Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarX: @GoogleDeepMind→ original

Google lanza las versiones estables Gemini 1.5 Pro-002 y Flash-002: Pro baja de precio más del doble

Google ha lanzado las versiones estables Gemini 1.5 Pro-002 y Flash-002, nuevas compilaciones que pueden integrarse en un producto de pago sin la etiqueta de «experimental». Según las mediciones de Google, las pruebas matemáticas MATH y HiddenMath mejoran alrededor de un 20%, y Pro baja más del doble de precio para consultas de hasta 128 000 tokens. Si su servicio funciona con Gemini, revise el presupuesto y pruebe -002 con sus propias consultas.

Procesado por IA desde X: @GoogleDeepMind; editado por Hamidun News
Google lanza las versiones estables Gemini 1.5 Pro-002 y Flash-002: Pro baja de precio más del doble
Fuente: X: @GoogleDeepMind. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalX: @GoogleDeepMind ↗
Editor jefe
Pro hasta 128K tokens$1,25 por millón de tokens de entrada y $5 por millón de tokens de salida
LímitesFlash hasta 2000 solicitudes por minuto, Pro hasta 1000
Dato clave #3Velocidad de generación el doble de alta, latencia hasta el primer token tres veces menor

Google DeepMind ha lanzado Gemini 1.5 Pro-002 y Flash-002. El sufijo «002» indica la segunda versión actualizada de cada modelo. La palabra «estables» significa que los modelos ya no figuran como experimentales: se puede construir sobre ellos un servicio con usuarios reales y pagos, sin temor a que el modelo cambie de forma repentina o se desactive. La segunda noticia tiene que ver con el dinero: Pro para consultas de hasta 128 000 tokens (documentos largos, contratos, informes, fragmentos de bases de código) baja de precio más del doble. A continuación analizamos qué ha cambiado exactamente y qué hacer al respecto.

Qué ha cambiado en los modelos

Las nuevas versiones se basan en las compilaciones experimentales que Google mostró en las últimas semanas. Según la compañía, las mejoras principales se refieren a tres aspectos: comprensión de contextos largos, trabajo con imágenes y matemáticas. En la práctica, el modelo pierde menos detalles en documentos extensos, lee mejor capturas de pantalla, diagramas y tablas, y resuelve con más seguridad problemas de cálculo.

Google aporta cifras de sus propias mediciones. En la prueba exigente de conocimiento general MMLU-Pro, el resultado sube alrededor de un 7%; en las pruebas matemáticas MATH y HiddenMath, alrededor de un 20%. En las tareas de visión y en la generación de código la mejora es más modesta: entre un 2% y un 7%. Es un avance notable, pero no una revolución. Todas las cifras proceden de comparaciones internas de Google, y con sus propios datos la diferencia podría ser otra.

Hay además otro detalle: las respuestas se han vuelto más breves. En preguntas y respuestas, la longitud se reduce alrededor de un 5–20%. Para los chatbots es una ventaja: el modelo se extiende menos y gasta menos tokens. Pero si necesita textos detallados y desarrollados, compruebe que el modelo no se haya vuelto demasiado escueto y, si hace falta, ajuste el prompt.

Precios, límites y velocidad

Para las empresas, lo más atractivo es la reducción de precio. Para Gemini 1.5 Pro, en consultas de hasta 128 000 tokens, ahora rige una tarifa de $1,25 por millón de tokens de entrada y $5 por millón de tokens de salida. Antes costaba $3,50 y $10,50 respectivamente, de ahí que la bajada sea «más del doble». El descuento también se aplica al almacenamiento en caché del contexto, es decir, a escenarios en los que el mismo documento grande se envía al modelo muchas veces. Google vinculó los nuevos precios al inicio de octubre de 2024.

Los límites también han subido. Flash admite ahora hasta 2000 solicitudes por minuto, y Pro hasta 1000. Para los servicios con mucho tráfico, esto retrasa de forma notable el momento de chocar con las restricciones. Además, la compañía afirma un aumento aproximado del doble en la velocidad de generación y una reducción de tres veces en la latencia hasta el primer token. En interfaces de chat y asistentes de voz se nota: el usuario ve antes el inicio de la respuesta.

Qué deben hacer los desarrolladores

Primero, compruebe en qué versión funciona su producto. Si accede al modelo mediante el alias «la última versión», su comportamiento puede cambiar por sí solo. Si la versión está fijada explícitamente, la migración a -002 debe hacerse de forma consciente, tras ejecutar sus propias consultas de prueba.

Segundo, recalcule el coste. En aplicaciones que envían a Pro documentos grandes (análisis de contratos, informes, código), el ahorro puede ser considerable. Si antes elegía Flash por el precio, compare de nuevo: la diferencia entre Flash y Pro se ha reducido.

Tercero, tenga en cuenta las limitaciones. La mejora en matemáticas y código solo está confirmada, por ahora, por las mediciones de la propia Google, y la comparación con los mejores modelos de la competencia sigue siendo una cuestión abierta. Las tarifas reducidas se aplican a consultas de hasta 128 000 tokens; para prompts más largos, los precios siguen siendo más altos. Antes de trasladar la producción, ejecute su propio conjunto de tareas y compare calidad, coste y latencia entre la versión anterior y la nueva.

En conjunto, el lanzamiento muestra hacia dónde se mueve el mercado: los laboratorios compiten no solo en calidad, sino también en precio por token. Para quienes construyen productos sobre LLM, es una buena noticia: un modelo del mismo nivel cuesta menos y los nuevos límites facilitan el escalado.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Qué ha cambiado en los modelos?

Las nuevas versiones se basan en las compilaciones experimentales que Google mostró en las últimas semanas. Según la compañía, las mejoras principales se refieren a tres aspectos: comprensión de contextos largos, trabajo con imágenes y matemáticas. En la práctica, el modelo pierde menos detalles en documentos extensos, lee mejor capturas de pantalla, diagramas y tablas, y resuelve con más seguridad problemas de cálculo. Google aporta cifras de sus propias mediciones.

¿Qué se sabe sobre Precios, límites y velocidad?

Para las empresas, lo más atractivo es la reducción de precio. Para Gemini 1.5 Pro, en consultas de hasta 128 000 tokens, ahora rige una tarifa de $1,25 por millón de tokens de entrada y $5 por millón de tokens de salida. Antes costaba $3,50 y $10,50 respectivamente, de ahí que la bajada sea «más del doble». El descuento también se aplica al almacenamiento en caché del contexto, es decir, a escenarios en los que el mismo documento grande se envía al modelo muchas veces.

¿Qué se sabe sobre Qué deben hacer los desarrolladores?

Primero, compruebe en qué versión funciona su producto. Si accede al modelo mediante el alias «la última versión», su comportamiento puede cambiar por sí solo. Si la versión está fijada explícitamente, la migración a -002 debe hacerse de forma consciente, tras ejecutar sus propias consultas de prueba. Segundo, recalcule el coste. En aplicaciones que envían a Pro documentos grandes (análisis de contratos, informes, código), el ahorro puede ser considerable.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…