Gemini 3.8 Flash y Flash Cyber: benchmarks y precios reales

Google lanzó dos modelos el 2 de septiembre

Gemini 3.8 Flash y Gemini 3.8 Flash Cyber comparten base técnica y se separan en el acceso. El primero está disponible para cualquiera. El segundo solo para organizaciones admitidas en un programa de solicitud.

Llegan tres semanas después de Gemini 3.7 Flash. Es el tercer modelo Flash de Google en seis semanas.

Los números de Gemini 3.8 Flash

Google probó el modelo en 16 benchmarks y afirma que supera a Claude Opus 5 y a GPT-5.6 Sol en 9 de ellos. Los 7 restantes no los gana. Ese matiz desaparece en casi todos los titulares.

El salto de 8,4 puntos en DeepSWE v1.1 es el dato con más valor práctico, porque ese benchmark mide tareas de ingeniería de software largas, con muchos pasos, que es donde los modelos suelen perder el hilo. Google también reporta mejoras en Vals Finance Agent V2 y en el benchmark legal de Harvey, dos evaluaciones de dominio que se parecen bastante más al trabajo real que una prueba de programación aislada.

Hay un efecto secundario que documenta la propia Google: en tareas complejas el modelo ejecuta más pasos de razonamiento y llama a herramientas de forma iterativa. A veces consume bastantes más tokens para llegar al resultado. Con precios por token, más diligencia significa más factura.

Flash Cyber es el primero que Google no deja usar a cualquiera

Gemini 3.8 Flash Cyber sale con mitigaciones más permisivas en materia de ciberseguridad, según la descripción de Google. Por eso se distribuye solo a través del programa Fairwind: autoridades públicas, operadores de infraestructura crítica y mantenedores de software, previa solicitud. Ya hay más de 650 participantes, entre ellos Snowflake, CrowdStrike y Datadog.

Los resultados que publica Google:

Anthropic hizo algo parecido en abril con Project Glasswing, que dio acceso anticipado a Claude Mythos Preview a 12 organizaciones fundadoras y más de 40 adicionales. Ese modelo marcó 83,1% en CyberGym.

Se está formando un tercer nivel de acceso a la capacidad, por encima de los pesos abiertos y de las APIs comerciales, al que se entra solicitándolo y demostrando quién eres.

El precio de lanzamiento caduca el 31 de diciembre

El precio se duplica. Está anunciado y no está en la letra pequeña. Aun así es el dato que menos aparece en los análisis del lanzamiento.

Si estás preparando el presupuesto de IA para 2027 con las tarifas de esta semana, la cifra que has escrito es la mitad de la que vas a pagar. La ventana de precio introductorio dura cuatro meses, que es más o menos lo que tarda una empresa mediana en pasar un piloto a producción.

La ventana de contexto es de 1.048.576 tokens, con un máximo de 65.536 tokens de salida.

Tres modelos Flash en seis semanas rompen tu ciclo de evaluación

Google publicó 3.7 Flash y tres semanas después llegaron 3.8 Flash junto con 3.8 Flash Cyber. Si tu proceso para homologar un modelo dura seis semanas, entre pruebas internas, revisión de seguridad y visto bueno de compras, terminas cada evaluación sobre un modelo que ya tiene sucesor.

Hay dos salidas razonables. Una es evaluar familias en lugar de versiones, fijando criterios que sobrevivan a un incremento de versión menor. La otra es asumir un desfase deliberado y trabajar siempre con la versión anterior estabilizada, que además suele bajar de precio.

La opción que no funciona es reevaluar cada lanzamiento con el proceso completo. Con esta cadencia, ese trabajo no termina nunca.

Cómo comparar esto con Opus 5 y GPT-5.6 Sol

Un modelo que gana 9 de 16 pruebas pierde 7. Antes de mover cargas de trabajo, mira cuáles gana y si alguna se parece a lo que tú haces. Un salto en DeepSWE importa si tu equipo automatiza tareas largas de ingeniería. Dice poco si tu caso es clasificar correos.

La otra pregunta útil es cuántos tokens consume el modelo para llegar a su resultado. Un modelo más barato por token que razona el doble puede salir más caro que uno con tarifa más alta. Eso solo se ve midiendo con tus propios datos.

En nuestra sección de benchmarks mantenemos la comparativa actualizada y en herramientas están las opciones por caso de uso.

Puntos prácticos

• Guarda por escrito la fecha del 1 de enero de 2027 junto a cualquier previsión de coste que hayas hecho con Gemini 3.8 Flash.
• Mide el consumo real de tokens con tus prompts antes de comparar precios de lista.
• Si tu organización opera infraestructura crítica, solicitar Fairwind es gratis y el peor resultado es un no.
• Define ahora qué diferencia de rendimiento justifica cambiar de modelo. Sin ese umbral, cada lanzamiento abre un debate nuevo.
• Comprueba si tu proveedor de seguridad tiene acceso a modelos de nivel restringido. Empieza a ser un criterio de selección.