Gemini 3.5 Pro apunta al 17 de julio tras una reconstrucción total, pero cada especificación sigue sin confirmarse

El reloj corre para Google. Según reportes de terceros recogidos por Tech Times, Google DeepMind apunta al 17 de julio de 2026 para la disponibilidad general de Gemini 3.5 Pro, su modelo insignia de próxima generación. El problema es que casi todo lo que circula, incluida la fecha, la ventana de contexto de 2 millones de tokens y las cifras de benchmarks, proviene de fuentes internas sin nombre y no de un anuncio oficial. Al 13 de julio no existe ficha de modelo, ni página de precios, ni un identificador gemini-3.5-pro en la documentación pública de la API.

Para cualquier líder comercial o de operaciones en Chile y Latinoamérica que planifica su stack de IA, la distinción importa: se está planificando sobre una filtración, no sobre un lanzamiento firmado.

¿Qué está confirmado y qué es rumor sobre Gemini 3.5 Pro?

Lo confirmado es acotado: Gemini 3.5 Pro existe, Google lo tiene corriendo internamente y el modelo se atrasó de junio a julio. Sundar Pichai ya lo había anticipado en Google I/O el 19 de mayo, cuando pidió a los desarrolladores "un mes más" para entregarlo. Ese mes pasó.

El dato más consecuente, según reportes de HackerNoon y Geeky Gadgets citando fuentes internas, es que Google habría descartado el modelo que casi tenía listo y reiniciado desde cero. Un reinicio de preentrenamiento a escala frontera no es un ajuste menor: el preentrenamiento es la fase más cara de construir un modelo. La decisión de tirar una base casi completa implica que los propios ingenieros de Google concluyeron que la brecha con la competencia era estructural, no corregible con ajuste fino.

¿Por qué Google reconstruyó el modelo en lugar de ajustarlo?

Según el mismo reporte, la versión descartada mostraba dos fallas concretas: no mantenía consistencia estructural al generar escenas SVG complejas y se rompía en entornos de llamadas recursivas a herramientas, las cadenas de múltiples pasos donde un agente llama a una herramienta, usa el resultado para llamar a otra, y así sucesivamente. La estabilidad en esas cadenas es el requisito que define a un modelo de codificación agéntica, justo la apuesta de toda la generación 3.5. Un modelo insignia que retrocediera en esas tareas no habría sido una mejora, sino un problema de imagen frente a GPT-5.6 y Fable 5.

¿Qué promete la versión reconstruida?

Los reportes de terceros hablan de tres capacidades: una ventana de 2 millones de tokens (el doble de Flash), una capa de razonamiento Deep Think para problemas de múltiples pasos y flujos de trabajo autónomos para tareas de código multiarchivo. Conviene el escepticismo: investigación independiente sobre 18 modelos frontera mostró que la calidad de razonamiento se degrada antes del límite anunciado, a veces entre un 30 y un 40 por ciento antes. Que un modelo acepte un prompt de 2 millones de tokens no significa que razone bien a lo largo de todo ese rango.

¿Conviene esperar o construir hoy sobre Gemini 3.5 Flash?

Mientras se resolvía la reconstrucción del Pro, Gemini 3.5 Flash sostuvo la carga de producción desde su lanzamiento del 19 de mayo. Google confirmó sus cifras: 76,2 por ciento en Terminal-Bench 2.1 y 83,6 por ciento en MCP Atlas, corriendo cuatro veces más rápido que modelos comparables a 1,50 dólares por millón de tokens de entrada y 9 dólares de salida. La integración de Salesforce Agentforce, que salió en junio usando Flash, ilustra la economía: las plataformas de agentes empresariales hacen miles de llamadas por flujo, lo que vuelve esencial el costo de Flash y convierte el razonamiento profundo de Pro en un complemento, no en el modelo por defecto.

Análisis de Revenue Hub

Para un equipo comercial o de RevOps en Chile y Latinoamérica, la lección no es esperar a Gemini 3.5 Pro con ansiedad, sino entender la asimetría de riesgo. Tres de los eventos de modelos más observados de 2026 (GPT-5.6 Sol, Grok 4.5 y ahora Gemini 3.5 Pro) convergen en la misma semana, y la guerra de precios ya bajó el piso de valor. Eso significa que el costo por token de tus agentes de ventas, prospección o soporte va a seguir cayendo, no subiendo. La decisión inteligente no es comprometer tu stack con un modelo que aún no tiene ficha técnica pública.

La recomendación es concreta: los flujos de alto volumen y baja criticidad (secuencias de agentes, generación de contenido, calificación temprana de leads) deben correr hoy sobre modelos confirmados y baratos como Flash o sus equivalentes. Reserva la lista de espera de Gemini 3.5 Pro solo para cargas que realmente exijan razonamiento profundo multiarchivo o contexto largo verificado. Antes de migrar cualquier proceso a un modelo nuevo, exige lo que Google todavía no publica: la página de precios, la especificación real de contexto y los primeros benchmarks independientes de recuperación en contexto largo. Esa disciplina de "no me lo cuentes, muéstrame la ficha" es lo que separa a un stack de IA que escala de uno que colapsa en la primera factura sorpresa. Puedes seguir cómo evoluciona esta competencia de modelos en nuestra sección de IA para ventas y en el blog de Revenue Hub.