Segun MarkTechPost (AI/ML News), Google presentó en mayo de 2026 el modelo Gemini 3.5 Flash durante su evento Google I/O. Este avance representa la primera versión de la serie Gemini 3.5, diseñada específicamente para aplicaciones de agentes inteligentes y desarrollo de código. La tecnología integra capacidades de inteligencia avanzada con la capacidad de ejecutar tareas complejas de forma autónoma. El modelo Flash, tradicionalmente conocido por su velocidad y eficiencia, ahora alcanza rendimientos superiores al anterior modelo premium, Gemini 3.1 Pro, en pruebas clave.
En el escenario de evaluación Terminal-Bench 2.1, Gemini 3.5 Flash logra un puntaje de 76,2 por ciento, indicando su dominio en tareas de programación. En el test GDPval-AA, que evalúa el desempeño en tareas reales de agentes, obtiene 1656 Elo. Su desempeño en MCP Atlas, un indicador de confiabilidad en el uso de herramientas, es de 83,6 por ciento, mientras que en CharXiv Reasoning, que mide comprensión multimodal, alcanza el 84,2 por ciento. Además, el modelo es cuatro veces más rápido en la generación de tokens de salida, lo que reduce el tiempo de ejecución de tareas hasta la mitad en muchos casos. Los costos oficiales son de 1,50 dólares por millón de tokens de entrada y 9,00 dólares por millón de tokens de salida. La opción de almacenamiento de entradas cacheadas tiene un costo de 0,15 dólares por millón. El contexto del modelo permite hasta 1.048.576 tokens de entrada y una salida máxima de 65.536 tokens. Los formatos soportados incluyen texto, imagen, audio y video. El conocimiento del modelo se actualiza hasta enero de 2026, y la función de pensamiento dinámico está activada por defecto, permitiendo que el sistema asigne recursos adicionales según la complejidad del problema.
Google también introdujo una nueva capa de API denominada Managed Agents, que permite iniciar un agente completo con una sola llamada. Este entorno opera dentro de un contenedor de Linux aislado, garantizando que los archivos y el estado de la ejecución se conserven entre sesiones. Esto elimina la necesidad de gestionar manualmente el entorno, lo cual era un obstáculo clave en el desarrollo de agentes multi-turno. La arquitectura permite que los agentes realicen tareas en cadena, como la planificación, llamado de herramientas y ejecución de código, en lugar de responder solo a preguntas simples.
Para el lector peruano, este avance tiene implicaciones directas en el acceso a tecnologías de inteligencia artificial para pequeñas y medianas empresas. Las empresas que operan en sectores como servicios financieros, logística o comercio digital pueden beneficiarse del uso eficiente y económico de agentes que automatizan tareas repetitivas. Aunque el modelo aún requiere infraestructura especializada, su bajo costo por token y su capacidad para ejecutar procesos complejos en tiempo real abren puertas a soluciones más accesibles. En un mercado donde la innovación digital se vuelve crítica, herramientas como esta permiten a los emprendedores y profesionales locales competir con tecnologías que antes solo estaban disponibles en centros de investigación.