La noticia sacudió julio: Google ha retrasado varios meses el lanzamiento de Gemini 3.5 Pro, su próximo modelo estrella, tras comprobar en pruebas internas que no alcanzaba lo esperado en programación y razonamiento complejo. El mercado se lo cobró: las acciones de Alphabet llegaron a caer más de un 4% tras conocerse el retraso. ¿La lección para tu negocio? No es «Google va mal» — es algo mucho más útil: ni los gigantes aciertan a la primera, y tú no necesitas el modelo perfecto para ganar dinero con la IA.

Este es probablemente el tema sobre el que más nos preguntan en las reuniones, y casi siempre con la misma cara de agobio: cada mes sale un modelo nuevo, cada modelo promete ser el mejor de la historia, y nadie tiene tiempo de comprobar nada. La sensación general es que si eliges mal, tiras el dinero. La realidad, después de montar decenas de proyectos, es bastante más tranquilizadora: la elección de modelo es la decisión menos importante de un proyecto de IA bien hecho. Lo que decide el resultado es cómo está montado el proceso alrededor. Este artículo es el mapa que damos a nuestros clientes para que dejen de perseguir titulares y empiecen a decidir con criterio.

El mapa real de modelos (julio de 2026)

Para que no te pierdas entre titulares, así está el tablero ahora mismo:

• OpenAI — GPT-5.6 «Sol» (10 de julio): el nuevo tope de gama, con variantes más baratas (Terra y Luna) para tareas ligeras.

• Anthropic — familia Claude 5: Fable 5 al frente (te lo contamos aquí) y Claude Sonnet 5 (1 de julio) como caballo de batalla calidad-precio con contexto de 1 millón de tokens — puede «leerse» toda tu documentación de una vez.

• xAI — Grok 4.5 (10 de julio): compite en precio agresivo.

• Google — Gemini: la versión actual sigue siendo muy competente (y regalada con medio ecosistema Google); el 3.5 Pro, para otoño-invierno. Mientras, Google ha lanzado Gemini Enterprise, su plataforma de agentes para empresas.

• Meta — Muse Spark 1.1: el recién llegado con vocación de agente y 1 millón de contexto, del que hablamos en la guerra de los agentes.

• China acelera: Kimi K3 de Moonshot AI planta cara en programación a los modelos americanos — con la geopolítica (sanciones incluidas) de fondo.

• Y el carril abierto: Mistral, Nemotron y Qwen han convertido los modelos open source en una opción seria para empresas que quieren control de datos y coste bajo.

Léelo una vez y olvídalo: dentro de tres meses estará desactualizado. Lo que no caduca es lo que viene a continuación.

El criterio que usamos en BCL IA para elegir modelo

Spoiler: casi nunca es «el mejor del ranking». Es este embudo de tres preguntas:

• ¿Qué tarea es? Responder WhatsApps de clientes no necesita el modelo de 30 $/millón de tokens: necesita rapidez, tono y fiabilidad — un modelo medio bien configurado. Analizar 200 páginas de contratos, en cambio, agradece contexto grande y razonamiento.

• ¿Cuánto cuesta por resultado? No mires el precio por token: mide el coste por tarea completada. Un modelo el doble de caro que resuelve a la primera sale más barato que el barato que hay que corregir.

• ¿Puedo cambiarlo mañana? Si tu automatización está bien montada (con Make, n8n o API neutras — comparativa aquí), cambiar de modelo son minutos. Esa portabilidad vale más que cualquier benchmark.

Qué modelo para qué tarea: la tabla mental que usamos

Bajémoslo a tierra con los cuatro trabajos que más nos piden en Asturias. No damos nombres de modelo concretos a propósito — cambiarán antes de que termines de leer esto —, pero sí la gama que corresponde, que es lo que de verdad decide el presupuesto:

• Atender WhatsApp y web con tus datos: gama media. Aquí lo que manda es la velocidad de respuesta (por debajo de dos segundos se nota muchísimo) y la disciplina para no inventarse nada. Un modelo caro no responde mejor el horario de tu clínica; solo tarda más y cuesta más. Nuestros chatbots para negocios locales viven en esta gama.

• Redactar borradores con tu tono: gama media-alta. Merece la pena subir un escalón porque la diferencia se nota en la naturalidad del texto, y porque el volumen es bajo: unas decenas de textos al mes no mueven la factura.

