2 millones de tokens: por qué Google tuvo que reconstruir Gemini 3.5 Pro desde cero

El fracaso que precedió al lanzamiento de hoy no se anunció. Google aparcó discretamente la primera versión de Gemini 3.5 Pro después de que las evaluaciones internas revelaran deficiencias críticas: bajo rendimiento en razonamiento matemático, generación de SVG defectuosa y calidad de imagen inconsistente. El modelo que había previsto lanzar a principios de este año no era lo suficientemente bueno para salir al mercado, así que no lo hizo.

La reconstrucción y lo que desbloqueó

Lo que se lanzó hoy es un modelo completamente diferente. El reconstruido Gemini 3.5 Pro arranca con una ventana de contexto de 2 millones de tokens, el doble de la capacidad del límite de 1 millón de Gemini 2.5 Pro, lo que significa que un equipo jurídico puede volcar una biblioteca entera de contratos, un año de presentaciones financieras y un archivo completo de correos electrónicos en una sola llamada API antes de hacer su primera pregunta. Un informe de 200.000 palabras que habría requerido fragmentarse en tres llamadas separadas ahora cabe en el contexto con espacio de sobra.

Esa ventana viene con una estructura de precios diseñada para el consumo empresarial: 15 $ por millón de tokens de entrada, 60 $ por millón de tokens de salida. Generar un análisis de 10.000 palabras a partir de un corpus documental de 500.000 palabras cuesta aproximadamente 37 $ — dinero real, pero por debajo de la tarifa por hora del analista junior al que sustituye en tareas de revisión de documentos.

El nivel premium de razonamiento, llamado Deep Think, se encuentra detrás de una suscripción Ultra de 250 $ al mes. Esa decisión de precios traza una línea: los usuarios estándar de la API obtienen un modelo generalista capaz; la versión de razonamiento más potente permanece aislada de los desarrolladores individuales que no paguen el equivalente de una tarifa de licencia de software solo para acceder a ella.

La competencia a la que debe adelantarse

DeepSeek V4-Pro se lanzó en junio a 0,87 $ por millón de tokens de salida, aproximadamente 69 veces más barato en esa métrica, con puntuaciones de referencia que rivalizan con Gemini 3.5 Pro en varias evaluaciones cara a cara. Fable 5 y GPT-5.6 Sol están ejecutando variantes de contexto extendido propias, aunque ambas permanecen en vista previa limitada. La respuesta de Google sobre los precios es que 2 millones de tokens permiten cargas de trabajo que ninguna arquitectura competidora puede manejar sin una costosa orquestación de múltiples llamadas: la comparación de costes solo se sostiene si la tarea cabe en una ventana más corta.

Todavía no se ha publicado ninguna evaluación independiente de Gemini 3.5 Pro a la escala de 2 millones de tokens. Los modelos de contexto largo pierden sistemáticamente precisión de recuperación a medida que aumenta la profundidad del documento, un modo de fallo conocido en versiones anteriores de Gemini. Google pasó un año reconstruyendo el modelo. Si ese año solucionó el problema a escala es la pregunta que responderá primero cada equipo empresarial que compre a 60 $ por millón.

Etiquetas: inteligencia artificial, Google, Gemini, DeepSeek, modelos de IA, Aprendizaje Automático