Los modelos rápidos hacen que los agentes sean más eficientes

Un agente no realiza una sola petición: lee, clasifica, decide, usa una herramienta y comprueba el resultado. Si cada uno de esos pasos espera a un modelo grande, unos pocos segundos se convierten en una experiencia lenta y cara. La nueva familia Flash de Google apunta precisamente a ese problema.

Qué presentó Google

Google anunció Gemini 3.6 Flash como modelo general para cargas de trabajo rápidas y Gemini 3.5 Flash-Lite para tareas de gran volumen y baja latencia. También adelantó 3.5 Flash Cyber, un futuro piloto para gobiernos y socios de confianza orientado a seguridad. Son propuestas distintas y no conviene intercambiar sus cifras.

• 3.6 Flash se presenta como el modelo de uso general de la familia rápida.
• 3.5 Flash-Lite prioriza volumen, velocidad y coste.
• 3.5 Flash Cyber se anunció como piloto futuro y de acceso restringido.

Por qué unos segundos importan tanto

En un chat, una pequeña espera puede ser tolerable. En un agente, la latencia se multiplica por el número de decisiones y llamadas a herramientas. Una tarea de diez pasos con dos segundos extra por paso añade veinte segundos antes de contar la red o la aplicación externa.

La arquitectura de dos velocidades

Una implementación práctica puede separar el trabajo en cuatro capas:

1. Una regla sencilla descarta lo que no necesita IA.
2. Un modelo rápido clasifica, extrae y resume.
3. Un modelo avanzado planifica o resuelve la excepción.
4. Una persona confirma cualquier acción con impacto real.

Esta combinación suele llamarse enrutamiento de modelos. No depende de una marca concreta: lo importante es definir cuándo subir de nivel, qué información conserva cada paso y qué ocurre cuando una herramienta falla.

Cómo leer las cifras del lanzamiento

Google afirma que Gemini 3.6 Flash necesita menos pasos de razonamiento y llamadas a herramientas. En el mismo anuncio cita mediciones de Artificial Analysis: un 17 % menos de tokens de salida frente a 3.5 Flash y hasta 350 tokens por segundo para Flash-Lite en determinadas condiciones. Son referencias de un tercero recogidas por Google, no una garantía para cualquier aplicación.

El resultado real cambia con la longitud del contexto, la región, la carga, las herramientas y la forma del prompt. Una prueba honesta debe usar tus propios casos y medir el flujo completo desde que el usuario pulsa hasta que recibe un resultado útil.

Qué medir antes de elegir

• Precisión por tipo de tarea, no un promedio que esconda fallos.
• Latencia mediana y percentil 95, donde aparecen las esperas largas.
• Coste total, incluidas repeticiones y llamadas a herramientas.
• Porcentaje de casos escalados a otro modelo o a una persona.
• Errores silenciosos: respuestas plausibles que nadie detecta a tiempo.

Más velocidad no significa más permiso

Google también relaciona estos modelos con uso del ordenador. Esa capacidad puede hacer clic, escribir o navegar, pero no debe recibir libertad ilimitada. Un agente rápido puede cometer el mismo error más veces en menos tiempo.

• Usa una cuenta y un entorno de prueba con permisos mínimos.
• Exige confirmación antes de comprar, borrar, enviar o publicar.
• Limita dominios, importes, acciones y número de intentos.
• Conserva un registro de cada decisión y permite detener el proceso.