Gemini 3.5 Pro: el modelo que Google prometió y que podría llegar el 17 de julio
En Google I/O 2026, Sundar Pichai pidió paciencia sin un solo número de respaldo. Ahora hay filtraciones que apuntan al 17 de julio como fecha de lanzamiento. Pero sin benchmarks verificables, la fecha no cambia el problema de fondo.
En este artículo
La noche en que Google fue a I/O con las manos vacías
El 19 de mayo de 2026, Sundar Pichai subió al escenario del Google I/O con la audiencia esperando lo que llevaba meses filtrándose: el lanzamiento de Gemini 3.5 Pro, el modelo más importante que Google iba a soltar en todo el año.
Lo que salió fue otra cosa.
Pichai anunció que Gemini 3.5 Pro no estaba listo. Sin benchmarks públicos. Sin fecha concreta. Solo una frase que cayó como un cubo de agua helada sobre una sala llena de desarrolladores: "Sé que estáis deseando tenerlo. Dennos hasta el mes que viene para dároslo."
Eso es todo. Un CEO en el evento más importante de su empresa pidiendo paciencia. Reconoció que el modelo "muestra grandes mejoras" sobre versiones anteriores, pero no ofreció ni un solo número que lo respaldase. Según Business Insider, Google tampoco respondió a las peticiones de comentario posteriores al anuncio.
"El mes que viene" ya es historia pasada. Junio pasó sin confirmación pública de lanzamiento. Y ahora hay filtraciones en X que apuntan al 17 de julio como posible fecha de lanzamiento de Gemini 3.5 Pro. Son filtraciones, no un anuncio oficial, y hay que tratarlas como lo que son: una señal de que el modelo existe y se está preparando, no una garantía de fecha. Pero es la primera coordenada temporal concreta que aparece desde que Pichai pidió paciencia en mayo.
En el mundo de los LLMs en 2026, llegar tarde sin datos no es un detalle menor de agenda. Es una señal que hay que leer con cuidado.
Lo que SÍ salió ese día (y por qué no es suficiente)
Que el evento no fuera un desastre total tiene mérito. Google lanzó cosas reales con producto detrás.
Gemini 3.5 Flash es el movimiento más concreto. Según 9to5Google, supera a Gemini 3.1 Pro en coding, tareas agentic y multimodal, con una velocidad de generación de tokens cuatro veces mayor que otros modelos de frontera, a precio de Flash. Ese mismo día empezó a desplegarse en la app de Gemini, Google Search y Antigravity 2.0, el IDE generativo de Google que analiza repositorios completos y actúa como programador autónomo.
Gemini Omni Flash acepta imagen, audio, vídeo y texto como entrada, y genera vídeo anclado en conocimiento del mundo real. Se despliega en AI Plus, Pro y Ultra, y en Google Flow y YouTube Shorts.
Gemini Spark es el movimiento más agresivo en términos de posicionamiento: un agente personal que opera directamente sobre Gmail y Docs, sin que el usuario tenga que pedirle nada explícitamente. Disponible la semana siguiente al evento para suscriptores de Google AI Ultra en EE.UU. Marca el salto explícito de "responder preguntas" a "hacer tareas por ti".
Y el rediseño de precios: Google AI Ultra baja de 250 a 100 dólares al mes, y la app cambia de límite de prompts diarios a un modelo de cómputo consumido con recarga cada cinco horas.
Todo esto es sustancial. Pero hay un problema: nada de lo anterior es Gemini 3.5 Pro.
Flash es un modelo de velocidad y coste optimizado, no el modelo de frontera que mide el techo de Google. Spark es un wrapper agentivo sobre modelos existentes. Omni Flash es una pieza multimodal interesante pero con un nicho muy específico. La arquitectura completa del anuncio de I/O 2026 está construida alrededor de un hueco: el modelo que iba a demostrar que Google ha dado el salto de calidad que el mercado lleva esperando desde que Gemini 3 sorprendió en noviembre de 2025.
"Lo más llamativo de Google I/O 2026 no es lo que Google anunció. Es lo que no pudo anunciar."
El contexto: qué se esperaba y por qué importa tanto
Para entender la magnitud del no-lanzamiento, hay que ver la línea de tiempo.
Gemini 3 llegó en noviembre de 2025 y superó expectativas. En febrero de 2026 se presentó Gemini 3.1 Pro en preview. En marzo, Gemini 3.1 Flash-Lite. La progresión era clara y el mercado leyó la señal: el siguiente salto grande, el 3.5 Pro, llegaría en I/O, el evento de mayo que Google usa como escenario para sus anuncios más importantes.
