Inteligencia Artificial

Google lanza Gemini 3.1 Flash-Lite: velocidad e IA masiva

El modelo más rápido y económico de la serie Gemini 3 llega para redefinir los límites del procesamiento a escala, con un precio de apenas $0,25 por millón de tokens y un rendimiento que supera a su predecesor en velocidad y calidad.

Compartir

gemini-3.1_flash_Lite_blog_keywo.width-2200.format-webp


Google no para. El 3 de marzo de 2026, la compañía presentó Gemini 3.1 Flash-Lite, su modelo de inteligencia artificial más veloz y económico dentro de la serie Gemini 3 . Disponible desde ya en vista previa para desarrolladores a través de la API de Gemini en Google AI Studio y para empresas a través de Vertex AI, el nuevo modelo apunta directamente a los flujos de trabajo de altísimo volumen donde el costo y la latencia son variables críticas .

Un precio que cambia el juego

Con una tarifa de apenas $0,25 por millón de tokens de entrada y $1,50 por millón de tokens de salida, Gemini 3.1 Flash-Lite se posiciona como una opción radicalmente más accesible frente a modelos de mayor escala . Pero la ecuación no se trata solo de precio: según el benchmark de Artificial Analysis, el modelo es 2,5 veces más rápido en "Time to First Answer Token" y registra un 45% más de velocidad en la generación de salidas respecto a su predecesor, Gemini 2.5 Flash, manteniendo calidad similar o superior.

meta tribeMeta TRIBE v2: la IA que quiere simular el cerebro

Benchmarks que sorprenden

Los números respaldan las afirmaciones. Gemini 3.1 Flash-Lite alcanza un Elo score de 1.432 en el Arena.ai Leaderboard y supera a modelos de su mismo nivel en razonamiento y comprensión multimodal, con un 86,9% en GPQA Diamond y un 76,8% en MMMU Pro . Estos resultados superan incluso a modelos de generaciones anteriores de mayor tamaño, como el propio Gemini 2.5 Flash . Para un modelo pensado para tareas de bajo costo, esas métricas son llamativas.


Thinking levels: flexibilidad para el desarrollador

Una de las novedades más relevantes para el ecosistema de desarrollo es la incorporación nativa de thinking levels tanto en AI Studio como en Vertex AI . Esta funcionalidad le permite al desarrollador calibrar cuánto "piensa" el modelo antes de responder, lo que resulta clave para gestionar flujos de trabajo de alta frecuencia sin desperdiciar recursos computacionales . El modelo puede manejar tareas simples a gran escala, como traducción masiva y moderación de contenidos, pero también tareas más complejas como la generación de interfaces de usuario, dashboards dinámicos o agentes SaaS multi-paso .

claude anthropicClaude lleva la IA entre Excel y PowerPoint



Casos de uso reales ya en producción

Empresas como Latitude, Cartwheel y Whering ya accedieron a versiones tempranas del modelo y destacaron su eficiencia y capacidad de razonamiento, señalando que maneja inputs complejos con la precisión de un modelo de mayor nivel, además de seguir instrucciones con alta adherencia . Las demos públicas muestran desde generación de wireframes de e-commerce con cientos de productos hasta dashboards meteorológicos en tiempo real con datos históricos integrados .


En la comparación directa con los rivales de su misma categoría de precio, Gemini 3.1 Flash-Lite aventaja a GPT-5 mini y a Claude 4.5 Haiku en seis de once benchmarks estándar. En velocidad de salida genera tokens a 381 t/s frente a los aproximadamente 180 de GPT-5 mini y los 140 de Claude 4.5 Haiku. En pricing de salida también gana: $1,50 por millón de tokens contra los $2,00 de GPT-5 mini y los $5,00 de Haiku. La única ventaja que conservan los rivales es su condición de disponibilidad general (GA) y un soporte empresarial más maduro —algo que Google apunta a resolver una vez que el modelo salga de su fase de preview.

Lo más visto

Newsletter

Queremos seguir generando contenido de alta calidad. Sumate y recibí todas las noticias y analisis de tecnología, inteligencia artificial y mercados.

Este sitio está protegido por reCAPTCHA.

internet de las cosas IA

Anthropic advierte que la IA podría instalarse y propagarse entre dispositivos domésticos

Inteligencia Artificial

Redacción MBA

Una investigación muestra que equipos baratos conectados a internet pueden ejecutar modelos de inteligencia artificial y que algunos agentes ya completan una cadena de propagación en condiciones controladas. Todavía no existe una demostración de autorreplicación autónoma completa en dispositivos reales, pero la mejora de los modelos pequeños podría acercar ese escenario.
comunicado openai

La IA ya puede hackear a escala: OpenAI, Google y Anthropic piden blindar la infraestructura crítica

Inteligencia Artificial

Redacción MBA

Más de 100 compañías tecnológicas, financieras y de ciberseguridad firmaron un llamado global para reforzar defensas antes de que los modelos de IA se conviertan en viejas fallas digitales en ataques masivos. La advertencia no es futurista: hospitales, redes de agua, bancos y servicios públicos aparecen como los sectores más expuestos.