El 21 de julio de 2026, Google presentó Gemini 3.6 Flash, acompañado de Gemini 3.5 Flash-Lite y de una versión especializada en ciberseguridad denominada Gemini 3.5 Flash Cyber. El protagonista principal es, sin embargo, 3.6 Flash: el nuevo modelo generalista de alto rendimiento con el que Google pretende encontrar el equilibrio entre inteligencia, velocidad y coste.

No estamos ante el modelo más grande ni ante el equivalente directo de una versión «Pro». La filosofía Flash es diferente: ofrecer suficiente capacidad para resolver tareas complejas, pero con una latencia y un precio que permitan utilizarlo de forma repetida, integrarlo en aplicaciones y desplegar sistemas capaces de ejecutar flujos de trabajo completos.

Dicho de otra manera: quizá no sea el modelo que escogeríamos para mantener una discusión filosófica de tres horas sobre la naturaleza de la consciencia artificial, pero sí podría ser el que queramos procesando centenares de informes microbiológicos cada mañana.

¿Qué aporta Gemini 3.6 Flash?

Google define Gemini 3.6 Flash como su nuevo modelo de batalla —workhorse model— para programación, trabajo basado en conocimiento y tareas multimodales. Según los datos publicados por la compañía, utiliza un 17 % menos de tokens de salida que Gemini 3.5 Flash en el Artificial Analysis Index, realizando además menos pasos de razonamiento y llamadas a herramientas en determinadas tareas con múltiples etapas.

Esto es más importante de lo que podría parecer. En los sistemas de inteligencia artificial desplegados a escala, la eficiencia no depende únicamente de que el modelo responda rápido. También importa:

Cuántos tokens necesita para llegar a una respuesta. Cuántas veces consulta una herramienta externa. Cuántos pasos intermedios ejecuta. Cuánto cuesta completar el proceso entero. Si puede mantener el contexto durante tareas prolongadas.

Google asegura que 3.6 Flash mejora especialmente en programación, análisis de conocimiento, uso de interfaces y comprensión de contextos extensos. En sus evaluaciones, alcanzó un 91,8 % en la prueba de contexto largo GDM-MRCR con 128.000 tokens y un 54 % cuando la longitud aumentó hasta un millón de tokens, frente al 26,6 % obtenido por 3.5 Flash en esta última configuración.

Especificaciones principales Característica Gemini 3.6 Flash Ventana de contexto de entrada 1 millón de tokens Salida máxima 64.000 tokens Entradas admitidas Texto, imágenes, vídeo, audio y PDF Salida Texto Uso de herramientas Function calling, búsqueda y control del ordenador Precio de entrada mediante API 1,50 dólares por millón de tokens Precio de salida mediante API 7,50 dólares por millón de tokens Estado Disponibilidad general

Está disponible en la aplicación Gemini, Google AI Studio, Gemini API, Gemini Enterprise y la plataforma de desarrollo agéntico Google Antigravity.

La verdadera novedad no es que responda mejor, sino que pueda trabajar más

Los modelos Flash siempre han priorizado la velocidad. La diferencia es que Gemini 3.6 Flash parece avanzar hacia algo más ambicioso: convertirse en el motor de agentes capaces de completar procesos con múltiples etapas.

Un agente no se limita a responder una pregunta. Puede recibir un objetivo, consultar documentos, utilizar un buscador, ejecutar código, interactuar con una aplicación, revisar el resultado y corregirse antes de entregar una respuesta.

En el ámbito de las Enfermedades Infecciosas y la Microbiología Clínica, este planteamiento resulta especialmente atractivo. Buena parte de nuestro trabajo consiste precisamente en integrar fuentes heterogéneas:

Resultados microbiológicos. Información clínica. Tratamientos antimicrobianos. Protocolos locales. Estudios científicos. Alertas epidemiológicas. Datos de secuenciación. Documentos administrativos y regulatorios.

La posibilidad de introducir texto, PDF, imágenes, audio y vídeo dentro de una misma ventana de contexto facilita la creación de asistentes que comprendan un episodio completo, en lugar de analizar cada archivo de forma aislada. Esta es una posible aplicación inferida de sus capacidades multimodales y de contexto largo; Google no ha presentado Gemini 3.6 Flash como un producto sanitario ni ha publicado una validación clínica específica.