Las filtraciones en X durante las semanas previas pintaban un modelo muy competitivo: mejoras notables en razonamiento, ventana de contexto largo más sólida, mejor coherencia en respuestas encadenadas. Algunos usuarios decían haberlo probado en acceso privado. El problema es que ninguna de esas afirmaciones llegó acompañada de metodología ni reproducibilidad. Son relatos, no datos. En este espacio, los relatos tienen el valor que tienen hasta que alguien pone números verificables encima de la mesa.
Lo que sí existe son benchmarks de DeepMind con Gemini 3.5 Flash frente a GPT-5.5 y modelos de Anthropic, presentados en el evento. Pero eso es Flash contra GPT-5.5, no Pro contra Sol. Hacer la comparativa Gemini 3.5 Pro vs. GPT-5.6 Sol a día de hoy sería inventársela, y aquí no inventamos números.
La acción de Google en bolsa aguanta bien, lo que sugiere que los inversores no están particularmente alarmados por el retraso. Pero los inversores no son los que van a emplear el modelo en producción.
El historial que hace incómodo el "dennos hasta el mes que viene"
Aquí es donde el escepticismo deja de ser una postura filosófica y se convierte en dato.
En el artículo donde pusimos a competir a seis modelos LLM construyendo una API de leads desde cero, Gemini 3.1 Pro terminó último. No por poco margen. Por el tipo de errores.
No estamos hablando de bugs menores, typos en nombres de variables o respuestas algo imprecisas. Estamos hablando de errores graves de lógica en la implementación: fallos que aparecían cuando la tarea tenía algo de complejidad real, cuando había dependencias entre pasos, cuando el contexto se alargaba y el modelo tenía que mantener coherencia entre lo que había dicho antes y lo que estaba generando ahora.
El patrón era consistente y particularmente frustrante: Gemini 3.1 Pro era el modelo que más convencía en la primera respuesta. Daba una respuesta inicial sólida, bien estructurada, con buena pinta. Y luego, cuando llegaba el momento de iterar, de ir un paso más allá o de pedirle que resolviera algo que dependía de su respuesta anterior, era donde se caía. La brecha entre la primera impresión y el rendimiento sostenido en tareas encadenadas era la más grande del grupo.
Eso no es un accidente. Es un patrón de fallo específico, y es exactamente el tipo de patrón que los anuncios de "grandes mejoras" sin benchmarks no te permiten evaluar.
¿Puede Gemini 3.5 Pro haber corregido esto? Sí. Es perfectamente posible. Google ha demostrado con Gemini 3 que es capaz de dar saltos grandes entre versiones. Pero la única forma de saberlo es tener el modelo en tus manos, con tu caso de uso, con tus datos, y ejecutar la prueba tú mismo.
Eso es exactamente lo que no podemos hacer todavía. Y si la filtración del 17 de julio es correcta, falta poco para poder hacerlo.
Por qué el retraso importa más allá de la fecha
Un retraso de unas semanas en el lanzamiento de un modelo no es, por sí solo, una catástrofe. Los modelos de frontera son sistemas complejos y los calendarios se mueven.
Lo que hace que este retraso sea una señal más seria son las condiciones en que ocurre:
Primero, el contexto competitivo. En 2026, el mercado de modelos de frontera se mueve a una velocidad que hace que cada mes de ventana cuente. GPT-5.6 Sol lleva semanas en manos de usuarios. El acceso sigue siendo un problema para muchos, pero el modelo existe, tiene benchmarks verificables y los desarrolladores que han podido probarlo ya están tomando decisiones de arquitectura basadas en él.
Segundo, la ausencia de datos intermedios. Si el modelo "muestra grandes mejoras", ¿por qué no hay un solo número en el evento? Las empresas que tienen confianza en sus modelos publican benchmarks, aunque sean parciales. La ausencia total de datos cuantitativos en el mayor escenario del año no es modestia: es una señal de que los números no estaban donde Google necesitaba que estuvieran para el 19 de mayo.
Tercero, la promesa de "el mes que viene" que ya es historia pasada. Pichai dijo "dennos hasta el mes que viene" el 19 de mayo. Junio pasó sin confirmación pública de lanzamiento. Ahora hay filtraciones que apuntan al 17 de julio. Si esa fecha se cumple, el retraso total será de casi dos meses sobre lo prometido en escena. No es el fin del mundo, pero tampoco es el tipo de ejecución que refuerza la confianza en los calendarios de Google.
Hay que ser justos: no hay confirmación de que el lanzamiento no haya ocurrido en alguna forma limitada o regional. Lo que no hay es un anuncio público, benchmarks verificables ni acceso generalizado que permita evaluación independiente.
