Gemini 3.7 Flash, el modelo de Google DeepMind en cifras

Gemini 3.7 Flash en breve

Google DeepMind publicó Gemini 3.7 Flash el 13 de agosto de 2026. Dispone de un modo de razonamiento: puede «pensar» antes de responder, lo que ayuda en problemas de varios pasos pero consume más tokens y, por tanto, más dinero. Sus pesos no están publicados: solo funciona en remoto, mediante la API de Google DeepMind o de proveedores asociados (31 listados en models.dev). Tiene, por tanto, 2 meses a 22 de octubre de 2026.

Lo clasificamos entre los modelos punteros (24 modelos de esta categoría en el sitio).

¿Cuánto cuesta Gemini 3.7 Flash?

Gemini 3.7 Flash cuesta 0,75 US$ por millón de tokens de entrada y 3,75 US$ por millón de tokens de salida (tarifa del fabricante, consulta del 22 de octubre de 2026).

En la práctica, una tarea de agente que lee 20 000 tokens y escribe 2000 cuesta unos 0,023 US$, es decir, 22,5 US$ por 1000 tareas de este tipo.

Es 3,9 veces más barato que el precio de salida mediano de los modelos punteros (14,5 US$).

Los tokens leídos desde la caché cuestan 0,075 US$ por millón: útil para un agente que reenvía a menudo el mismo contexto.

Para estimar su propio presupuesto, use la calculadora de coste de un agente.

Resultados en benchmarks

Según los resultados publicados por Epoch AI (consulta del 22 de octubre de 2026), Gemini 3.7 Flash obtiene un índice de capacidad de 85,9 sobre 100, calculado con 5 pruebas de nuestra cesta.

Eso lo sitúa en el puesto 17.º de nuestro ranking semanal de modelos.

• GPQA Diamond (preguntas de ciencias de nivel doctorado): 94,8 % — el mejor modelo seguido, Gemini 4 Argon, alcanza 96,4 %
• OTIS Mock AIME (problemas de matemáticas de competición): 97,2 % — el mejor modelo seguido, GPT-5.5 Pro, alcanza 100 %
• FrontierMath (matemáticas de investigación muy difíciles): 71,6 % — el mejor modelo seguido, GPT-6 Astra, alcanza 93,7 %
• FrontierCode (tareas de programación avanzadas): 43,6 % — el mejor modelo seguido, Claude Opus 5.5, alcanza 54,6 %

Contexto y capacidades

Su ventana de contexto alcanza 1.048.576 tokens, unas 1573 páginas de texto a 500 palabras por página: suficiente para cargar un libro entero o una base de código mediana. Una respuesta puede llegar a 65.536 tokens.

Acepta como entrada: texto, imagen, vídeo, audio y PDF. Sus conocimientos llegan hasta marzo de 2026: más allá, necesita búsqueda web o sus documentos.

Sabe llamar a herramientas (funciones, API) y devolver una salida estructurada en JSON, lo que lo convierte en una posible base para un agente de IA.

¿A quién va dirigido?

Por su categoría, Gemini 3.7 Flash está pensado sobre todo para las tareas difíciles en las que la calidad importa más que el coste: razonamiento profundo, código complejo, análisis largos.

Su resultado en FrontierCode (43,6 %, por encima de la mediana de los modelos seguidos) lo convierte en un candidato serio para agentes de programación.

Su enorme ventana de contexto lo hace interesante para analizar grandes volúmenes de documentos en una sola petición.

Antes de adoptarlo, pruébelo con sus propios ejemplos: los benchmarks miden tareas estándar, no su oficio.

Modelos comparables

En la misma categoría, los modelos más cercanos a Gemini 3.7 Flash son:

• Grok 4.6 (xAI, índice 86,1)
• GPT-5.6 Terra (OpenAI, índice 85,7)
• Qwen3.7 Max (Alibaba Cloud (Qwen), índice 86,6)
• Gemini 3 Pro Preview (Google DeepMind, índice 87)