Añadir Mangas Verdes como fuente preferida de Google de forma gratuita.
Mantente informado con las últimas noticias de actualidad.
La velocidad ya no es la novedad. La cadencia sí.
Google lanzó Gemini 3.8 Flash el 5 de septiembre de 2026 y Meta presentó Muse Spark 1.3 el mismo día, en una carrera que ya no se mide solo por quién sube más en una tabla, sino por cuántas veces retoca el modelo en pocas semanas. En el caso de Google, es el tercer Flash en seis semanas.
Meta apretó el ritmo mientras el mercado aún no ha migrado
Meta tampoco ha ido despacio. La compañía lanzó Muse Spark 1.1 en julio, la 1.2 en agosto y la 1.3 en septiembre, una secuencia que deja una imagen curiosa para cualquier empresa que compra estas herramientas y luego tarda meses en cambiarlas.
Ahí aparece la fricción más terrenal de todo este ciclo. El mercado de inteligencia artificial empresarial tarda entre seis y doce meses en migrar masivamente a cada nueva generación de modelos, de modo que los lanzamientos se encadenan más rápido de lo que muchas compañías pueden absorber.
Esa tensión ya se había visto en el salto de Gemini 3.8 Flash, donde la presión por mejorar capacidades convivía con la necesidad de mantener costes bajos para despliegues reales.
Los puntos en la tabla importan menos cuando la factura cambia
Gemini 3.8 Flash obtiene 59 puntos en el Intelligence Index en modo high, al nivel de GPT-5.6 Sol y Grok 4.6. Muse Spark 1.3 sube a 61 puntos en modo xhigh y alcanza 62 en el acceso limitado max.
La comparación se vuelve más nítida cuando entra Claude Fable 5.1. Ese modelo llega a 66 puntos en el Intelligence Index, pero su precio asciende a 10 dólares por millón de tokens de entrada y 50 dólares por millón de tokens de salida.
Google, por su parte, fijó el precio de la API de Gemini 3.8 Flash en 0,75 dólares por millón de tokens de entrada y 3,75 dólares por millón de tokens de salida. Meta colocó Muse Spark 1.3 en 1,25 dólares por millón de tokens de entrada y 4,25 dólares por millón de tokens de salida.
Rendir más no siempre significa costar menos al final
Sobre el papel, Muse Spark 1.3 deja un coste de 0,55 dólares por tarea y Gemini 3.8 Flash queda en 0,58 dólares.
Ahora bien, Gemini 3.8 Flash consume más tokens que la versión 3.7 Flash, lo que eleva el coste por tarea un 40 % respecto a su predecesor. Esa diferencia recuerda que una mejora en capacidades puede venir acompañada de una factura menos amable cuando el volumen crece.
Meta ha intentado atacar justo ese frente. En sus pruebas internas, Muse Spark 1.3 usa un 20 % menos de llamadas a herramientas y un 25 % menos de tokens que la versión 1.2, un ajuste que apunta directamente a los costes de operación.
302 tokens por segundo.
La eficiencia cambia cuando el trabajo deja de ser simple
Gemini 3.8 Flash procesa esos 302 tokens por segundo, una cifra que ayuda a entender por qué estos modelos ganan atractivo en tareas repetitivas y de baja complejidad. Cuando una empresa lanza miles de consultas pequeñas, cada décima de coste y cada segundo de respuesta cuentan más de lo que sugiere una tabla de benchmarks.
Los equipos de ingeniería reportan precisamente eso. El coste baja en tareas simples al usar esta nueva hornada de modelos, pero la ventaja se estrecha en flujos agénticos complejos porque esas cadenas exigen más iteraciones.
Es la clase de detalle que suele quedar fuera del escaparate. Un modelo puede parecer más barato en una prueba aislada y perder parte de esa ventaja cuando debe razonar, llamar herramientas varias veces y corregirse sobre la marcha.
OpenAI también entró en la pelea por acelerar la respuesta
OpenAI presentó GPT-5.6 Sol mediante Ultrafast en chips Cerebras, otro movimiento que empuja la conversación hacia la latencia y el coste operativo, no solo hacia la puntuación máxima. La industria ha entrado en una fase en la que el rendimiento bruto sigue importando, pero ya no manda solo.
También ayuda a leer este momento con algo de perspectiva la batalla por la IA barata, porque el debate ya no gira alrededor del modelo más fuerte, sino del que ofrece una relación más soportable entre capacidad y factura.
La paradoja es bastante clara. Mientras Google y Meta aceleran el calendario con versiones mensuales o incluso semanales, buena parte del mercado empresarial sigue moviéndose con plazos de seis a doce meses, así que la carrera por lanzar antes convive con clientes que todavía están evaluando la generación anterior.