Lo que hay que vigilar cuando llegue de verdad
Cuando Gemini 3.5 Pro esté disponible para evaluación, hay tres áreas donde la prueba real importa, exactamente las mismas donde 3.1 Pro mostró sus grietas:
Coding con contexto largo y dependencias. No el "genera esta función" de los benchmarks estándar. El "aquí tienes el repositorio completo, ahora implementa esta feature sin romper los tests existentes y mantén coherencia con la arquitectura que ya está". Eso es lo que separa un modelo que funciona en demos de uno que sirve en producción. Y es donde los benchmarks de papel se quedan cortos.
Coherencia en respuestas encadenadas. El fallo más específico de 3.1 Pro no era en la primera respuesta sino en el seguimiento. Si tienes una conversación de diez turnos donde cada respuesta depende de las anteriores, ¿el modelo mantiene consistencia o empieza a contradecirse? Eso no lo mide casi ningún benchmark estándar y es exactamente donde más duele en uso real.
Tareas agentic con múltiples pasos interdependientes. Con la apuesta de Google por Spark y el posicionamiento de Antigravity como IDE autónomo, el 3.5 Pro va a ser el motor debajo de esos productos. Un modelo que falla en coherencia encadenada no es un buen motor para un agente que tiene que ejecutar diez pasos en secuencia sin supervisión humana en cada uno.
La paradoja de I/O 2026: Google construyó el escenario perfecto para fallar en público
Hay algo casi irónico en cómo se desarrolló I/O 2026.
Google llegó con más producto real que en muchos eventos anteriores: Flash funciona, Spark tiene un caso de uso claro, el rediseño de precios es agresivo, Omni Flash es técnicamente interesante. Si hubieran llegado sin el peso de las expectativas sobre 3.5 Pro, el evento habría sido una victoria sólida.
El problema es que Google construyó esas expectativas durante meses. Las filtraciones no ocurren en el vacío. Los rumores de que 3.5 Pro llegaría en I/O se alimentaron de señales que Google no desmintió con antelación. La sala estaba llena de desarrolladores que habían ajustado sus planes a ese calendario.
Y cuando Pichai dijo "dennos hasta el mes que viene", lo que muchos escucharon no fue solo un retraso en el calendario. Escucharon la confirmación implícita de que el modelo no estaba a la altura de lo que necesitaba estar para subir al escenario más importante del año.
Ahora hay una filtración que apunta al 17 de julio. Si se cumple, Google tendrá la oportunidad de demostrar que el retraso valió la pena. Si no se cumple, o si el modelo llega sin los números que justifiquen la espera, la narrativa va a ser difícil de revertir.
Puede que Gemini 3.5 Pro sea exactamente el salto que promete. Pero sin datos, esa posibilidad tiene el mismo peso que cualquier otra. La fecha del 17 de julio, si es real, es solo el primer paso: lo que importa son los benchmarks que vengan después.
Preguntas frecuentes
¿Cuándo sale Gemini 3.5 Pro?
Sundar Pichai dijo el 19 de mayo de 2026 en Google I/O que el modelo llegaría "el mes que viene". Junio pasó sin lanzamiento confirmado. Ahora circulan filtraciones que apuntan al 17 de julio como posible fecha, aunque Google no ha hecho ningún anuncio oficial al respecto.
¿En qué se diferencia Gemini 3.5 Flash de Gemini 3.5 Pro?
Flash es el modelo optimizado para velocidad y coste: cuatro veces más rápido en generación de tokens y con mejor rendimiento que Gemini 3.1 Pro en coding, tareas agentic y multimodal. Pro es el modelo de frontera, el techo de capacidad de Google. Flash ya está disponible; Pro sigue sin fecha confirmada oficialmente.
¿Se puede comparar Gemini 3.5 Pro con GPT-5.6 Sol o Fable?
No con datos verificables. Los benchmarks presentados en I/O 2026 comparan Gemini 3.5 Flash (no Pro) contra GPT-5.5 (no Sol). Hacer esa comparativa ahora sería inventarse los números, y eso no lo hacemos aquí.
¿Qué ha fallado de Gemini en pruebas reales de producción?
En una prueba propia con seis modelos construyendo una API de leads, Gemini 3.1 Pro fue el peor del grupo. El patrón de fallo era consistente: buena primera respuesta, errores graves de lógica cuando la tarea tenía complejidad real o dependencias entre pasos. La brecha entre la primera impresión y el rendimiento sostenido en tareas encadenadas era la más grande del grupo evaluado.
