Abrí la página oficial de Gemini 3.5 Pro esperando encontrar una tabla de benchmarks. Lo que obtuve fue un párrafo de marketing y un montón de nada: sin model card, sin evaluaciones publicadas, sin precios confirmados. Luego abrí mis feeds, y el mismo modelo del que Google no dice ni una palabra tenía a cien personas publicando demos de SVG filtradas, cuotas de mercados de predicción y capturas de un juego 3D que supuestamente generó en un solo intento.
Esa brecha —entre el silencio en la fuente y el ruido en todas partes— es toda la historia de Gemini 3.5 Pro en este momento. Así que déjame darte primero la versión directa, antes de entrar en la parte divertida.
A principios de julio de 2026, Gemini 3.5 Pro es el próximo modelo insignia de razonamiento y programación de Google DeepMind. Se anunció en Google I/O el 19 de mayo de 2026, apunta a una ventana de contexto de 2 millones de tokens y a un modo de razonamiento "Deep Think", y su disponibilidad general se retrasó de junio a julio. Sigue estancado en una preview empresarial limitada de Vertex AI. Todo lo que va más allá de esos hechos —la fecha exacta de lanzamiento, las filtraciones de benchmarks, los rumores sobre el modelo de imágenes— está sin confirmar. Trátalo como tal.
He probado cada versión pública de Gemini que Google ha lanzado en este ciclo, desde Gemini 3 con Deep Think hasta una mejora sigilosa de Gemini 3 Flash en LMArena. No he probado 3.5 Pro, porque nadie fuera de un anillo de preview puede hacerlo. Así que esto no es una reseña. Es la guía de campo de un escéptico para un lanzamiento que importa más que la mayoría — y un marco que puedes reutilizar la próxima vez que un laboratorio guarde silencio y el internet rellene los huecos.
Por qué este lanzamiento en particular pesa tanto
Los lanzamientos de modelos ocurren constantemente. Este es diferente por lo que está pasando detrás.
Google DeepMind pasó la primera mitad de 2026 desangrándose de talento sénior. En un solo tramo de 48 horas en junio, dos de sus investigadores más reconocibles se marcharon. Noam Shazeer —uno de los autores de "Attention Is All You Need", la persona detrás del trabajo temprano de Google en LaMDA— anunció que se iba a OpenAI. Días después, John Jumper, que compartió el Premio Nobel de Química de 2024 con el CEO de DeepMind, Demis Hassabis, por AlphaFold, anunció que se unía a Anthropic. Denny Zhou, fundador del equipo de razonamiento de Google Brain, ya se había ido a Meta. Según los reportajes de Fortune y Axios, son seis investigadores que se marcharon a Meta, OpenAI y Anthropic en aproximadamente cinco meses, y la noticia hizo caer las acciones de Google más de un 5% en un solo lunes.
Lo que conecta ese éxodo con el modelo pasa por una decisión interna. En abril de 2026, Google montó lo que internamente llamó un "AI Coding Strike Team": un grupo con la tarea específica de cerrar la brecha de Gemini frente a Claude y OpenAI en programación agéntica. Los reportajes sugieren que el cómputo que estaba reservado para investigación de preentrenamiento de largo horizonte se reasignó hacia ese empuje comercial de programación. Algunas de las personas que se fueron eran precisamente aquellas cuyas prioridades de investigación quedaron relegadas.
Así que Gemini 3.5 Pro no es solo "el siguiente Gemini". Es el primer buque insignia que sale después de esa reorganización, de un laboratorio que intenta demostrar al mismo tiempo que todavía puede construir modelos de frontera y que puede retener a la gente que los construye. Es mucha narrativa descansando sobre un solo lanzamiento. Y la narrativa es exactamente lo que hace que el hype sea difícil de leer.
Por eso, antes de tocar una sola filtración, quiero trazar una línea dura entre lo que está realmente confirmado y lo que es puro humo.
Qué está confirmado sobre Gemini 3.5 Pro y qué sigue siendo rumor
Déjame separar esto con claridad, porque la mayoría de la cobertura mezcla ambas cosas y así es como la gente termina creyendo cosas que nunca se anunciaron.
Lo que Google ha puesto oficialmente sobre la mesa:
- Gemini 3.5 se presentó en Google I/O el 19 de mayo de 2026, enmarcado como "inteligencia de frontera con acción".
