aplica las políticas. Google denomina esta función «Vista previa» y recomienda supervisar las tareas delicadas o irreversibles en el Documentación sobre el uso de ordenadores.

Gemini 3.6 Especificaciones y prestaciones de Flash

El límite de contexto de 1 048 576 tokens es una capacidad máxima, no una garantía de que todos los datos puedan recuperarse de forma fiable. Este es un tema recurrente tanto en las pruebas de rendimiento de Google con contextos largos como en nuestra prueba sintética de pasarela. La recuperación, la segmentación, los índices de documentos, los resúmenes y las citas de fuentes siguen siendo útiles incluso cuando, técnicamente, todo un corpus cabe en una sola solicitud.

El límite máximo de 65 536 tokens es generoso, pero las aplicaciones reales suelen establecer un límite inferior por motivos de coste y latencia. Nuestras pruebas han puesto de manifiesto cómo un límite que parece adecuado para la respuesta visible puede agotarse debido a los tokens de razonamiento interno. Es importante validar el motivo y el contenido reales del resultado final, en lugar de considerar que una respuesta HTTP 200 implica que la tarea se ha completado con éxito.

Gemini 3.6 Precios de oferta

El precio oficial de la tarifa «Standard» es de $1,50 por cada millón de tokens de entrada y $7,50 por cada millón de tokens emitidos. La facturación por salida incluye los tokens de procesamiento. La inferencia por lotes y la inferencia flexible reducen a la mitad las tarifas por token, mientras que la inferencia prioritaria aplica una prima de 80%. Comprueba siempre la tarifa actual Página de precios de la API Gemini antes de elaborar una previsión de costes de producción.

El almacenamiento en caché de contexto tiene un precio de $0,15 por cada millón de tokens de entrada almacenados en caché en el nivel de pago «Estándar», más $1,00 por cada millón de tokens por hora en concepto de almacenamiento en caché. El almacenamiento en caché puede reducir los cargos por entradas repetidas, pero una caché de gran tamaño que se mantenga más tiempo del necesario se convierte en un centro de costes en sí misma. Compara la factura de la caché con la reutilización realmente conseguida.

El «grounding» tiene una unidad de medida diferente. Google indica que ofrece 5.000 indicaciones con «grounding» al mes en Google Search o Maps de forma gratuita, repartidas entre los tres modelos Gemini, seguidas de $14 por cada 1.000 consultas de búsqueda. Una solicitud puede generar más de una consulta, por lo que el coste de los tokens por sí solo puede subestimar el coste real de un flujo de trabajo basado en la ubicación.

Ejemplo de precios estándar para el modelo $2.25

Una solicitud que consume 1 000 000 de tokens de entrada y genera 100 000 tokens de salida cuesta $1,50 en entrada más $0,75 en salida, es decir, $2.25 en modo estándar. Este sencillo ejemplo no tiene en cuenta el almacenamiento en caché, las consultas de validación, los reintentos, las herramientas externas ni los intentos fallidos.

Google también señala que Gemini 3.6 Flash utilizó 17% menos tokens de salida que 3.5 Flash en el Índice de Análisis Artificial y requirió menos pasos de razonamiento y llamadas a herramientas en flujos de trabajo de varios pasos. Se trata de una observación oficial que depende de la carga de trabajo, no de un ahorro garantizado de 17% para todas las aplicaciones. Mide los tokens por tarea completada con éxito utilizando tus propias indicaciones.

Pruebas de rendimiento de Flash Gemini 3.6: lo que indica Google

Las comparativas oficiales de Google muestran las mejoras más evidentes en codificación agencial, ingeniería de aprendizaje automático, interacción con ordenadores y recuperación de contexto extenso. La referencia más útil es Gemini 3.5 Flash, ya que Google evaluó ambos modelos dentro de la misma familia de tarjetas de modelos. Estos valores corresponden a los resultados de Google, no a mediciones de nuestro entorno de pruebas.

DeepSWE mejoró en 12,0 puntos porcentuales y MLE-Bench en 14,2 puntos. La mejora en OSWorld-Verified fue de 4,6 puntos, mientras que SWE-Bench Pro Public y Terminal-Bench registraron avances más modestos. Lo que sí se puede afirmar con fundamento es que la versión 3.6 mejora varias cargas de trabajo de tipo «agente» en comparación con la 3.5, no que domine todos los modelos o pruebas de rendimiento de programación.

