Modelos de bajo coste de Google y Meta presionan por precio y rendimiento: Gemini 3.8 Flash y Muse Spark 1.3 se acercan a la gama alta

Qué ha ocurrido

La métrica clave ya no es solo quién es “más listo”, sino cuánta capacidad obtienes por euro invertido. Google lanzó Gemini 3.8 Flash, orientado a programación, agentes y razonamiento multipaso, con precios de 0,75/3,75 dólares por millón de tokens (entrada/salida). En Artificial Analysis marca 59 puntos en su Intelligence Index, procesa unos 302 tokens por segundo y sitúa su coste por tarea en 0,58 dólares. Horas después, Meta presentó Muse Spark 1.3 con enfoque similar: 61 puntos en la versión xhigh (la max llega a 62 en acceso limitado), precio xhigh de 1,25/4,25 dólares por millón de tokens y 0,55 dólares por tarea según esa misma plataforma. En pruebas internas, Muse Spark 1.3 usa ~20% menos llamadas a herramientas y ~25% menos tokens que 1.2. Google mantendrá los precios de 3.7 Flash hasta finales de 2026, aunque 3.8 “trabaja más” y consume más tokens, elevando ~40% el coste por tarea frente a 3.7. Con todo, estos modelos baratos se acercan e incluso superan en algunas pruebas a opciones como GPT-5.6 Sol, Grok 4.6 u Opus 5, a una fracción de su coste.

Qué significa para creadores

Si usas agentes para tareas largas (programación de utilidades internas, investigación, guiones, limpieza de datos o flujos de edición), el coste por tarea es decisivo: muchas llamadas a herramientas y pasos multiproceso disparan la factura. Con Gemini 3.8 Flash y Muse Spark 1.3 puedes rebajarla de forma notable: tarifas por millón de tokens sustancialmente más bajas y costes por tarea de 0,58 y 0,55 dólares en el índice citado. Para cargas donde prima la velocidad de generación, los ~302 tokens/segundo de Gemini 3.8 Flash son atractivos; si tu pipeline depende mucho de herramientas, la eficiencia de Muse Spark 1.3 frente a su versión 1.2 sugiere ahorros adicionales. Mide siempre en “inteligencia por euro”: compara coste por tarea real, no solo precio por token, porque Gemini 3.8 puede consumir más tokens por calidad. Y reevalúa si necesitas un modelo frontera cuando hay alternativas “suficientemente buenas” con órdenes de magnitud de ahorro frente a opciones que rondan 10/50 dólares por millón de tokens.

Fuente y contexto

La información procede de Xataka (03/09/2026): precios, cifras de rendimiento y estimaciones de coste por tarea provienen del artículo y de los datos de Artificial Analysis citados. El ritmo de iteración es altísimo: Google ha encadenado varias versiones Flash en semanas, y Meta ha pasado de Muse Spark 1.1 (julio) a 1.2 (agosto) y 1.3 (septiembre). En este escenario, las ventajas en benchmarks duran poco y la relación “inteligencia/precio” gana protagonismo frente al “modelo más inteligente”. Fuente: https://www.xataka.com/robotica-e-ia/openai-anthropic-tienen-problema-nuevos-modelos-baratos-google-meta-demasiado-buenos