- El nivel Pro apunta a una ventana de contexto de hasta 2 millones de tokens — una de las más grandes que Google ha ofrecido.
- Incluye un modo de razonamiento "Deep Think", y Google ha dicho que la cadena de razonamiento es visible para los desarrolladores y puede limitarse para controlar el costo de cómputo.
- La disponibilidad general se esperaba para junio, se retrasó, y ahora se espera en algún momento de julio de 2026.
- A principios de julio, sigue en preview empresarial limitada de Vertex AI. No hay model card pública, ni suite oficial de benchmarks, ni precios confirmados.
Lo que está filtrado, rumoreado o directamente sin verificar:
- Una fecha de lanzamiento específica del "17 de julio". Esto se remonta a identificadores de modelo filtrados detectados en servidores de Google Cloud, que los usuarios de mercados de predicción convirtieron en una apuesta on-chain que ronda un sesenta y tantos por ciento de confianza. Eso es una multitud adivinando a partir de un nombre de archivo. No es una fecha que Google haya confirmado.
- "Anillos de evaluación privados" que supuestamente muestran a 3.5 Pro tomando la delantera en aprendizaje few-shot. Sin metodología, sin números que puedas inspeccionar, sin una fuente que puedas nombrar. Señal interesante, peso probatorio cero.
- Checkpoints misteriosos — un "Gemini 3.5 Flash High", más algo que la gente llama "Gemini 3.6" o "Gemini 4 Flash" — supuestamente probándose en paralelo en Arena. Los checkpoints anónimos de Arena son reales, pero sus nombres y su linaje son casi siempre conjeturas de la comunidad.
Y hay una afirmación que quiero corregir de plano, porque la he visto repetida como un hecho: la idea de que el modelo insignia de imágenes de Google, "Nano Banana Pro", está construido sobre la base de Gemini 3.5 Pro. No lo está. Nano Banana Pro es el nombre en clave interno de Google para Gemini 3 Pro Image — construido sobre Gemini 3 Pro, y ya disponible de forma general con su propia página de modelo y sus precios. Es un gran modelo de imágenes. No es evidencia sobre las capacidades de 3.5 Pro, y tratarlo como un "prototipo de la base 3.5" es como un nombre en clave se convierte en un mito.
Fíjate en lo que hay en la lista de confirmados frente a la lista de rumores. Los hechos confirmados son arquitectónicos: tamaño de contexto, un modo de razonamiento, una fecha retrasada. Los hechos emocionantes —los que se comparten— están todos en el lado de los rumores. Esa asimetría no es un accidente. Es la forma por defecto de todo lanzamiento moderno de modelos, y es lo primero que busca mi filtro de hype.
Pero no quiero descartar las filtraciones por completo, porque algunas son genuinamente interesantes. Veamos qué muestran realmente las salidas filtradas.
Los renders filtrados de Gemini 3.5 Pro, sopesados uno por uno
Las filtraciones más compartidas no son capturas de benchmarks. Son artefactos generados — y, específicamente, salidas visuales y de front-end. Es una elección deliberada de quien sea que esté filtrando, porque la salida visual es lo más visceralmente impresionante que un modelo puede producir. No necesitas leer una metodología para reaccionar ante un buen render.
Algunas de las demos que están circulando, y mi lectura honesta de cada una:
El SVG isométrico. Una máquina minimalista e isométrica de deslizar tarjetas — una pequeña terminal de pago que anima el paso de una tarjeta y escupe un recibo, hecha como un único SVG limpio con un trabajo de degradados suave. Si es real, es un salto de nivel. El SVG complejo y animado ha sido históricamente un punto débil de todos los modelos de frontera que he probado; tienden a producir trazados rotos, transformaciones desalineadas o degradados que se ven sucios. Un modelo que clave la geometría isométrica y la animación y los degradados en un solo intento sería un salto de capacidad genuino, no cosmético.
La isla flotante steampunk (three.js). Una escena HTML con una isla flotante, niebla atmosférica y recursos ambientales en capas — lámparas, cielos, efectos de partículas — renderizada mediante three.js. Lo interesante no es la estética; es la integración con three.js. Cablear una escena 3D coherente a través de una librería de JavaScript en una sola generación es una tarea de programación disfrazada de tarea artística.
