Google lanza Gemini 3.7 Flash, su modelo para código y agentes, a la mitad del precio

Google presentó el jueves 13 de agosto de 2026 Gemini 3.7 Flash, al que describe como su modelo de trabajo diario más inteligente hasta ahora para programación y agentes. El lanzamiento llega apenas tres semanas después de Gemini 3.6 Flash y, según la compañía, es resultado directo de la retroalimentación de desarrolladores y de mejoras algorítmicas que Google planea llevar a modelos futuros. El anuncio lo firma Tulsee Doshi, directora senior de gestión de producto, en representación del equipo de Gemini.

El dato que ordena la noticia es el precio. Gemini 3.7 Flash se ofrece con un precio introductorio de 0,75 dólares por millón de tokens de entrada y 3,75 dólares por millón de tokens de salida, exactamente la mitad de lo que costaba 3.6 Flash. Ese precio rige hasta el 31 de diciembre de 2026; a partir del 1 de enero de 2027 sube a 1,50 y 7,50 dólares respectivamente.

¿Qué mejoró Gemini 3.7 Flash frente a 3.6 Flash?

Google publicó comparaciones directas contra su modelo anterior en cinco frentes. En generación de código listo para producción, 3.7 Flash marca 43,6% en FrontierCode 1.1 Main contra 34,4% de 3.6 Flash. En ingeniería de software de horizonte largo, la brecha es mayor: 65,3% en DeepSWE v1.1 contra 49,0%.

• Desarrollo web: 1.588 puntos Elo en WebDev Arena de Arena.ai, contra 1.538 del modelo previo.
• Comprensión de documentos complejos: 34,0% en el benchmark GDP.pdf, contra 22,0%.
• Automatización de flujos de trabajo reales: 30,4% en AutomationBench de Zapier, contra 17,0%.

El salto en AutomationBench es el más relevante para equipos comerciales y de operaciones, porque mide la capacidad del modelo de completar procesos de negocio reales de punta a punta, no de resolver acertijos de programación. Casi duplicar ese número en tres semanas cambia el cálculo de qué tareas conviene delegar a un agente.

¿Cómo cambia el trabajo del desarrollador?

Google sostiene que 3.7 Flash se adapta mejor a los obstáculos, pide aclaraciones cuando la instrucción es ambigua y sigue las indicaciones con mayor fidelidad. También dedica más esfuerzo a la planificación de varios pasos y a las llamadas a herramientas, lo que en la práctica se traduce en menos supervisión manual y menos reintentos. Entre los clientes que Google cita con testimonios tempranos aparecen Box, Harvey, Hebbia, LangChain, Pydantic, Browser Use y el Departamento de Biología de Stanford.

¿Dónde se puede usar hoy en Chile y Latinoamérica?

El modelo quedó disponible el mismo día por tres vías. Los desarrolladores pueden usarlo en Google Antigravity y en la API de Gemini vía Google AI Studio y Android Studio. Las empresas acceden a través de Gemini Enterprise Agent Platform y de la aplicación Gemini Enterprise. Para usuarios individuales, Gemini Spark, el agente personal que corre de forma permanente y está disponible para suscriptores de Google AI Pro y Ultra en más de 160 países, pasó a usar 3.7 Flash desde el mismo 13 de agosto.

Esa disponibilidad vía API y vía Google Cloud significa que un equipo en Santiago, Bogotá o Ciudad de México puede probarlo hoy sin esperar despliegues regionales, que es donde históricamente Latinoamérica quedaba rezagada frente a Estados Unidos y Europa.

¿Qué hay del lado de seguridad?

Google indica que 3.7 Flash sale con salvaguardas actualizadas contra usos indebidos en los dominios químico, biológico, radiológico y nuclear, y en ofensiva cibernética, bajo su marco de Frontier Safety. La ficha técnica completa del modelo está publicada en el sitio de Google DeepMind.

Análisis de Revenue Hub

Lo importante acá no es el benchmark, es la cadencia. Tres semanas entre 3.6 Flash y 3.7 Flash, con el doble de rendimiento en automatización de flujos y la mitad del precio, define el ritmo real al que se mueve la capa de modelos. Para un líder comercial en Chile o Latinoamérica esto tiene una lectura concreta: cualquier caso de negocio que hoy no cierra por costo de tokens probablemente cierre en el próximo trimestre sin que tú hagas nada. El error caro es dimensionar una iniciativa de agentes con los precios de hoy y descartarla por margen.

La decisión que esto obliga a tomar es de arquitectura, no de proveedor. Si tu stack comercial amarró la lógica de negocio a un modelo específico, cada rebaja de precio te obliga a un proyecto de migración. Si en cambio pusiste una capa de orquestación por delante, cambiar de modelo es un ajuste de configuración. Con el precio introductorio venciendo el 31 de diciembre de 2026 y volviendo al doble en enero, esa flexibilidad deja de ser elegancia técnica y pasa a ser una línea del presupuesto.

El riesgo del otro lado es igual de real: perseguir cada modelo nuevo consume tiempo del equipo y nunca acumula. La postura sensata es fijar dos o tres casos de uso con métrica dura, medirlos contra el modelo que ya tienes en producción y reevaluar por calendario, no por titular. Puedes seguir cómo evoluciona esto en nuestra sección de IA en ventas y revisar los marcos de implementación en el blog de Revenue Hub.