Google: Gemini 3.7 Flash (batch)

Gemini 3.7 Flash es el perfil específico de razonamiento multimodal de Google para programación, flujos de trabajo de agentes y ejecución en varios pasos. Se basa en Gemini 3.6 Flash, con cambios algorítmicos en el razonamiento y compatibilidad con la comprensión de vídeo mediante agentes. El texto, las imágenes, el audio, el vídeo y los PDF pueden constituir el material de origen de un resultado textual. Entre los entregables útiles se encuentran una revisión de código centrada en un objetivo concreto, una comparación entre una maqueta de diseño y una implementación, o un análisis de los acontecimientos de una grabación fundamentado en la fuente.

La guía para desarrolladores de 3.7 destaca una mayor correspondencia con el diseño en trabajos de escritorio y web. Para esa tarea, proporciona la maqueta prevista, el código fuente pertinente y la discrepancia observable. Solicita una comparación respecto a elementos concretos, como el espaciado, los estados de los componentes, la jerarquía del texto o el comportamiento de las interacciones. Para una comparación de diseño, solicita una lista de discrepancias entre la maqueta de un panel de configuración y su implementación existente, con cada corrección propuesta vinculada a la captura de pantalla o al código fuente. El resultado debe identificar qué necesita cambiar sin ampliar silenciosamente el diseño más allá de los requisitos proporcionados.

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

Los niveles de razonamiento documentados son bajo, medio y alto, con medio como valor predeterminado. El nivel bajo facilita respuestas acotadas más rápidas, mientras que el alto está pensado para razonamiento difícil y trabajo prolongado con herramientas. Gemini 3.7 Flash no admite razonamiento mínimo. Por tanto, un análisis breve de una discrepancia de interfaz y una investigación más profunda que abarque 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 específica del modelo enumera llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Maps y contexto de URL. Computer Use figura como capacidad en versión preliminar, y las salidas estructuradas permiten definir un registro de resultados. Una solicitud de llamada a una función es una operación propuesta que la aplicación conectada debe ejecutar y cuyo resultado debe devolver. 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 una extracción de información de documentos, define los campos, los valores aceptables y cómo debe representarse la información que falte.

Esta edición admite la comprensión de vídeo mediante agentes. Proporciona la grabación pertinente e indica el acontecimiento o la relación que debe examinarse. Unas instrucciones prácticas pueden preguntar qué acción visible explica un cambio de estado, o solicitar una descripción ordenada de los acontecimientos con pruebas del clip. Las imágenes y las páginas PDF pueden servir igualmente de apoyo a una comparación visual o documental. La salida sigue siendo texto: interpretación, datos extraídos, código o una explicación escrita. La generación de vídeo, imágenes o voz corresponde a perfiles de modelo separados.

La tabla específica de la API 3.7 de Google establece 1 048 576 tokens de entrada y 65 536 tokens de salida, mientras que su ficha nativa describe hasta 1M de contexto y 64K de salida de texto. Incluye las instrucciones, las intervenciones anteriores y el contenido multimedia proporcionado en la preparación de la entrada. Para el perfil del fabricante se indican procesamiento por lotes y almacenamiento en caché, junto con las opciones Flex y Priority. Para un conjunto de solicitudes independientes, conserva los identificadores de las fuentes y un formato de resultado coherente para que cada respuesta pueda comprobarse con su propia entrada.

Entre las posibles limitaciones se encuentran las alucinaciones y la lentitud ocasional o los tiempos de espera agotados. La fecha límite de sus conocimientos es marzo de 2026, con algunos ámbitos limitados a enero de 2025. Proporciona material de origen actual cuando una conclusión dependa de hechos más recientes. Lo que distingue de forma útil a esta edición es su enfoque documentado en los problemas de software, el cumplimiento del diseño y el razonamiento sobre vídeo; contrasta esos resultados con la maqueta, el código o el contenido multimedia reales, en lugar de sustituir un perfil histórico específico por funciones más recientes.