El juego 3D estilo subway-surfers de ~800 líneas. Un único archivo HTML, de aproximadamente 800 líneas, que prototipa un juego urbano de endless runner — coches, peatones, semáforos, un sistema de cruces. Una versión filtrada posterior supuestamente pulió las animaciones e hizo que el comportamiento del tráfico fuera más creíble. Para ser claros con la escala: esto es un prototipo low-to-mid-poly, nada que se acerque a un juego terminado. Pero un prototipo jugable de 800 líneas a partir de un solo prompt es un artefacto real, si el artefacto es real.
La escena cinematográfica del alunizaje. Un astronauta, una animación de plantado de bandera, huellas polvorientas en el regolito, un amanecer de la Tierra en el horizonte. Esta es la afirmación del "gusto de diseño" — el argumento de que 3.5 Pro no solo renderiza correctamente, sino que renderiza con gusto, con un sentido de composición y atmósfera del que carecía la salida anterior de Gemini.
Aquí va mi advertencia de escéptico, y es grande: no puedo verificar que ni una sola de estas salidas provenga de Gemini 3.5 Pro. Una captura filtrada no tiene procedencia. Podría estar seleccionada entre cincuenta intentos. Podría ser un modelo completamente distinto. Podría estar ligeramente editada. Lo que sí puedo decirte, por haber probado de verdad los modelos que vinieron antes, es que este es exactamente el eje en el que Gemini ha estado mejorando más rápido. La generación de front-end y SVG de Google ha seguido una curva más empinada que su programación agéntica. Así que un salto aquí es plausible de una forma en que no lo sería una captura filtrada de "vencimos a Claude en SWE-bench".
Plausible no es probado. Pero lo plausible merece atención. Y si estas demos se sostienen en la GA — y si Google pone al modelo un precio competitivo — Gemini 3.5 Pro podría convertirse en una opción genuinamente fuerte específicamente para trabajo de front-end y SVG, incluso quedando rezagado en otros ejes. Esa es una afirmación estrecha y defendible. Es muy distinta de "Gemini vuelve a estar en la cima", que es la afirmación que el ciclo de hype quiere que hagas por él.
Entonces, ¿qué justificaría realmente esa afirmación mayor? Déjame poner el listón.
Lo que un verdadero regreso de DeepMind tendría que entregar
Esta es la sección que más quería escribir, porque "¿es bueno?" es la pregunta equivocada. La pregunta correcta es "¿suficientemente bueno en qué, frente a un campo que no se quedó quieto?". Este es el listón que le pongo a Gemini 3.5 Pro cuando salga — y tú también puedes ponérselo.
1. Paridad en programación agéntica, medida en los benchmarks difíciles — no en demos. El campo de julio de 2026 es brutal. Claude Opus 4.8 encabeza el Artificial Analysis Intelligence Index en torno a 61.4 y registra aproximadamente un 69% en SWE-bench Pro. Claude Fable 5 se sitúa aún más arriba en SWE-bench Pro, alrededor del 80%. GPT-5.5 lidera Terminal-Bench 2.0 cerca del 83%. Una bonita isla en three.js no mueve ni uno solo de esos números. Si el Coding Strike Team hizo su trabajo, 3.5 Pro necesita aterrizar de forma creíble en evaluaciones de programación agéntica multi-archivo y de largo horizonte. Esa es la brecha para la que fue construido.
2. Contexto que realmente puedas usar, no solo anunciar. Dos millones de tokens es una cifra de titular. La verdadera pregunta es si la calidad de recuperación se mantiene a lo largo de esa ventana o se degrada en el medio — el problema de "lost in the middle" que aqueja a la mayoría de los modelos de contexto largo. Una ventana de 2M que razona de forma fiable sobre los primeros y los últimos 200K pero se vuelve borrosa en el medio es un número de marketing, no de ingeniería. Estaré ejecutando pruebas tipo aguja-en-el-pajar el mismo día que tenga acceso.
3. Fiabilidad que revierta la historia de degradación. Uno de los hilos más discretos de la turbulencia de DeepMind fueron los reportes de problemas de degradación de modelos — checkpoints que rendían por debajo de los modelos ya en producción. Un lanzamiento de regreso no puede salir con esa reputación a cuestas. La consistencia entre ejecuciones importa más que una única demo espectacular.