Google también destaca que se producen menos modificaciones indeseadas en el código y que los ciclos de ejecución son más cortos. Estos comportamientos pueden ser más importantes que un pequeño cambio en la tasa de aprobación del trabajo del repositorio, ya que los cambios innecesarios aumentan el coste de la revisión y los ciclos repetidos consumen tokens. No obstante, siguen requiriendo mediciones a nivel de aplicación; una prueba de rendimiento agregada no puede determinar el comportamiento en una base de código específica.

Resultados multimodales y de contexto extenso

En el razonamiento sobre gráficos complejos de CharXIV, Google registra 85,21 TP40T sin herramientas y 89,41 TP40T con herramientas para Gemini 3,6 Flash. Gemini 3.5 Flash obtuvo 84,21 TP40T y 84,91 TP40T, respectivamente. La mayor diferencia en el resultado con herramientas respalda el posicionamiento del modelo para la interpretación de gráficos y los flujos de trabajo multimodales, aunque no evalúa el gusto visual ni la calidad del diseño front-end.

El resultado de 1M supone una mejora relativa considerable, pero 54,0% no constituye una base para la recuperación ciega de datos críticos. Los sistemas de producción deben seguir segmentando los documentos, conservar la procedencia y solicitar citas de las fuentes. Nuestra prueba sintética independiente de 128K falló, pero utilizaba una tarea y una ruta de acceso diferentes, por lo que no puede sustituir al resultado de Google.

Nuestras pruebas prácticas del Gemini 3.6 Flash

El 22 de julio de 2026 llevamos a cabo una serie de pruebas determinísticas de primera mano. Toda la latencia registrada es tiempo de respuesta total, incluida la pasarela, por lo que incluye la latencia de enrutamiento de Broly y no debe interpretarse como la latencia directa de la API de Google.

No se midió el TTFT, ni siquiera para la comprobación de streaming. Registramos el tiempo total transcurrido, los tokens de solicitud, los tokens de finalización, los tokens de razonamiento, los tokens almacenados en caché, el total de tokens, el motivo de finalización, los reintentos, la validación y un coste estimado basado en las tarifas oficiales de tokens del Estándar. Los tokens de razonamiento ya estaban incluidos en los tokens de finalización, y los tokens almacenados en caché ya estaban incluidos en los tokens de solicitud.

La actividad completa consistió en 12 llamadas a la API lógica y 14 intentos HTTP. La carrera principal siguió siendo $0.244491, las tres reposiciones seleccionadas sumaron un total de $0.0520416, y la estimación acumulada corregida fue de $0.2965326. Tras sustituir dos registros iniciales claramente truncados por sus repeticiones correspondientes, el resultado consolidado fue el siguiente: 7 se superaron, 1 no se superó y 1 no fue compatible.

Las estimaciones de costes son de $1,50/M para los tokens de prompt no almacenados en caché, $0,15/M para los tokens de prompt almacenados en caché y $7,50/M para los tokens de salida. En la repetición con contexto largo, los 128 248 tokens de prompt se dividen en 5 464 tokens no almacenados en caché y 122 784 tokens almacenados en caché; al añadir 2 048 tokens de salida se obtiene $0.0419736. El almacenamiento en caché figura con un coste de $1.00/M tokens/hora, pero se ha excluido porque no se midió la duración del almacenamiento.

Se trata de pruebas de diagnóstico con muestras reducidas, no de un punto de referencia con poder estadístico. Son útiles porque se conservan los casos de prueba, los valores esperados, los validadores, los límites de solicitudes y los errores. Deben servir de guía para las pruebas de seguimiento en una carga de trabajo real, no convertirse en un indicador universal de calidad.

Transmisión en continuo, salida estructurada e interpretación de gráficos

En la tarea de streaming se pedía la respuesta exacta visible. OK. Gemini 3,6 Flash devolvió la respuesta correcta en 2,938 segundos con 5 tokens de prompt, 119 de finalización, 118 de razonamiento y 124 tokens en total, con un valor estimado de $0,0009. El detalle más llamativo es que el razonamiento consumió 118 de los 119 tokens de finalización, lo que ilustra por qué un límite de salida mínimo puede impedir que se obtenga una respuesta visible.

