Google DeepMind ha lanzado oficialmente Gemini 3.8 Flash, la evolución directa de su arquitectura de razonamiento híbrido. Este nuevo modelo llega con un foco explícito en la ingeniería de software compleja, tareas agénticas de largo recorrido y ciberseguridad, consolidándose como el motor principal de desarrollo en Google AI Studio, Vertex AI y herramientas avanzadas como Google Antigravity.
Analizamos sus novedades técnicas, benchmarks oficiales, la nueva variante Cyber, precios por millón de tokens y cómo sacarle partido al presupuesto de razonamiento (thinking budget).
Respuesta rápida
- ¿Cuál es la gran novedad? Gemini 3.8 Flash potencia drásticamente la capacidad de codificación autónoma (DeepSWE v1.1), el uso fiable de herramientas y estrena la variante Gemini 3.8 Flash Cyber.
- ¿Cuál es el modelo principal recomendado hoy? Gemini 3.8 Flash (con razonamiento adaptativo).
- ¿Qué modelo usar para tareas de bajo coste o gran volumen? Gemini 3.5 Flash-Lite.
- ¿Cuál es su ventana de contexto? 1.048.576 tokens de entrada y 65.536 tokens de salida máxima.
- ¿Dónde está disponible? En Google AI Studio, Vertex AI, la API de Gemini y el entorno para desarrolladores Google Antigravity.
Qué aporta el razonamiento híbrido en Gemini 3.8 Flash
La arquitectura de razonamiento híbrido introducida por Google permite modular el esfuerzo computacional del modelo según la dificultad de cada petición. A través del parámetro thinking_budget, el desarrollador decide si necesita una respuesta instantánea o una deliberación profunda paso a paso:
thinking_budget = 0: Modo Flash puro con latencia mínima, ideal para chats conversacionales, autocompletado y extracción rápida de datos.thinking_budget = 1024 a 8192: Nivel medio equilibrado para refactorización de código, resolución de incidencias (debugging) y análisis de documentos extensos.thinking_budget = 65536: Razonamiento exhaustivo para desafíos algorítmicos complejos, matemáticas formales y agentes que encadenan múltiples llamadas a herramientas y terminal.
Familia de modelos Gemini (Actualizada 2026)
| Modelo | Estado | Contexto de entrada | Salida máxima | Uso recomendado |
|---|---|---|---|---|
| Gemini 3.8 Flash | Novedad / Principal | 1.048.576 tokens | 65.536 tokens | Agentes, programación compleja, arquitectura de software y razonamiento híbrido |
| Gemini 3.8 Flash Cyber | Novedad / Especializado | 1.048.576 tokens | 65.536 tokens | Auditoría de seguridad, análisis de vulnerabilidades y parches automáticos (Fairwind) |
| Gemini 3.7 Flash | Estable | 1.048.576 tokens | 65.536 tokens | Modelo versátil para tareas generales de razonamiento |
| Gemini 3.5 Flash-Lite | Muy eficiente | 1.048.576 tokens | 65.536 tokens | Tareas masivas de bajo coste: clasificación, etiquetado y parsing JSON |
| Gemini 3.1 Pro | Estable | 1.048.576 tokens | 65.536 tokens | Tareas analíticas en flujos empresariales consolidados |
Gemini 3.8 Flash Cyber: la variante de seguridad
Junto al modelo estándar, Google ha presentado Gemini 3.8 Flash Cyber. Se trata de un modelo especializado integrado dentro del programa Fairwind de Google, entrenado específicamente para:
- Detección temprana de vulnerabilidades: Auditoría de repositorios de código en busca de fallos de lógica, inyecciones y desbordamientos.
- Generación automática de parches: Propuesta de soluciones de código verificadas para subsanar brechas sin alterar el comportamiento del sistema.
- Análisis de dependencias y configuraciones: Supervisión continua de entornos de despliegue y contenedores.