4. Precios que respeten a la competencia. La ventaja histórica de Google ha sido la relación precio-rendimiento, especialmente en los modelos de nivel Flash. Si 3.5 Pro tiene precio de modelo de frontera premium pero solo iguala al campo, pierde. Si rebaja los precios de Claude y GPT mientras se acerca en programación, eso cambia las cuentas para muchos equipos. El precio es una decisión de capacidad, no una nota al pie.
5. Honestidad en la especialización. Aquí está el matiz que la cobertura catastrofista pasa por alto: Gemini no está perdiendo en todas partes. Gemini 3.1 Pro ya lidera varios benchmarks de precisión e investigación — alrededor del 94% en GPQA Diamond, fuerte en Humanity's Last Exam. Ningún modelo domina todas las filas en 2026; el campo entero se ha fragmentado en especialistas. Una victoria realista de Gemini 3.5 Pro se parece a "claramente el mejor en investigación de contexto largo y generación de front-end, competitivo en programación", no a "vence a todos en todo". Cualquiera que prometa lo segundo te está vendiendo una historia.
Si eres un equipo decidiendo si apostar un flujo de trabajo a este modelo, ese listón de cinco puntos es tu checklist de due diligence. Y si prefieres no ejecutar esa evaluación tú mismo — si quieres que alguien haga benchmarks de estos modelos contra tu caso de uso real y te diga en cuál estandarizarte — ese es el tipo de encargo que acepto directamente. Puedes ver lo que construyo en fiverr.com/s/EgxYmWD.
Ese checklist funciona para Gemini 3.5 Pro. Pero lo más valioso es la habilidad general que hay debajo: leer cualquier lanzamiento de modelo sin que te tomen el pelo.
Cómo leer el hype de los lanzamientos de modelos de IA sin que te tomen el pelo
Ya he visto suficientes de estos ciclos como para ver el patrón repetirse casi paso a paso. Este es el modelo mental que uso — róbatelo, es más útil que cualquier reseña de un modelo concreto.
Separa la fuente de la señal. Cuando el laboratorio guarda silencio pero el internet hace ruido, pregúntate quién se beneficia del ruido. Demos filtradas sin procedencia, mercados de predicción construidos sobre nombres de archivo, "anillos de evaluación privados" sin números — todo eso genera engagement, no evidencia. La ausencia de una tabla oficial de benchmarks no es un vacío neutral. Es información. Normalmente significa que los números aún no están listos para sobrevivir al escrutinio.
Pondera los artefactos por su falsabilidad. Un SVG filtrado que no puedes reproducir vale menos que un benchmark que sí puedes. Un benchmark que no puedes auditar vale menos que uno con metodología publicada. Una metodología publicada vale menos que el modelo en tus propias manos ejecutando tus propias tareas. Clasifica cada afirmación según lo fácil que sería demostrar que es falsa, y confía en las que se juegan el cuello.
Cuidado con el salto de demo a capacidad. La salida más compartida es casi siempre la más visual, porque lo visual viaja. Pero "generó una escena preciosa de alunizaje" y "maneja de forma fiable mi base de código en producción" son afirmaciones distintas que requieren evidencia distinta. Los aciertos impresionantes a la primera están seleccionados por definición. La pregunta interesante es el intento número cincuenta, no el primero.
Ancla cada lanzamiento contra un campo que se movió. Un modelo no es bueno en el vacío; es bueno en relación con lo que se lanzó el mes pasado. En 2026, algo de frontera cae cada pocas semanas. "Gran paso adelante" solo significa algo medido contra Opus 4.8, Fable 5 y GPT-5.5 tal como existen hoy — no contra la versión de la competencia que existía cuando el modelo empezó a entrenarse.
Descuenta la prima narrativa. Una historia de regreso, una historia de underdog, una historia de "están acabados" — todas añaden una carga emocional que no tiene nada que ver con los pesos del modelo. La turbulencia de DeepMind hace que 3.5 Pro se sienta de mayor riesgo, y esa sensación se filtra en cómo la gente califica las demos. Date cuenta de cuándo estás calificando a un modelo por su historia en lugar de por su salida.
Pasa cualquier lanzamiento por esos cinco filtros y el ruido se apaga rápido. La mayoría de las "filtraciones" se evaporan. Lo que queda suele ser un conjunto pequeño, específico y defendible de cosas que el modelo probablemente hace bien — que es exactamente lo que necesitabas saber desde el principio.
