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

El fracaso que antecedió al lanzamiento de hoy no se anunció. Google guardó silencio sobre la primera versión de Gemini 3.5 Pro después de que 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 año no era lo suficientemente bueno para distribuirlo, así que no lo hizo.

La reconstrucción y lo que desbloqueó

Lo que se lanzó hoy es un modelo completamente diferente. El Gemini 3.5 Pro reconstruido abre 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 legal puede cargar una biblioteca completa de contratos, un año de presentaciones financieras y un archivo de correos electrónicos en una sola llamada a la API antes de hacer su primera pregunta. Un informe de 200.000 palabras que habría requerido dividirse 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 reemplaza en tareas de revisión de documentos.

El nivel de razonamiento premium, 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 pagarán el equivalente a una tarifa de licencia de software solo para acceder a ella.

La competencia que necesita superar

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 en benchmarks que rivalizan con Gemini 3.5 Pro en varias evaluaciones cara a cara. Fable 5 y GPT-5.6 Sol están ejecutando sus propias variantes de contexto extendido, aunque ambas permanecen en vista previa limitada. La respuesta de Google sobre el precio es que 2 millones de tokens permite cargas de trabajo que ninguna arquitectura competidora puede manejar sin una costosa orquestación de múltiples llamadas — la comparación de costos solo es válida si la tarea cabe en una ventana más corta.

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 precisión de recuperación de manera confiable a medida que aumenta la profundidad del documento — un modo de falla 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 cada equipo empresarial que invierta a $60 por millón responderá primero.

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