Ciencia y Tecnología
Google lanza los modelos Gemini 3.8 Flash y Flash Cyber
Google presentó los modelos Gemini 3.8 Flash y Flash Cyber, mejorando capacidades en programación y análisis de ciberseguridad, solo semanas después de la versión anterior.

El 2 de septiembre, Google presentó Gemini 3.8 Flash, junto con una versión cerrada llamada Gemini 3.8 Flash Cyber. Estos nuevos modelos suceden a Gemini 3.7 Flash, lanzado tres semanas antes, y forman parte de una serie acelerada de actualizaciones en un corto período.
Gemini 3.8 Flash está diseñado para mejorar el rendimiento en tareas de programación, operación de agentes autónomos y escenarios de razonamiento complejo. Se dice que esta iteración es más capaz que las versiones anteriores, lo que indica avances en las funcionalidades de procesamiento de IA.
La variante Flash Cyber se centra específicamente en la identificación de vulnerabilidades de seguridad, en línea con una nueva iniciativa destinada a mejorar las medidas de ciberseguridad. La introducción de este modelo señala el compromiso de Google por mantenerse competitivo en el paisaje de seguridad impulsado por la IA.

Los precios para Gemini 3.8 Flash se fijan en $0.75 por cada millón de tokens de entrada, el mismo que su predecesor. Esta estrategia de precios es aplicable hasta finales de 2026, manteniendo la consistencia a medida que los modelos evolucionan.
Los benchmarks sugieren que Gemini 3.8 Flash ha mejorado sus métricas de rendimiento, no solo alcanzando a competidores como Opus 5, sino también estableciendo una base para características avanzadas en diversas aplicaciones. Pruebas internas realizadas supuestamente muestran progreso frente a otros modelos establecidos en el segmento de la codificación.
Con este lanzamiento, la línea Flash de Google ha visto tres actualizaciones significativas en seis semanas, ilustrando el rápido ciclo de desarrollo de la compañía en el dominio de la IA. A medida que Gemini 3.8 Flash interactúa con tareas basadas en agentes y escenarios complejos de múltiples pasos, busca redefinir la eficiencia y la capacidad en las aplicaciones de IA.