Nano Banana: la rama de imagen de Gemini
La generación de imágenes de Google continúa su desarrollo en paralelo bajo la denominación Nano Banana:
| Versión | Identificador de modelo | Resolución máxima |
|---|---|---|
| Nano Banana 2 | gemini-3.1-flash-image |
Hasta 4K (también 512 px, 1K y 2K) |
| Nano Banana 2 Lite | gemini-3.1-flash-lite-image |
Solo 1K |
| Nano Banana Pro | gemini-3-pro-image |
Hasta 4K |
| Nano Banana (heredado) | gemini-2.5-flash-image |
Varias |
Nano Banana 2 se apoya en la arquitectura Flash, admite hasta 14 imágenes de referencia en una misma llamada para mantener la coherencia de personajes u objetos, y puede conectarse con la Búsqueda de Google para enriquecer la precisión visual.
Gemini Omni y Veo: la rama de vídeo
En el apartado de vídeo e interacción multimodal en tiempo real, Google mantiene activas dos líneas en fase Preview:
| Modelo | Identificador | Capacidades oficiales |
|---|---|---|
| Gemini Omni Flash | gemini-omni-1.1-flash |
Generación y edición de vídeo, interpolación de fotogramas clave y extensión de escenas con audio nativo |
| Veo 3.1 | veo-3.1-generate-preview |
Generación cinematográfica con controles avanzados de cámara |
| Veo 3.1 Lite | veo-3.1-lite-generate-preview |
Versión optimizada para menor consumo y previsualización rápida |
Precios de referencia de la API de Gemini 3.8 Flash
Las tarifas oficiales publicadas para Gemini 3.8 Flash en Google AI Studio se calculan por millón de tokens (MTok):
| Modelo | Tokens de Entrada | Tokens de Salida (Estándar) | Salida con Razonamiento (Thinking) |
|---|---|---|---|
| Gemini 3.8 Flash | 0,75 USD | 3,75 USD | 3,75 USD |
| Gemini 3.7 Flash | 0,15 USD - 0,30 USD | 0,60 USD | 1,50 USD |
| Gemini 3.5 Flash-Lite | 0,075 USD | 0,30 USD | N/A |
Nota: Durante el proceso de razonamiento interno, los tokens generados por el modelo dentro del thinking budget se contabilizan como tokens de salida.
Benchmarks de Gemini 3.8 Flash frente a generaciones anteriores
| Evaluación técnica | Gemini 3.8 Flash (Thinking) | Gemini 3.7 Flash (Thinking) | Gemini 3.6 Flash |
|---|---|---|---|
| DeepSWE v1.1 (Ingeniería de software) | 74,8 % | 70,3 % | 58,7 % |
| AIME 2024 (Razonamiento matemático) | 86,5 % | 84,0 % | 62,5 % |
| GPQA Diamond (Ciencia y lógica) | 77,1 % | 75,2 % | 61,4 % |
| Terminal-Bench (Uso de consola y herramientas) | 86,2 % | 83,5 % | 78,0 % |
| MRCR (Recuperación en 1M de tokens) | 99,1 % | 98,4 % | 54,0 % |
El avance en DeepSWE v1.1 sitúa a Gemini 3.8 Flash a la cabeza de modelos de peso intermedio para tareas de desarrollo asistido y agentes autónomos de código.
Veredicto Tecno-V
Gemini 3.8 Flash consolida el liderazgo de Google DeepMind en modelos ágiles para ingeniería de software. Al combinar la capacidad de razonamiento profundo bajo demanda con la nueva variante Cyber y el millón de tokens de contexto, se posiciona como el modelo predeterminado para agentes de programación y automatización avanzada en 2026.
Consulta también nuestro hub de inteligencia artificial, las mejores alternativas a Claude, la comparativa de límites de ChatGPT gratis frente a Plus y cómo analizamos la tecnología en Tecno-V.
Cómo hemos preparado este análisis
Contrastamos especificaciones, fuentes enlazadas y opciones de compra para ayudarte a decidir. La recomendación final es el criterio editorial de Tecno-V.
Comentarios de la comunidad
Todavía no hay comentarios publicados por la comunidad.