Google DeepMind lanza Gemini 3.5 Flash, modelo agéntico de alto rendimiento y velocidad
Hecho Qué ha ocurrido
Google DeepMind presenta Gemini 3.5, comenzando con el modelo Flash, orientado a tareas agénticas complejas y codificación. Según DeepMind, supera a Gemini 3.1 Pro en benchmarks como Terminal-Bench 2.1 (76.2%), GDPval-AA (1656 Elo) y MCP Atlas (83.6%), y es hasta 4 veces más rápido que otros modelos frontera en tokens por segundo. Empresas como Shopify, Macquarie Bank, Salesforce, Ramp, Xero y Databricks ya lo están integrando en flujos de trabajo reales. El modelo está disponible en Google Antigravity, AI Studio, Gemini Enterprise y como modelo por defecto en la app Gemini y AI Mode en Search; Gemini 3.5 Pro llegará el próximo mes.
Resumen generado mediante IA a partir de Google DeepMind (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Combina inteligencia de frontera con velocidad y menor coste, lo que facilita el despliegue de agentes autónomos en tareas empresariales de larga duración como auditoría, onboarding de clientes o gestión de datos.
- Quién se ve afectado
- Empresas de tecnología financiera, banca, desarrollo de software, equipos de datos y cualquier organización que busque automatizar flujos de trabajo complejos con agentes de IA.
- Qué puede cambiar
- Los casos de uso citados (Salesforce, Macquarie, Xero, Databricks) sugieren que tareas que antes tomaban días o semanas de trabajo humano podrían automatizarse parcialmente con subagentes coordinados.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Vigilar la adopción real más allá de los pilotos anunciados, el lanzamiento de Gemini 3.5 Pro el próximo mes, y cómo responden competidores como OpenAI con sus propios modelos agénticos.
Recomendación Qué debería hacer una empresa
Evaluar en los próximos 3-6 meses pilotos de Gemini 3.5 Flash para automatización de flujos documentales o de codificación, comparando coste y latencia frente a modelos frontera alternativos.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Fuente original: Google DeepMind (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗LLMagentesmultimodalcoding agentes de IAcodificación con IAGemini 3.5Google DeepMind
Tu opinión
0 comentarios
Relacionadas
GPT-6 Astra de OpenAI ya está disponible en Amazon Bedrock
OpenAI y AWS anunciaron la disponibilidad general de GPT-6 Astra en Amazon Bedrock, con contexto de hasta 1 millón de tokens y capacidades de uso de navegador…
Por qué importaEs la incorporación de un modelo frontier de OpenAI con capacidades avanzadas de razonamiento y agentic dentro de la infraestructura de seguridad y…
Meta lanza Muse, un agente de IA personal con arquitectura de privacidad Secure VM
Meta anunció el lanzamiento de Muse, un agente de IA personal disponible en apps para iOS y Android, web y WhatsApp, capaz de automatizar tareas como reservar…
Por qué importaMeta entra tarde pero con fuerza en la carrera de agentes personales de IA, apostando por la seguridad y privacidad como diferenciador frente a…
Meta lanza Muse, un asistente personal de IA para tareas cotidianas en EEUU
Meta ha lanzado Muse, un agente de IA para mayores de 18 años que ayuda a organizar horarios, hacer compras y planificar objetivos a largo plazo. Funciona en…
Por qué importaEs un paso más de Meta hacia agentes autónomos capaces de ejecutar tareas reales, en un contexto de fuerte presión inversora por el gasto en IA…
Meta lanza Muse, un agente personal de IA con arquitectura de VM segura dedicada
Meta presentó Muse, un agente de IA personal que ejecuta tareas como reservar viajes, comprar, negociar y gestionar objetivos a largo plazo. Funciona sobre…
Por qué importaEs un movimiento estratégico de Meta hacia agentes autónomos que actúan en nombre del usuario en tareas cotidianas y transacciones económicas…