La conclusión honesta
Quiero que Gemini 3.5 Pro sea excelente. Un buque insignia de DeepMind genuinamente fuerte mantiene honestos a Anthropic y OpenAI, y la competencia en la frontera es lo mejor que nos puede pasar a quienes construimos sobre estos modelos. La ventana de contexto de 2M es real. Deep Think es real. La trayectoria en front-end es real y mejora rápido. Esas son razones legítimas para el optimismo.
Pero el optimismo no es un benchmark. A día de hoy, los hechos confirmados sobre este modelo cabrían en una ficha, y los hechos emocionantes están todos sin verificar. El laboratorio que lo lanza acaba de perder seis investigadores sénior a manos de sus competidores directos y se reorganizó en torno a una brecha de programación que aún no ha cerrado en público. Eso no significa que el regreso fracase. Significa que la carga de la prueba es alta, y la prueba aún no está aquí.
¿Recuerdas esa página de benchmarks vacía que abrí al principio? Cuando por fin se llene — con números reales, precios reales y un modelo que cualquiera pueda ejecutar — ese será el momento en que esto deje de ser una historia y se convierta en una decisión. Lo pondré a prueba contra el listón de cinco puntos el mismo día que eso ocurra, igual que probé una mejora sigilosa de Gemini 3 Flash y las primeras filtraciones de 3.5 antes del I/O. Hasta entonces, sostén el hype con pinzas. El internet está muy seguro sobre un modelo que nunca ha ejecutado. No dejes que su seguridad se convierta en la tuya.
Preguntas frecuentes
¿Cuándo sale Gemini 3.5 Pro?
La disponibilidad general de Gemini 3.5 Pro se espera en algún momento de julio de 2026, tras retrasarse de un objetivo original de junio. A principios de julio sigue en preview empresarial limitada de Vertex AI. La fecha específica del "17 de julio" que circula en línea proviene de mercados de predicción reaccionando a identificadores de servidor filtrados, no de Google — trátala como una conjetura sin confirmar.
¿Es Gemini 3.5 Pro mejor que Claude y GPT?
No hay forma de saberlo todavía, porque Google no ha publicado benchmarks oficiales, model card ni precios de Gemini 3.5 Pro. El campo actual está fragmentado — Claude Opus 4.8 lidera el Intelligence Index, GPT-5.5 lidera algunos benchmarks de programación, y Gemini 3.1 Pro ya lidera pruebas de precisión como GPQA Diamond. Espera especialización, no un único ganador.
¿Cuál es la ventana de contexto de Gemini 3.5 Pro?
Gemini 3.5 Pro apunta a una ventana de contexto de hasta 2 millones de tokens, una de las más grandes que Google ha ofrecido. Sin embargo, el número que más importa es la calidad de recuperación a lo largo de esa ventana — si razona de forma fiable sobre la parte media, no solo sobre el inicio y el final. Eso no será verificable hasta que haya pruebas independientes en la GA.
¿Nano Banana Pro forma parte de Gemini 3.5 Pro?
No. Nano Banana Pro es el nombre en clave de Google para Gemini 3 Pro Image, un modelo de generación y edición de imágenes construido sobre Gemini 3 Pro — no sobre la base de 3.5 Pro. Ya está disponible de forma general con su propia página de modelo y sus precios, y no es evidencia sobre las capacidades de Gemini 3.5 Pro.
¿Por qué se ve a Gemini 3.5 Pro de Google DeepMind como un "regreso"?
Porque DeepMind perdió seis investigadores sénior a manos de Meta, OpenAI y Anthropic a lo largo de cinco meses de 2026 — incluidos Noam Shazeer y el premio Nobel John Jumper en un solo tramo de 48 horas en junio — y se reorganizó en torno a un "AI Coding Strike Team" para cerrar su brecha frente a Claude y OpenAI. Gemini 3.5 Pro es el primer buque insignia que se lanza después de esa turbulencia.
¿Quieres una respuesta directa sobre en qué modelo estandarizarte?
Si estás sopesando Gemini 3.5 Pro frente a Claude o GPT para trabajo real en producción, ejecuto exactamente esta evaluación contra tu base de código y tus tareas reales — sin hype, solo números sobre los que puedas actuar. Si esa es la decisión que intentas tomar, cuéntame qué estás construyendo y haré el benchmark de la lista corta para tu caso de uso.