Aplicaciones en Enfermedades Infecciosas y Microbiología Clínica 1. Vigilancia epidemiológica automatizada

Un agente basado en Gemini 3.6 Flash podría revisar diariamente boletines de la OMS, ECDC, ministerios de sanidad y agencias nacionales, identificar actualizaciones relevantes y generar un briefing estructurado.

El modelo podría:

Buscar nuevas publicaciones. Compararlas con alertas previas. Detectar cambios epidemiológicos. Extraer cifras, localizaciones y fechas. Priorizar los eventos según criterios predefinidos. Redactar un resumen con sus fuentes.

La reducción del uso de tokens y de llamadas innecesarias a herramientas puede ser particularmente relevante en este tipo de procesos recurrentes, donde el coste debe multiplicarse por cientos o miles de ejecuciones.

2. Revisión de historias clínicas extensas

Una ventana de contexto de un millón de tokens permite incorporar informes de hospitalización, analíticas, microbiología, pruebas de imagen transcritas y tratamientos acumulados durante meses o años.

Esto podría facilitar tareas como:

Construir una cronología de bacteriemias. Detectar cambios repetidos de antibioterapia. Identificar cultivos persistentemente positivos. Resumir episodios previos de infección protésica. Comparar tratamientos administrados con un protocolo local. Preparar un resumen clínico para una sesión multidisciplinar.

El valor no estaría necesariamente en formular un diagnóstico autónomo, sino en reducir el trabajo mecánico necesario para reconstruir la historia del paciente.

3. Apoyo al análisis de brotes

Las mejoras en programación y tareas de larga duración pueden resultar útiles para procesar datos epidemiológicos y genómicos.

Un agente podría recibir una tabla de casos, resultados de PCR, tipado molecular, distancias de SNP o alelos de cgMLST y:

Comprobar inconsistencias. Generar scripts de análisis. Construir curvas epidémicas. Detectar duplicados. Proponer definiciones operativas de caso. Preparar tablas para una publicación. Redactar una primera versión de los métodos y resultados.

Esto no sustituye la interpretación epidemiológica ni bioinformática, pero puede acelerar considerablemente la preparación, revisión y documentación del análisis.

4. PROA y optimización de tratamientos

Integrado con reglas explícitas y fuentes locales, Gemini 3.6 Flash podría ayudar a identificar tratamientos que requieren revisión:

Antibioterapia de duración excesiva. Discordancia entre aislamiento y tratamiento. Duplicidades de cobertura. Necesidad de ajuste renal. Posible desescalada. Ausencia de toma de muestras recomendadas. Candidaturas a tratamiento secuencial oral.

Aquí resulta esencial distinguir entre un modelo que redacta recomendaciones y un sistema clínico verdaderamente validado. Para trabajar con seguridad, las reglas deterministas, los datos estructurados y la trazabilidad de las fuentes deberían tener tanto peso como el propio modelo lingüístico.

5. Generación de material docente

Flash también puede ser especialmente útil para crear contenidos educativos a escala:

Casos clínicos interactivos. Preguntas de respuesta múltiple. Simulaciones de sesiones clínicas. Explicaciones adaptadas al nivel de residentes o especialistas. Pacientes virtuales que responden dinámicamente. Retroalimentación personalizada sobre errores de razonamiento.

Su capacidad para combinar rapidez y razonamiento permitiría generar experiencias educativas en tiempo real, en lugar de limitarse a producir documentos estáticos.

Por ejemplo, podría actuar como un paciente con fiebre tras un viaje, ofrecer únicamente la información que el alumnado solicite y modificar la evolución clínica según las decisiones diagnósticas o terapéuticas adoptadas.

Tres prompts para probar Gemini 3.6 Flash Revisión de un caso infeccioso complejo

Analiza cronológicamente la documentación clínica adjunta. Construye una tabla con fecha, hallazgos clínicos, resultados microbiológicos, antimicrobianos administrados y respuesta clínica. Identifica contradicciones o datos ausentes, pero no inventes información. Separa claramente los hechos documentados de tus inferencias.

