Google: Gemini 3.7 Flash (batch)

Gemini 3.7 Flash es el perfil de razonamiento multimodal de Google con nombre propio para programación, flujos de agentes y ejecución de varios pasos. Se basa en Gemini 3.6 Flash, con cambios algorítmicos en el razonamiento y compatibilidad con comprensión de video mediante agentes. Texto, imágenes, audio, video y PDF pueden constituir el material de origen de un resultado textual. Los entregables útiles incluyen una revisión enfocada de código, una comparación entre una maqueta de diseño y una implementación o un análisis de eventos de una grabación fundamentado en la fuente.

La guía para desarrolladores de 3.7 destaca una mayor fidelidad al diseño en trabajos de escritorio y web. Para esa tarea, proporciona la maqueta prevista, la fuente pertinente y la discrepancia observable. Pide una comparación con elementos concretos como espaciado, estados de componentes, jerarquía textual o comportamiento de interacción. Para una comparación de diseño, solicita una lista de discrepancias entre la maqueta de un panel de ajustes y su implementación existente, vinculando cada corrección propuesta con la captura o la fuente. El resultado debe identificar qué necesita cambiar sin ampliar silenciosamente el diseño más allá de los requisitos proporcionados.

Para un flujo de programación, indica el objetivo, el comportamiento existente, los archivos pertinentes y las restricciones. Google posiciona 3.7 para resolver problemas de software y reducir ciclos fallidos de agentes, pero una revisión útil sigue comprobando la modificación real y el resultado de validación. Mantén en la conversación la secuencia de observaciones de herramientas para que un paso posterior no parta de una descripción inventada del código. El resultado final puede distinguir un cambio propuesto de uno confirmado mediante las herramientas de la aplicación conectada.

Los niveles de pensamiento documentados son bajo, medio y alto, con medio como valor predeterminado. Bajo admite respuestas acotadas más rápidas, mientras que alto está destinado al razonamiento difícil y al trabajo prolongado con herramientas. Gemini 3.7 Flash no admite pensamiento mínimo. Por eso, un análisis breve de una discrepancia de interfaz y una investigación más profunda de varios archivos requieren elecciones distintas de esfuerzo. Define el entregable final y las condiciones que debe cumplir antes de solicitar una secuencia más larga de razonamiento y acciones.

La página exacta del modelo enumera llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Maps y contexto de URL. Computer Use se marca como preliminar, y las salidas estructuradas pueden definir un registro de resultados. Una solicitud de función es una operación propuesta para que la aplicación conectada la ejecute y devuelva. Para una tarea de agente, asigna a la herramienta un propósito claro y conserva el resultado real antes de pedir al modelo que continúe. Para extracción documental, define los campos, los valores aceptables y cómo debe representarse la información ausente.

Esta edición admite comprensión de video mediante agentes. Proporciona la grabación pertinente e indica el evento o relación que debe examinarse. Un encargo práctico puede preguntar qué acción visible explica un cambio de estado o solicitar una descripción ordenada de eventos con evidencia del clip. Las imágenes y páginas PDF pueden respaldar de forma similar una comparación visual o documental. La salida sigue siendo texto: interpretación, datos extraídos, código o una explicación escrita. El video, las ilustraciones o la voz generados pertenecen a perfiles de modelo separados.

La tabla exacta de API 3.7 de Google especifica 1,048,576 tokens de entrada y 65,536 de salida, mientras que su ficha nativa describe hasta 1M de contexto y 64K de salida textual. Incluye instrucciones, turnos anteriores y medios proporcionados al preparar la entrada. El procesamiento por lotes y la caché figuran para el perfil del productor, junto a las opciones Flex y Priority. Para una colección de solicitudes independientes, conserva identificadores de fuente y un formato consistente de resultados para que cada respuesta pueda comprobarse con su propia entrada.

Las posibles limitaciones incluyen alucinaciones y lentitud ocasional o tiempos de espera agotados. Su fecha de corte de conocimiento es marzo de 2026, con algunos dominios limitados a enero de 2025. Proporciona fuentes actuales cuando una conclusión dependa de hechos más recientes. La distinción útil de esta edición es su enfoque documentado en problemas de software, fidelidad al diseño y razonamiento sobre video; revisa esos resultados frente a la maqueta, el código o los medios reales, en lugar de sustituir un perfil histórico identificado por funciones más nuevas.