Google: Gemini 3 Flash Preview (batch)

Gemini 3 Flash Preview es un modelo de razonamiento de Google para comprensión multimodal, programación y tareas de agentes. Acepta texto, imágenes, vídeo, audio y PDF, y devuelve texto. Por tanto, una solicitud puede reunir instrucciones escritas, archivos de origen, observaciones visuales e historial de conversación en torno a un mismo problema. El resultado puede ser una explicación, una propuesta de código, datos extraídos o un plan fundamentado en esos materiales, en lugar de una imagen generada o una respuesta hablada.

La ficha exacta del modelo indica un límite de entrada de 1,048,576 tokens y un límite de salida de 65,536 tokens. Planifica por separado el material de origen y el resultado: un fragmento largo de un repositorio, una colección de documentos o una grabación solo caben si su representación procesada y las instrucciones se ajustan al presupuesto de entrada, y la respuesta sigue necesitando su propia longitud asignada. Etiqueta las fuentes relacionadas e identifica qué material es de referencia obligada. Para unas instrucciones largas, la guía para desarrolladores recomienda colocar la pregunta concreta después de los datos y vincularla expresamente con la información anterior.

El razonamiento es dinámico, con high como valor predeterminado documentado para este modelo. Los niveles admitidos son minimal, low, medium y high. Son asignaciones relativas de razonamiento, no cantidades garantizadas de tokens. Minimal puede implicar cierto razonamiento ante un problema de programación difícil. Elige el nivel según la tarea: una transformación breve y un problema de depuración con varias condiciones necesitan un tratamiento diferente. Utiliza instrucciones directas y claras en lugar de imponer elaborados rituales de razonamiento; solicita el recurso final y las comprobaciones que lo hagan utilizable.

La ficha del fabricante enumera salidas estructuradas, llamadas a funciones, ejecución de código, uso del ordenador, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Google Maps, contexto de URL y almacenamiento en caché. Las herramientas integradas pueden combinarse con llamadas a funciones personalizadas en el flujo documentado de Gemini 3. Una aplicación define las funciones, comprueba sus argumentos, ejecuta las acciones aceptadas y devuelve sus resultados. Para un asistente de programación, una herramienta de lectura de archivos o de ejecución controlada de pruebas puede aportar pruebas concretas para el siguiente paso. En el informe final debe mantenerse la distinción entre una acción propuesta y un resultado observado de una herramienta.

Para programar, proporciona los archivos pertinentes, el lenguaje, el comportamiento esperado y una entrada que demuestre el problema. Delimita el alcance del cambio e indica la interfaz o el comportamiento que debe conservarse. Solicita una implementación revisada y los casos que deben comprobarse. Para una tarea de análisis documental, define la pregunta, los campos necesarios y las referencias de origen. Si se utiliza una salida estructurada, proporciona un esquema con significados claros para los campos y reglas para los valores ausentes. Valida tanto su sintaxis como que cada valor se derive del material original.

Para el análisis multimodal, identifica qué es importante en cada fuente. Una captura de pantalla puede respaldar una explicación de una interfaz, un PDF puede aportar una tabla o un gráfico, y una grabación puede aportar lo que se dice o los sucesos visibles. La guía para desarrolladores trata los controles de resolución de medios porque el nivel de detalle cambia la representación procesada y el consumo de tokens. El flujo de ejecución de código del fabricante puede recortar o ampliar imágenes proporcionadas, realizar cálculos con datos visuales y añadir anotaciones antes de que el modelo prepare su respuesta. Leer texto pequeño puede requerir un ajuste distinto del necesario para una descripción general de una escena. Mantén disponibles la página, la imagen o el fragmento pertinentes para que las observaciones puedan comprobarse, en lugar de considerar un resumen fluido como prueba de que todos los detalles se han leído correctamente.

El estado de la conversación y de las herramientas debe conservarse en la interfaz elegida. Gemini 3 utiliza firmas de razonamiento para mantener el contexto de razonamiento entre llamadas; la guía para desarrolladores distingue entre el historial con estado gestionado y el historial sin estado gestionado manualmente. Conserva el contexto necesario al continuar una tarea con herramientas o revisar un resultado. Google también recomienda mantener su temperatura predeterminada de 1.0 en lugar de importar una configuración de temperatura baja que pueda provocar bucles o un comportamiento degradado en tareas complejas. Estas son prácticas de integración del fabricante, no nuevas afirmaciones sobre el transporte de una aplicación concreta.

El modelo de texto no anuncia generación de imágenes o audio ni Live API. La guía también distingue la comprensión visual de la segmentación de imágenes a nivel de píxel, que no es una capacidad compatible con Gemini 3 Flash. Utiliza un resultado final apropiado para la tarea real: observaciones vinculadas a fuentes, un registro estructurado, un cambio de código o una decisión con sus supuestos expresos. Comprueba la aritmética, verifica el código en el entorno previsto y revisa la información devuelta por las herramientas. Cuando los hechos recientes sean importantes, utiliza las fuentes de fundamentación configuradas o los datos actuales proporcionados, en lugar de suponer que el conocimiento del modelo es una base de datos en tiempo real.