La primera llamada de extracción estructurada 3.6 utilizó un límite de salida de 512 tokens y finalizó en motivo_finalización=longitud con JSON truncado. Lo consideramos un límite del entorno de pruebas, no un veredicto sobre la calidad, y repetimos únicamente esa tarea con 2.048 tokens. La repetición específica superó la validación exacta de campos en 3,919 segundos con P55/C453/R411/T508 y un valor estimado de $0,00348.

Gemini 3.5 Flash superó la misma extracción en su primera ejecución en 3,113 segundos con P56/C378/R324/T434 y un valor estimado de $0,003486. Una sola ejecución por configuración no basta para determinar cuál es la configuración con menor latencia. Sin embargo, sí demuestra que los límites de salida y el uso del razonamiento deben ajustarse para cada modelo, en lugar de copiarse ciegamente.

La llamada de lectura del gráfico 3.6 también se truncó en un límite inicial de 768 tokens. Con 2.048 tokens, la repetición prevista leyó los ocho valores de referencia exactamente en 4,884 segundos, utilizando P1.127/C653/R520/T1.780 y un valor estimado de $0,006588. El validador comparó cada valor devuelto con un archivo de referencia fijo.

Corrección del código: ambos modelos obtuvieron una puntuación de 5/5

Ambas tareas de programación partieron de copias aisladas del mismo programa de Python, con una referencia inicial de 3/5 pruebas superadas. Gemini 3.6 Flash generó una corrección específica y viable en 5,553 segundos, con P602/C1.150/R930/T1.752 y un valor estimado de $0,009528. Al aplicar el resultado, el fixture pasó a 5/5, mientras que el hash del archivo de prueba se mantuvo sin cambios.

Gemini 3.5 Flash también generó una reparación específica que alcanzó un 5/5, en 6,860 segundos con P603/C1,332/R1,058/T1,935 y un valor estimado de $0,0128925. Añadió prosa alrededor del código vallado a pesar de la instrucción de «no prosa», por lo que el conjunto de pruebas necesitó una extracción tolerante de código vallado antes de la validación fuera de línea. Ambas reparaciones eran utilizables; la disciplina de salida difería.

Esta prueba se centra en tareas de reparación delimitadas con pruebas unitarias deterministas. No evalúa la navegación por el repositorio, los cambios arquitectónicos que afectan a varios archivos, la autonomía a largo plazo ni si el modelo es capaz de diseñar una prueba discriminatoria partiendo de cero. Esas dimensiones requieren entornos de prueba y criterios de fallo independientes.

El fallo de recuperación de datos sintéticos de 128K

Nuestra instrucción de casi 128K colocaba ocho identificadores determinísticos en un contexto sintético amplio y exigía la recuperación exacta en formato JSON. Gemini 3.6 Flash falló dos veces, devolviendo código y HTML ajenos al contexto en lugar de los ocho valores. Aumentar el límite de salida no corrigió este comportamiento.

La repetición tardó 11,366 segundos y arrojó los siguientes valores: P128 248/C2 048/R0/Cached122 784/T130 296, un valor estimado de $0,0419736 tras el ajuste de la entrada en caché, y motivo_finalización=longitud. Esto es no es directamente comparable al GDM-MRCR de Google Resultado: nuestra tarea, la formulación exacta de la solicitud, la escala del contexto, el formato de salida y la ruta de la pasarela de Broly son todos diferentes.

El fallo sigue siendo relevante desde el punto de vista operativo. Indica que esta solicitud sintética concreta no funcionó a través de nuestra ruta en dos intentos, por lo que no enviaríamos el mismo patrón sin una recuperación previa, una selección de contexto más rigurosa, una validación de la respuesta y un manejo de soluciones alternativas. Esto no invalida la prueba de rendimiento de Google ni demuestra que exista una limitación general de 128K.

Sistema de control de acciones del navegador local: destino correcto, ID inventado

El modelo analizó una captura de pantalla de una página local controlada e identificó correctamente el texto de destino visible: “Abrir informe de uso”. Propuso la acción haz clic pero inventó un identificador oculto, abrir_informe_de_uso, en lugar del ID real del DOM uso. El arnés determinó el texto visible exacto y único, en lugar de basarse en el identificador inventado.

