Google cambia cómo mide el uso de Gemini: ahora se cobra por complejidad, no por número de peticiones
Hecho Qué ha ocurrido
Google ha reformulado su sistema de medición de uso en Gemini AI, pasando de contar el número de solicitudes a medir la potencia computacional requerida por cada petición. Los usuarios de todos los planes (Free, Plus, Pro, Ultra) ahora pueden recibir menos respuestas si sus peticiones son más complejas, y los límites varían según el modelo elegido (Flash-Lite, Flash, Pro) y el nivel de "pensamiento" (Standard, Extended, Deep Think). Google indica que los límites pueden cambiar sin previo aviso según disponibilidad de recursos.
Resumen generado mediante IA a partir de Wired AI (original en inglés). Naturaleza de la información: hecho documentado.
Análisis Por qué importa
Para cualquier usuario o empresa que dependa de Gemini, este cambio afecta directamente la predictibilidad de su cuota mensual y el coste operativo: ya no es posible planificar basándose en reglas simples como "X generaciones diarias". Además, Google se reserva el derecho de reajustar límites dinámicamente, lo que introduce incertidumbre en la planificación de workflows de IA.
- Quién se ve afectado
- Usuarios de suscripciones Gemini (Plus, Pro, Ultra) y usuarios gratuitos; equipos de desarrollo y empresas que integran Gemini en aplicaciones; productores de contenido que usan generación de vídeo e imágenes.
- Qué puede cambiar
- La gestión de cuotas de IA se vuelve menos predecible y más dinámica. Las empresas deben transitar de "X usos al día" a "presupuesto de complejidad", requiriendo monitoreo activo del consumo. Los usuarios gratuitos serán los primeros afectados si Google necesita gestionar congestión.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Seguir si otros proveedores (OpenAI, Anthropic, Claude) adoptan modelos similares basados en complejidad computacional. Vigilar cambios en los precios de los planes y si Google introduce límites dinámicos más agresivos. Monitorear feedback de usuarios sobre predictibilidad y costes reales de uso en escenarios de producción.
Recomendación Qué debería hacer una empresa
Equipos con workflows de Gemini en producción deberían revisar y documentar en los próximos 2-4 semanas sus patrones actuales de uso (complejidad, frecuencia, modelos) mediante la sección Usage Limits para entender su coste real bajo el nuevo esquema y valorar si necesitan escalar de plan.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Fuente original: Wired AI. La referencia es siempre el artículo original.
Ver fuente original ↗Relacionadas
Lenovo apuesta por IA híbrida local con su asistente Qira en IFA 2026
En IFA de Berlín, Lenovo presentó su visión de IA centrada en Qira, un asistente personal que funciona a través de PC, móviles, tablets y el Moto Watch Ultra…
Por qué importaLa estrategia de Lenovo refleja una tendencia hacia modelos de IA local que priorizan privacidad y reducción de dependencia de la nube, algo…
Google y Cathay Pacific amplían pruebas de IA para evitar estelas de condensación
Google Research está ampliando con Cathay Pacific un programa piloto que usa IA, imágenes satelitales y datos meteorológicos para ajustar ligeramente la…
Por qué importaEs un ejemplo de aplicación de IA a un problema climático concreto en un sector con difícil descarbonización, usando infraestructura existente sin…
Gemini Spark de Google ya puede gestionar bibliotecas de Google Photos
Google anunció que su agente personal Gemini Spark puede ejecutar tareas en Google Photos, como editar imágenes, curar álbumes, crear álbumes compartidos…
Por qué importaEs un ejemplo más de cómo las grandes tecnológicas integran agentes de IA en servicios de consumo masivo, buscando justificar el valor de las…
Instagram etiqueta erróneamente fotos reales como contenido generado por IA
Usuarios de Instagram reportan que Meta está aplicando la etiqueta 'AI Content' a imágenes que no fueron creadas ni editadas con IA generativa, mientras…
Por qué importaEl fallo erosiona la confianza en los sistemas de etiquetado de IA de las grandes plataformas justo cuando la detección de contenido sintético se…