El 21 de julio de 2026, Google DeepMind presentó tres modelos nuevos de su familia Gemini. La prensa especializada se enfocó en lo que no llegó —el esperado modelo insignia Gemini 3.5 Pro sigue en pruebas con socios—, pero para una empresa que factura en pesos y cuida cada peso de su presupuesto de TI, la noticia relevante es otra: el costo de poner inteligencia artificial a trabajar en procesos reales volvió a bajar.
Qué anunció Google exactamente
Fueron tres modelos, cada uno con un propósito distinto:
- Gemini 3.6 Flash: el modelo “caballo de batalla”, pensado para programación, trabajo de conocimiento y tareas multimodales. Mantiene una ventana de contexto de 1 millón de tokens y su precio de salida bajó de 9 a 7.50 dólares por millón de tokens, mientras el de entrada se quedó en 1.50 dólares.
- Gemini 3.5 Flash-Lite: la capa económica de alto volumen, a 0.30 dólares de entrada y 2.50 de salida por millón de tokens, con una velocidad reportada de alrededor de 350 tokens de salida por segundo.
- Gemini 3.5 Flash Cyber: una variante especializada en detectar, validar y corregir vulnerabilidades de código. No es de acceso general: arranca como piloto limitado para gobiernos y socios de confianza.
Google además confirmó que ya comenzó el preentrenamiento de Gemini 4, lo que confirma el ritmo al que se mueve este mercado.
La rebaja real es mayor a la que se anuncia
Aquí está el detalle que se pierde en los titulares. El precio de salida bajó alrededor de 17%, pero Google también reporta que el modelo consume 17% menos tokens de salida para resolver la misma tarea, según el índice de Artificial Analysis. Es decir: pagas menos por token y gastas menos tokens. Las mediciones independientes citadas por la prensa técnica apuntan a una reducción cercana al 18% en el costo promedio por tarea.
Para dimensionarlo con un ejemplo ilustrativo: si tu empresa atiende 2,000 conversaciones al mes con un asistente que consume unos 4,000 tokens de entrada y 800 de salida por conversación, hablamos de aproximadamente 8 millones de tokens de entrada y 1.6 millones de salida. A las tarifas publicadas de 3.6 Flash, eso ronda los 24 dólares mensuales. Con Flash-Lite, para tareas simples de clasificación o extracción, la cifra baja aún más. Ese es el orden de magnitud del que estamos hablando: no de un proyecto corporativo de millones, sino de un gasto operativo comparable al de una licencia de software.
Por qué esto cambia el cálculo para una PyME
Durante tres años, la conversación sobre IA en las empresas medianas mexicanas chocaba siempre contra el mismo muro: el piloto funcionaba, pero al proyectar el volumen real de operación los números dejaban de cerrar. Esa barrera se está desmoronando por la vía menos glamorosa, la del precio por token.
Y no es casualidad que Google haya refrescado su gama económica antes que la premium. La mayor parte de los tokens que se consumen en producción no van a razonamiento de frontera: van a extracción de datos, clasificación de correos, resumen de documentos, ruteo de tickets y asistencia en código. Para todo eso, un modelo de gama media bien configurado es suficiente, y ahí es donde vive el trabajo cotidiano de una PyME.
México: preparación insuficiente, no falta de tecnología
El contexto local matiza el entusiasmo. Un informe reciente elaborado por Accenture junto con Empresas Globales e IPADE Business School, difundido en julio, ubica a México en el lugar 45 global en preparación empresarial para adoptar inteligencia artificial. El diagnóstico ya no es si la IA sirve, sino con qué velocidad y disciplina se implementa.
Traducido: la tecnología se abarató más rápido de lo que las organizaciones se prepararon para usarla. La brecha ya no es de presupuesto, es de procesos documentados, datos ordenados y gente capacitada. Esa es exactamente la parte que ningún proveedor te puede vender empaquetada.
Cómo aprovechar la baja de precios sin tropezar
- Revisa lo que ya estás pagando. Si tu empresa o tu proveedor de software ya consume una API de IA, verifica si sigue apuntando a un modelo de generación anterior. Migrar puede ser un cambio de una línea de configuración con ahorro inmediato.
- Segmenta por tarea. No todo necesita el modelo más capaz. Clasificar facturas, etiquetar correos o rutear tickets puede correr en la capa más barata; el análisis complejo, en la de gama media.
- Mide con tus propios datos. Los benchmarks públicos son evidencia direccional, no garantía. Arma un conjunto de 50 a 100 casos reales de tu operación y compara resultados antes de migrar.
- Empieza por un proceso aburrido. Conciliación de documentos, respuesta a cotizaciones repetidas, resúmenes de reportes. Ahí el retorno es medible y el riesgo bajo.
- No te cases con un solo proveedor. Que el modelo insignia de Google se haya retrasado mientras la competencia avanza es el mejor recordatorio: diseña tus integraciones para poder cambiar de modelo sin rehacer el sistema.
La lectura de fondo
Este anuncio no traerá titulares espectaculares, y precisamente por eso conviene leerlo con atención. La industria dejó de competir solo por capacidad y empezó a competir por economía de operación. Cada trimestre que pasa, el mismo caso de uso cuesta menos y la excusa del presupuesto pierde fuerza.
En EDISAS llevamos treinta años acompañando a empresas de Sinaloa y del país en decisiones tecnológicas que deben sostenerse en el tiempo, no solo en la demo. Si tu empresa está evaluando dónde encaja la IA en su operación —o si ya la usa y sospecha que está pagando de más—, este es un buen momento para sentarse a revisar los números.
Fuentes
- Google releases three new Gemini models — but no 3.5 Pro — TechCrunch
- Google launches Gemini 3.6 Flash and 3.5 Flash-Lite, teases Gemini 4 — 9to5Google
- Google Launches Gemini 3.6 Flash and Cybersecurity Model for Enterprise AI — eWeek
- México ocupa el lugar 45 en preparación de IA en empresas, revela informe — La Jornada
- La inteligencia artificial redefine la competencia global — México Industry