La llamada al plan tardó 5,305 segundos, con P1.153/C643/R573/T1.796, y tuvo un coste estimado de $0,006552. Se hizo clic una vez en un elemento de Chrome local, cambiando el estado de listo a informe-abierto. Esto fue Uso del ordenador Gemini no nativo; no realizó ninguna acción externa, no presentó ningún formulario ni modificó ningún estado externo.

El resultado en PDF se debe a una limitación de la ruta de acceso a la pasarela

El Broly /respuestas La ruta de conversión a PDF devolvió un error HTTP 500 con el código error_en_la_conversión_de_la_solicitud y mensaje no se ha aplicado. La llamada lógica realizó tres intentos HTTP, ya que el registro incluye dos reintentos, y luego se detuvo sin utilizar ningún token ni incurrir en ningún coste. Clasificamos esta ruta como no compatible.

Este resultado No significa que Gemini no sea compatible con PDF.. La documentación del modelo de Google indica que admite archivos PDF como entrada; nuestra solicitud falló antes de que se mostrara una respuesta del modelo en una ruta de conversión compatible con OpenAI. Aún es necesario realizar una comprobación nativa en Google AI Studio o mediante la API de Gemini antes de publicar cualquier conclusión sobre el comportamiento nativo de los archivos PDF.

Aún se necesita la revisión del editor: Ejecuta la tarea de PDF a través de Google AI Studio nativo o de la API Gemini y, a continuación, captura el mensaje completo, la respuesta del modelo, el panel de uso y las pruebas de las citas de la página. Hasta que se disponga de esas capturas de pantalla, esta reseña solo informa del fallo de conversión de Broly y no hace ninguna afirmación sobre el rendimiento del PDF nativo.

Gemini 3.6 Acceso a la API de Flash y código

Gemini 3.6 Flash está disponible en Google AI Studio y en la API para desarrolladores de Gemini con el ID de modelo estable gemini-3.6-flash. Google recomienda la versión más reciente API de Interacciones para nuevos proyectos de tipo «agentic», mientras que los ya consolidados generarContenido La interfaz sigue siendo compatible y ofrece funciones importantes que aún no están disponibles a través de Interactions.

Python con el SDK oficial de Google Gen AI

from google import genai

client = genai.Client()

response = client.models.generate_content(
    model="gemini-3.6-flash",
    contents=(
 "Revisa este cambio de código propuesto. Identifica la causa raíz, "
 "la corrección mínima necesaria y la prueba exacta que lo demostraría."
    ),
)

print(response.text)

El cliente lee las credenciales de la configuración del entorno compatible; no introduzcas una clave de forma fija ni la publiques. El ejemplo evita deliberadamente los campos de muestreo obsoletos y utiliza el método oficial de Google google-genai generar_contenido método. Añade esquemas, configuraciones de seguridad y herramientas solo en la medida en que lo requiera la carga de trabajo.

JavaScript con @google/genai

import { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI({});

const respuesta = await ai.models.generateContent({
  model: "gemini-3.6-flash",
  contents: "Extrae los riesgos y devuelve un resumen conciso y basado en fuentes fiables.",
});

console.log(respuesta.text);

Para garantizar un uso fiable en producción, valida la estructura devuelta, comprueba los motivos de finalización, registra las llamadas a las herramientas y distingue entre el éxito del transporte y el éxito de la tarea. Una respuesta 200 que contenga JSON truncado o una acción no admitida no se considera un resultado satisfactorio desde el punto de vista empresarial.

¿API de interacciones o generación de contenido?

La API de Interactions añade un estado opcional del lado del servidor a través de id_de_interacción_anterior, pasos de ejecución observables y ejecución en segundo plano para tareas más largas. Resulta atractivo para los nuevos bucles de agentes, ya que los rastros de estado y de herramientas son conceptos de primer orden. Revisa la configuración de almacenamiento y retención antes de utilizarlo con contenido sensible.

Visite generarContenido cuando su interfaz de funciones, una vez madura, se adapte mejor a la aplicación. Según la documentación de Google de julio de 2026, Interactions aún no ofrece la API por lotes, el almacenamiento en caché explícito, la configuración de seguridad personalizada, los metadatos de vídeo ni la llamada automática a funciones de Python. La compatibilidad con los modelos y la compatibilidad con la interfaz de la API son cuestiones distintas.

