Google estrena Gemini 3.7 Flash a mitad de precio hasta el 31 de diciembre: el 1 de enero cuesta el doble

Google ha presentado Gemini 3.7 Flash, la nueva versión de su modelo de trabajo diario, el que está pensado para tareas de volumen: programar, mover agentes y procesar documentos. Las mejoras que publica son grandes y en algunos casos duplican a la versión anterior.

Y viene con una condición temporal que conviene apuntar en el calendario: hasta el 31 de diciembre de 2026 cuesta 0,75 dólares por millón de tokens de entrada y 3,75 por millón de salida. El 1 de enero de 2027 pasa a 1,50 y 7,50. El doble.

No es una subida encubierta, y hay que decirlo: 1,50 y 7,50 es exactamente lo que costaba Gemini 3.6 Flash cuando salió. Lo que Google está haciendo es regalar cuatro meses y medio a mitad de tarifa para que la gente mueva sus cargas de trabajo a la versión nueva. Pero si haces números con el precio de hoy para decidir si te sale a cuenta, estás haciendo números con un precio que caduca.

Lo que ha mejorado

Estas son las cifras que publica Google comparando 3.7 Flash con 3.6 Flash:

Prueba	Qué mide	3.6 Flash	3.7 Flash
FrontierCode 1.1	Calidad de código de producción	34,4%	43,6%
DeepSWE v1.1	Tareas largas de ingeniería	49,0%	65,3%
GDP.pdf	Comprensión de documentos	22,0%	34,0%
AutomationBench	Automatización de tareas de empresa	17,0%	30,4%

En desarrollo web declara además una puntuación Elo de 1.588 en la arena de Arena.ai, que es una comparación por votos humanos entre resultados de distintos modelos.

Los dos números que a mí me parecen más relevantes para quien no programa son los dos últimos. Comprensión de documentos pasa del 22% al 34% y automatización de tareas de empresa del 17% al 30%. Son mejoras enormes en porcentaje, sí, pero fíjate en el nivel absoluto: un 30% de acierto en automatizar tareas de negocio significa que dos de cada tres siguen saliendo mal. Es un modelo mucho mejor que el anterior en algo que todavía no está resuelto.

Ese matiz es el que se pierde en los titulares y el que evita disgustos. Si estabas esperando a que un modelo barato pudiera encargarse solo de tus procesos, esto no es todavía. Es un peldaño.

Google también destaca mejoras menos medibles pero que se notan al usarlo: se atasca menos cuando encuentra un obstáculo, pregunta cuando la petición es ambigua en vez de inventarse la intención, y sigue mejor las instrucciones.

Dónde se puede usar

Está disponible en Google AI Studio, Android Studio, Google Antigravity, Gemini Enterprise y Gemini Spark para los suscriptores de los planes Pro y Ultra, en más de 160 países. España incluida, por si te lo preguntabas.

Un apunte de rigor: el anuncio no especifica la ventana de contexto, así que no la doy. Si tu caso depende de meter documentos muy largos en una sola petición, compruébalo en la documentación técnica antes de comprometerte, porque es justo el dato que suele diferenciar a las versiones Flash de las grandes.

Qué hacer con la ventana de cuatro meses

Aquí es donde esto deja de ser una nota de producto. Si usas la API de un modelo para algo que factura, tienes hasta fin de año con la tarifa a la mitad, y hay dos formas de aprovecharlo.

La mala: montar ahora un servicio cuyos números solo cuadran a 0,75 dólares el millón. En enero, el margen desaparece.

La buena: usar estos meses para medir. Haz la prueba con tu caso real, apunta cuántos tokens consumes de verdad al mes y calcula el coste con la tarifa de enero, no con la de agosto. Si a 1,50 sigue saliendo, tienes un proveedor. Si solo sale a 0,75, lo que tienes es una promoción.

Y compara. Esta misma semana DeepSeek ha dejado su modelo tope en 0,435 dólares de entrada con un millón de tokens de contexto, y lo conté en DeepSeek V4 Pro a 0,44 dólares el millón. Son productos distintos y con implicaciones de datos distintas —uno es europeo por infraestructura de Google, el otro no—, pero la diferencia de precio es lo bastante grande como para que merezca la pena hacer el cálculo en vez de elegir por costumbre. Si no tienes claro cómo se cuentan estos costes, lo desmenucé en qué son las APIs de IA.

Contexto: qué es un modelo "Flash" y por qué importa este y no el grande

Cada laboratorio tiene dos clases de modelo. El grande, que es el que sale en los titulares y gana las comparativas, y el rápido y barato, que es el que de verdad mueve el trabajo del mundo.

El motivo es puro coste. Un asistente de atención al cliente que atiende dos mil consultas al día, un clasificador de correo, un extractor de datos de facturas: eso no se ejecuta con el modelo caro porque la factura sería absurda. Se ejecuta con el barato. Por eso una mejora en la gama Flash cambia más cosas en el mundo real que una mejora en la gama alta: sube el suelo de lo que es económicamente viable automatizar.

Y por eso el detalle del precio no es un apunte contable al final del artículo. Cuando el suelo de capacidad sube y el precio baja a la mitad, hay tareas que pasan de "no compensa" a "compensa". Cuando el precio vuelve a subir en enero, algunas vuelven atrás. La pregunta útil no es cuánto ha mejorado el modelo, sino cuáles de tus tareas cruzan la línea con los números de enero.

Si quieres el resto de la familia y las diferencias entre versiones, lo tengo ordenado en Google Gemini: novedades, y la comparación de frente con su rival directo, en Gemini vs ChatGPT.

Fuentes: el anuncio oficial de Google, la cobertura de VentureBeat sobre el descuento de estreno y el desglose de MarkTechPost.