Gemini 3.6 Flash, 3.5 Flash-Lite y 3.5 Flash Cyber

Artículo original ↗ Discusión en Hacker News ↗

El lanzamiento de los modelos Gemini 3.6 Flash y 3.5 Flash-Lite de Google se percibe como una mejora modesta, centrada en la velocidad, más que como un avance de frontera, y muchos señalan que su rendimiento está aproximadamente a la par de rivales populares como GLM 5.2, aunque a menudo con un precio más alto. Los comentaristas destacan que los niveles Flash y Flash-Lite pueden ser muy eficaces para cargas multimodales o agénticas baratas y de alto volumen, pero expresan frustración por las frecuentes deprecaciones de modelos de Google, la pila de productos confusa y los costes crecientes que hacen arriesgada la dependencia a largo plazo. La ausencia de un nuevo modelo “Pro” o de frontera competitivo, junto con ofertas abiertas y chinas más fuertes, alimenta la preocupación de que Google esté cediendo el extremo alto del mercado de IA incluso mientras apuesta por modelos rápidos y escalables para su propio ecosistema y búsqueda.

Sentimiento general

  • Muchos ven el lanzamiento como incremental y como una “prueba de vida” más que como un avance de frontera.
  • A algunos les impresionan la velocidad y la utilidad práctica; otros lo consideran decepcionante frente a los modelos recientes de EE. UU. y China.
  • La decepción se amplifica por la continua ausencia de Gemini 3.5 Pro / modelos de frontera.

Benchmarks e inteligencia

  • Los benchmarks en la publicación de Google son criticados por compararse sobre todo consigo mismos (contra Gemini anteriores) en lugar de contra Fable, GPT-5.6, GLM 5.2, DeepSeek, Kimi, etc.
  • Artificial Analysis y otros benchmarks personalizados suelen situar a 3.6 Flash en el territorio de Sonnet-5-High / Opus-4.8-Medium, aproximadamente comparable con GLM-5.2, por debajo de los modelos de frontera más punteros.
  • Algunos bancos de pruebas independientes y tests del estilo “pelican/MacBook SVG” encuentran que 3.6 Flash es sorprendentemente sólido; otros dicen que en general iguala a 3.5 Flash, solo que intercambiando fortalezas.

Velocidad, eficiencia de tokens y precio

  • 3.6 Flash se describe repetidamente como “muy rápido”, a veces el modelo más rápido en ciertos rankings.
  • Google afirma una mayor eficiencia de tokens y un menor coste por tarea frente a 3.5; los propios benchmarks de varios usuarios encuentran que es menos eficiente en tokens, así que los costes reales pueden ser iguales o superiores.
  • Los precios de Flash-Lite han aumentado bruscamente generación tras generación; quienes ejecutan cargas sensibles al precio o de alto volumen sienten que los están “hirviendo” a medida que se deprecian modelos antiguos y más baratos.
  • Varios comentarios sostienen que las comparaciones simples de $/token son engañosas; importan el “coste por tarea” y la verbosidad.

Fortalezas y uso real

  • Flash/Flash-Lite son elogiados por:
    • Baja latencia y uso de herramientas estable y predecible en agentes de larga duración.
    • Buen rendimiento multimodal, especialmente para comprensión de imágenes y corrección de textos no ingleses.
    • Alto valor para tareas baratas de clasificación, extracción y procesamiento de documentos.
  • Algunos prefieren Gemini para tareas de “búscame esto en Google” / conocimiento por su integración con Search y Knowledge Graph.

Debilidades y regresiones

  • La programación y la programación agéntica se consideran los puntos débiles de Gemini; varios informan que 3.6/3.5 Flash o 3.5 Flash-Lite rompen flujos de trabajo existentes de llamadas a herramientas o producen código frágil.
  • Muchos dicen que Claude/Codex/otras herramientas siguen siendo claramente superiores para trabajo serio de programación.

Producto, ecosistema y confianza

  • Fuerte crítica a:
    • Branding confuso (Flash vs Flash-Lite vs Nano, variantes de Antigravity, consumidor vs Workspace vs empresa).
    • Deprecaciones abruptas y cambios de precios que rompen flujos de trabajo en producción.
    • Herramientas para desarrolladores débiles o incómodas (especialmente Antigravity y la pérdida del CLI anterior).
  • Algunas empresas siguen eligiendo Gemini por cumplimiento, geografía y la comodidad de un “gran proveedor”, pese a las desventajas técnicas.

Competencia y estrategia

  • Existe una fuerte sensación de que Google está cediendo el liderazgo de frontera a OpenAI/Anthropic y, cada vez más, a laboratorios chinos de pesos abiertos.
  • Una hipótesis común: Google está optimizando modelos baratos y rápidos para impulsar Search y funciones de consumo a gran escala, no para ganar benchmarks de programación/frontera.