Gemini 3.6 Cambios en la migración de la API de Flash

Pasar de los formatos de solicitud anteriores es algo más que cambiar el nombre del modelo. Google’s Guía de migración al último modelo documenta los parámetros y los patrones de conversión que están obsoletos, se ignoran o se rechazan. Considera la migración como un cambio en el contrato de solicitud y en la integridad del estado.

Eliminar los controles obsoletos y el rellenado automático

Eliminar temperatura, top_p, y top_k. Google afirma que están obsoletos y que se ignoran en estos modelos; se espera que las futuras generaciones devuelvan un código HTTP 400 cuando se especifiquen. Un modelo heredado temperatura: 0 No se debe considerar este campo como una garantía de determinismo.

Las solicitudes tampoco pueden terminar con un rellenado previo no vacío del rol del modelo. Patrones como añadir “Translation:” o la llave de apertura de JSON al turno del modelo pueden provocar un error HTTP 400. Sustituye el rellenado previo por instrucciones del sistema, salidas estructuradas, esquemas explícitos y validadores.

Sustituir valores numéricos pensar_en_el_presupuesto controles con el nivel_de_pensamiento enum; Gemini 3.6 La configuración predeterminada de Flash es medio. Eliminar número_de_candidatos, algo que Gemini 3.x no admite, e implementar alternativas a nivel de aplicación si realmente se necesitan varias estrategias posibles.

Conservar el estado de la llamada a la función

Los flujos de trabajo de las herramientas requieren que los identificadores de llamada, los nombres de las funciones, las firmas lógicas y el orden de turno se mantengan intactos. Al utilizar generarContenido, cada uno Respuesta de función debería incluir su call_id y nombre. Prueba de llamadas con formato incorrecto, texto explicativo antes de la salida de la herramienta y recuperación en caso de que las herramientas sean rechazadas o no estén disponibles.

• Cambia el ID del modelo de destino por gemini-3.6-flash.
• Eliminar temperatura, top_p, top_k, y número_de_candidatos.
• Sustituir pensar_en_el_presupuesto con nivel_de_pensamiento.
• Eliminar el rellenado automático de «model-turn».
• Conservar los identificadores de las llamadas a funciones, los nombres, las firmas de pensamiento y el orden de las herramientas.
• Verifica los motivos de finalización, los esquemas, los reintentos y cada afirmación de éxito.
• Vuelve a calcular el coste por tarea completada con éxito, incluyendo las llamadas fallidas y las herramientas.
• Realiza pruebas de inyección de comandos y de acciones destructivas antes de utilizar el ordenador.

Gemini 3.6 Flash frente a 3.5 Flash y Flash-Lite

Gemini 3.6 Flash es la opción de actualización directa de Gemini 3.5 Flash. El precio estándar de entrada se mantiene en $1,50 por millón de tokens, mientras que el precio de salida desciende de $9,00 a $7,50—una reducción de 16,71 TP40T antes de tener en cuenta el informe independiente de Google sobre un menor uso de tokens de salida en una evaluación.

El argumento a favor de la migración es más sólido cuando unas mejores puntuaciones de agencia, un precio de salida más bajo y bucles más cortos se traducen en un trabajo más eficaz por cada dólar invertido. Es más débil cuando un repositorio o una herramienta concretos provocan una ejecución incompleta, una verificación errónea o correcciones humanas repetidas. Ejecuta las indicaciones emparejadas con las mismas herramientas y pruebas de aceptación.

Dónde se adapta el Gemini 3.5 Flash-Lite

Gemini 3.5 Flash-Lite es una variante más económica para la extracción, clasificación, traducción, enrutamiento, procesamiento de documentos y tareas de subagentes acotadas de alto rendimiento. El precio estándar es de $0,30 por millón de tokens de entrada y de $2,50 por millón de tokens de salida. Esto hace que 3.6 Flash sea cinco veces más caro en la entrada y tres veces más caro en la salida.

Un enrutador de dos niveles puede asignar por defecto las tareas aptas a Flash-Lite y derivar las tareas de baja fiabilidad, que requieren muchas herramientas, multimodales o de largo plazo a 3.6 Flash. El enrutador debe ser observable y reversible, con los motivos registrados e incluyendo tanto el coste de reintento como el de corrección. Unos tokens más baratos no significan automáticamente que las tareas completadas sean más baratas.