Investigación de un brote

Revisa la base de datos epidemiológica y los resultados genómicos adjuntos. Comprueba duplicados, fechas incoherentes y valores ausentes. Propón una definición de caso sospechoso, probable y confirmado. Después, genera una curva epidémica mediante código reproducible y describe los principales clústeres genómicos sin asumir transmisión directa únicamente por proximidad genética.

Briefing epidemiológico

Busca alertas oficiales sobre enfermedades transmisibles publicadas o actualizadas durante las últimas 72 horas. Prioriza OMS, ECDC, autoridades sanitarias nacionales y agencias regionales. Excluye eventos ya incluidos en el listado histórico adjunto, salvo que exista una actualización sustancial. Resume un máximo de cinco alertas y cita la fuente primaria de cada dato.

¿Y qué ocurre con Gemini 3.5 Flash-Lite?

Junto a 3.6 Flash, Google ha presentado Gemini 3.5 Flash-Lite, orientado a tareas donde priman especialmente la velocidad y el coste. Según la compañía, alcanza aproximadamente 350 tokens de salida por segundo en el Artificial Analysis Index.

La combinación de ambos modelos puede ser incluso más interesante que utilizarlos por separado. Flash-Lite podría encargarse de tareas sencillas y masivas —clasificar documentos, extraer campos o traducir informes— mientras 3.6 Flash actuaría como agente coordinador, reservando su mayor capacidad de razonamiento para los casos complejos.

En un laboratorio de microbiología, por ejemplo:

Flash-Lite extraería microorganismo, muestra, fecha y antibiograma. Gemini 3.6 Flash integraría los resultados longitudinales. Un sistema de reglas comprobaría criterios microbiológicos. Una persona especialista validaría las conclusiones.

No todo necesita el modelo más potente. La eficiencia también consiste en seleccionar el modelo adecuado para cada paso.

Los benchmarks no son pacientes

Las cifras publicadas son prometedoras, pero conviene interpretarlas en su contexto. Los benchmarks mostrados por Google evalúan programación, trabajo basado en conocimiento, comprensión de gráficos, uso del ordenador y manejo de contextos largos. No incluyen una evaluación específica del razonamiento clínico en Enfermedades Infecciosas ni de la interpretación microbiológica.

Por tanto, no podemos deducir automáticamente que una mejora en SWE-Bench o en OSWorld se traduzca en mejores decisiones sobre endocarditis, resistencias antimicrobianas o infecciones asociadas a dispositivos.

Antes de incorporar un modelo de este tipo a un proceso clínico sería necesario estudiar, al menos:

Exactitud y reproducibilidad. Tasa de omisiones y alucinaciones. Capacidad para citar correctamente las fuentes. Rendimiento con documentos clínicos reales. Protección de datos y localización del procesamiento. Sesgos lingüísticos y poblacionales. Supervisión humana requerida. Trazabilidad de cada recomendación.

La inteligencia artificial puede leer un antibiograma muy rápido. Eso no significa necesariamente que comprenda por qué un aislado de Enterobacter cloacae complex susceptible a ceftriaxona puede seguir provocando cierta inquietud en quien está al otro lado de la pantalla.

¿Un modelo realmente interesante para sanidad?

Gemini 3.6 Flash no parece diseñado para impresionar únicamente con respuestas espectaculares. Su propuesta es más práctica: hacer más trabajo con menos tokens, menor latencia y un coste contenido.

Y esa filosofía encaja bien con muchos usos sanitarios. En un hospital no necesitamos que cada tarea administrativa, documental o analítica sea resuelta por el modelo más grande disponible. Necesitamos sistemas suficientemente inteligentes, rápidos, auditables y económicamente sostenibles para ejecutarse todos los días.

La gran oportunidad de Gemini 3.6 Flash no será probablemente utilizarlo como un chatbot aislado, sino integrarlo en flujos de trabajo bien definidos: vigilancia epidemiológica, investigación, docencia, análisis de brotes, revisión documental o apoyo a programas de optimización de antimicrobianos.

Google ha mejorado el motor. Ahora falta comprobar si somos capaces de construir con él herramientas que solucionen problemas reales, sin convertir cada laboratorio en una nueva colección de chatbots buscando algo que hacer.

Porque en Microbiología Clínica ya tenemos suficientes organismos oportunistas.