Primeras opiniones de los usuarios y resultados de terceros

La versión Gemini 3.6 Flash llevaba aproximadamente un día disponible al público cuando se capturaron estas capturas de pantalla el 22 de julio de 2026. Las publicaciones son Anécdota social datos, no una encuesta representativa, y las clasificaciones de las plataformas son Prueba de rendimiento realizada por terceros datos empíricos, en lugar de resultados de Google o de nuestras propias mediciones. Son útiles para identificar hipótesis que se puedan comprobar.

Señales prometedoras en el ámbito de los navegadores y el front-end, aunque con algunas salvedades

Arena.ai ha situado a Gemini 3.6 Flash en el puesto número 12, con 1.537 puntos, en el Frontend Code Arena, lo que supone una mejora respecto al puesto número 21 que ocupaba Gemini 3.5 Flash. El resultado refleja las indicaciones, los votantes, la instantánea del modelo y el método de clasificación de Arena. Respalda la hipótesis de una mejora en el front-end, pero no establece una calidad de código universal.

Browser Use ha registrado un resultado de 68% en su prueba de rendimiento BU Benchmark y ha calificado este modelo como la mejor opción de agente de navegador en cuanto a relación calidad-precio. Se trata de una prueba de rendimiento elaborada por el propio proveedor, no de una evaluación neutral del sector. Resulta interesante desde un punto de vista orientativo junto con el resultado de Google en OSWorld, pero los equipos deberían reproducir las tareas del navegador dentro de su propio entorno de seguridad y ejecución de herramientas.

Un usuario crítico de X interpretó la tabla de Google de otra manera, argumentando que las mejoras más convincentes se observaban en la visión y el contexto, más que en la codificación. Otro usuario señaló un índice de codificación compuesto en el que el 3,6 se situaba ligeramente por debajo del 3,5. Las diferentes combinaciones de tareas pueden dar lugar a resultados aparentemente contradictorios, por lo que los nombres y métodos de las pruebas comparativas deben figurar junto a cada cifra.

Los informes de codificación hacen hincapié en la verificación y la finalización

El informe más detallado de Reddit describía a 3.6 Flash como rápido y capaz cuando las tareas tenían un alcance bien definido, eran cuantificables y se habían instrumentado antes de la reparación. El mismo autor advertía sobre las afirmaciones de verificación demasiado categóricas, una autonomía que parecía destructiva y el coste que supone supervisar el trabajo. El autor también reveló que otro modelo revisó o corrigió el resultado y que un problema de configuración sesgó parte de la prueba.

Otro usuario de Reddit informó de que el trabajo del proyecto estaba incompleto, a pesar de que se había afirmado que la tarea estaba terminada. Los comentaristas describieron situaciones similares, así como problemas relacionados con la depuración y la verificación errónea. La configuración de la herramienta y las indicaciones no se verificaron de forma independiente, por lo que el informe debería considerarse un caso de prueba, y no un veredicto generalizado.

La lección habitual en materia de evaluación es distinguir entre la calidad del parche y la fiabilidad de la verificación. Un modelo puede sugerir un cambio útil, pero utilizar una prueba que no permita detectar la corrección, omitir el segmento final de la tarea o indicar erróneamente los fallos restantes. Los criterios de aceptación deben comprobar el artefacto, la capacidad discriminatoria de la prueba, el estado final y la precisión del informe de finalización.

Limitaciones, seguridad y límites de la evidencia

Gemini 3.6 Flash presenta los modos de fallo propios de los modelos de base, entre los que se incluyen datos erróneos, ejecuciones incompletas y conclusiones seguras pero sin fundamento. La ficha del modelo también señala que, en ocasiones, puede mostrar lentitud o agotar el tiempo de espera. Su fecha límite de actualización de conocimientos, fijada en marzo de 2026, implica que los datos más recientes requieren una justificación, una fuente fiable actual o la aportación de documentos.

Google informa de comparativas de seguridad en general positivas con Gemini 3.5 Flash, que incluyen una mejora en la seguridad de texto a texto y multilingüe, una seguridad de imagen a texto sin cambios y ligeras regresiones en el tono de rechazo y los rechazos injustificados. El modelo se mantuvo por debajo de los niveles de capacidad críticos de Google tras realizar pruebas adicionales. Se trata de evaluaciones comunicadas por los editores, no de garantías independientes para una implementación concreta.

El uso de ordenadores requiere controles operativos más estrictos que el chat. Los agentes que trabajan con capturas de pantalla pueden verse expuestos a la inyección de comandos, controles engañosos, ventanas emergentes y acciones irreversibles. Utiliza entornos aislados, credenciales con privilegios mínimos, listas de dominios y acciones permitidas, confirmaciones, registros de auditoría, límites de gasto y planes de reversión.

Nuestra prueba en el navegador no ha evaluado el punto final nativo «Computer Use» de Google y, por lo tanto, no puede respaldar ninguna afirmación relativa a la latencia, la seguridad o la tasa de éxito nativas. Se ha probado la interpretación de capturas de pantalla y un resolutor de acciones local basado en texto. Del mismo modo, el error de conversión de PDF de Broly solo se aplica a esa ruta de solicitud de la pasarela.

Nuestras cifras de latencia incluyen el enrutamiento a través de la pasarela Broly y proceden de una pequeña suite, no de distribuciones repetidas. No hemos medido el TTFT. Los costes son estimaciones derivadas del uso declarado y de las tarifas oficiales de Standard, no de facturas, y la suite no utilizó Search Grounding.

Las pruebas de rendimiento oficiales, las clasificaciones de terceros, nuestras pruebas de acceso y las anécdotas en redes sociales responden a diferentes preguntas. Mantener visibles sus etiquetas evita una precisión engañosa: los resultados de Google describen la evaluación de Google, nuestros registros describen una ruta y un conjunto de condiciones reproducibles, y las publicaciones públicas describen experiencias individuales.

¿Quién debería utilizar el Gemini 3.6 Flash?

Gemini 3.6 Flash es una opción muy recomendable para los equipos que ya utilizan Gemini 3.5 Flash, especialmente cuando el coste de salida, la entrada multimodal, la invocación de herramientas o la planificación agencial son factores importantes. También resulta adecuado para nuevas aplicaciones que puedan definir criterios de éxito explícitos y supervisar acciones sensibles al riesgo.

• Desarrollo de agentes con tareas delimitadas, entornos de trabajo aislados y pruebas automatizadas selectivas.
• Flujos de trabajo de análisis de gráficos, imágenes, vídeos, audio y archivos PDF que generan texto o datos estructurados.
• Agentes supervisados para navegador o escritorio con pasos de confirmación y validación local.
• Sistemas de trabajo intelectual que requieren la llamada a funciones, la búsqueda de archivos, el almacenamiento en caché o la búsqueda basada en datos concretos.
• Equipos capaces de comparar el coste por tarea completada con el de 3.5 Flash y otros proveedores.

No resulta la opción más adecuada cuando la tarea puede gestionarse de forma fiable con Flash-Lite, cuando la voz en tiempo real requiere la API Live o cuando se necesita la generación nativa de imágenes o audio. Tampoco es la opción más adecuada para una automatización sin supervisión y de alto riesgo que carezca de mecanismos de reversión y verificación independiente.

• Trasladar las tareas de clasificación y extracción sencillas a un nivel de menor coste en el que se mantenga la calidad.
• No des por sentado que una ventana de contexto de 1M sustituye a la ingeniería de recuperación.
• No aceptes el estado de “verificado” declarado por el propio usuario sin una prueba que pueda dar un resultado negativo.
• No generalices la latencia de la pasarela de Broly ni el comportamiento de la conversión a PDF a los puntos finales nativos de Google.
• No permitas acciones irreversibles relacionadas con el uso del ordenador sin una confirmación explícita.

Veredicto final

Esta reseña del Gemini 3.6 Flash revela que se trata de un sólido candidato para la producción, pero no de una migración automática. El modelo combina unos precios de salida más bajos, una amplia gama de entradas y herramientas, y mejoras oficiales significativas en DeepSWE, MLE-Bench, OSWorld y la recuperación de contexto extenso. Nuestras pruebas delimitadas aportan datos alentadores en cuanto a la extracción exacta, la lectura de gráficos, la reparación de código específica y la planificación de acciones locales guiadas por capturas de pantalla.

La advertencia es igualmente concreta. Los estrictos límites de salida provocaron dos truncamientos iniciales; el razonamiento agotó casi todo el presupuesto de finalización del streaming; nuestra prueba de recuperación sintética de 128K falló dos veces; y el plan del navegador generó un ID desconocido. La ruta del PDF quedó sin probar de forma nativa porque la ruta de conversión de Broly falló antes de que el modelo diera una respuesta.

Adopta Gemini 3.6 Flash cuando una evaluación comparativa demuestre que ofrece una mejor rentabilidad por tarea completada que tu modelo actual. Realiza un seguimiento de la tasa de superación, los tokens, los reintentos, las llamadas a herramientas, las ediciones no deseadas, el tiempo dedicado a la corrección manual y si cada afirmación de verificación está respaldada por una prueba discriminatoria. Para cargas de trabajo mixtas, empieza con Flash-Lite y amplía su uso según las necesidades observadas.

Preguntas frecuentes

¿Está disponible de forma generalizada la versión Gemini 3.6 Flash?

Sí. Google indica que Gemini 3.6 Flash es una versión estable y está disponible de forma generalizada para su uso en producción. El ID del modelo es gemini-3.6-flash, y se puede acceder a ella a través de Google AI Studio y la API para desarrolladores Gemini. La cobertura de las funciones de la API sigue variando entre Interactions y generarContenido.

¿Cuánto cuesta el Gemini 3.6 Flash?

El precio estándar de pago es de $1,50 por cada millón de tokens de entrada y de $7,50 por cada millón de tokens de salida, incluidos los tokens de reflexión. Los modos «Batch» y «Flex» cuestan $0,75 de entrada y $3,75 de salida, mientras que el modo «Priority» cuesta $2,70 de entrada y $13,50 de salida. El almacenamiento en caché y el «grounding» pueden suponer costes adicionales.

¿Qué es la ventana de contexto «Gemini 3.6 Flash»?

Gemini 3.6 Flash admite hasta 1 048 576 tokens de entrada y 65 536 tokens de salida. Se trata de un límite de capacidad, no de una garantía de recuperación. El resultado de Google en el GDM-MRCR de 1 millón fue de 54,01 TP40T, y nuestra tarea sintética alternativa de 128 000 puertas de enlace falló, por lo que los sistemas críticos siguen necesitando recuperación y validación.

¿El Gemini 3.6 Flash es compatible con imágenes, audio, vídeo y archivos PDF?

Sí, Google indica que admite como entradas texto, imágenes, audio, vídeo y archivos PDF. El modelo genera texto, datos estructurados y llamadas a herramientas, en lugar de imágenes o audio nativos. Nuestra ruta de conversión de PDF de Broly no era compatible, pero ese resultado de la pasarela no implica que exista una limitación nativa de Gemini para los archivos PDF.

¿Es compatible el Gemini 3.6 Flash con el uso en ordenador?

Sí. La API Gemini de Google es compatible con el uso informático con Gemini 3.6 Flash para entornos de navegador, móviles y de escritorio, pero la función sigue estando en fase de vista previa. El cliente ejecuta las acciones propuestas y debe aplicar confirmaciones y controles de seguridad. Nuestro sistema de capturas de pantalla local no era una prueba nativa de uso informático.

¿Es la versión Gemini 3.6 Flash mejor que la Gemini 3.5 Flash?

Obtiene mejores resultados en varias comparativas de Google y es más barato por token de salida, pero que sea “mejor” depende de la carga de trabajo. Nuestra prueba de codificación acotada obtuvo una puntuación de 5/5 para ambos modelos, mientras que el 3.5 requirió una extracción de código tolerante. Ejecuta tareas similares y compara el coste de finalización verificado, no te fijes solo en los nombres de los modelos.

¿Se admiten los parámetros «temperature», «top_p» y «top_k»?

Google afirma que temperatura, top_p, y top_k están obsoletos y se ignoran en estos modelos; se prevé que las futuras generaciones de modelos los rechacen. Elimina los campos durante la migración. Utiliza instrucciones claras, esquemas, resultados estructurados y validadores de aplicaciones para controlar el comportamiento.

¿Hay algún plan gratuito?

Google ofrece acceso gratuito a las funciones de entrada y salida del nivel «Estándar», sujeto a límites de velocidad y disponibilidad. En la página de precios se indica que el contenido del nivel gratuito puede utilizarse para mejorar los productos de Google, mientras que el contenido del nivel de pago se identifica de forma distinta. Consulta las condiciones vigentes en materia de velocidad, uso de datos y regionalidad antes de enviar datos de producción o confidenciales.