• Leer y clasificar documentos largos (contratos, facturas, expedientes): gama alta con contexto grande. Es la tarea donde pagar más sale más barato, porque un error de lectura en una factura cuesta más que la diferencia de precio de todo el mes.

• Tareas mecánicas de volumen (etiquetar, extraer datos, traducir fichas de producto): gama baja o modelo abierto. Miles de operaciones al mes con un modelo caro es tirar dinero; aquí es donde el open source brilla.

Fíjate en el patrón: en un negocio real conviven tres o cuatro gamas distintas a la vez. La pregunta «¿cuál es el mejor modelo?» está mal formulada desde el principio, igual que preguntar cuál es la mejor herramienta de un taller. Depende del tornillo.

La lección del retraso para tu empresa

Google prefirió retrasar antes que lanzar algo mediocre — con castigo bursátil incluido. Tradúcelo a tu escala: mejor un chatbot que hace tres cosas perfectas que uno que promete veinte y falla cinco. La IA en un negocio local se juega la confianza en cada interacción; el listón no es la demo, es el martes a las 9:00 con un cliente enfadado. Por eso nuestros proyectos — de chatbots a agentes — salen a producción acotados, medidos y con revisión humana donde toca.

Hay un segundo aprendizaje, menos evidente y más útil: Google detectó el problema porque tenía una prueba interna con un listón definido. No lanzó y esperó a ver qué decían los usuarios; midió contra un objetivo y decidió que no llegaba. Esa es exactamente la disciplina que le falta al 90% de los proyectos de IA en pymes que nos llegan para arreglar. Se implanta un asistente, se pone en la web y nadie definió nunca qué significaba que funcionara. ¿Cuántas conversaciones tiene que resolver sin humano? ¿Cuántas citas debe generar al mes? ¿Cuánto puede tardar en responder? Sin esas tres cifras acordadas antes de empezar, no hay forma de saber si el proyecto va bien, y la discusión acaba siendo de sensaciones. Nosotros no arrancamos ningún proyecto sin ellas — y si el resultado no llega al listón, lo decimos y lo corregimos, que es lo que hizo Google a su escala.

Cómo probar un modelo en tu negocio sin ser técnico

Si quieres decidir con datos propios en vez de fiarte de nosotros o de un ranking, hay una prueba casera que funciona sorprendentemente bien y te lleva una hora:

• Reúne 20 casos reales tuyos. Veinte preguntas que te hayan hecho clientes de verdad por WhatsApp la semana pasada, con la respuesta correcta al lado. Ese es tu examen — y es infinitamente más relevante que cualquier benchmark internacional.

• Pásaselas a dos o tres modelos con exactamente las mismas instrucciones y la misma información de tu negocio. Mismo examen, mismos apuntes.

• Cuenta tres cosas: cuántas respondió bien, cuántas se inventó algo (esto es lo grave) y cuántas resolvió sin necesitar a un humano.

• Multiplica por tu volumen real. Si tienes 300 conversaciones al mes y un modelo resuelve el 70% y otro el 85%, la diferencia son 45 conversaciones que no toca tu equipo. Ahí tienes tu criterio de coste, y ya no es una opinión.

Casi siempre pasa lo mismo: el modelo más caro gana por poco, y el de gama media gana por goleada en coste por conversación resuelta. Por eso insistimos tanto en medir con tus casos y no con los de nadie más.

Preguntas frecuentes

¿Espero a Gemini 3.5 Pro para empezar mi proyecto?

No. Cualquier modelo actual de gama media supera de sobra lo que la mayoría de pymes necesita. El retorno está en implantar bien, no en esperar al siguiente lanzamiento (siempre habrá uno).

¿Cambiar de modelo obliga a rehacer mi automatización?

Si está bien diseñada, no: se cambia la pieza del modelo y se ajustan las instrucciones. Si la tuya no lo permite, ese es el primer arreglo que haría.

¿Cuál es «el mejor» ahora mismo?

Depende de la tarea (en serio). Cuéntanos qué quieres automatizar y te decimos modelo, coste mensual estimado y plan B — sin humo.

¿Un modelo más nuevo es siempre mejor que el anterior?

Para tareas complejas, casi siempre. Para responder el horario de tu tienda, la diferencia es invisible y el precio no. Actualizar por actualizar es una de las formas más silenciosas de encarecer un proyecto.

¿Y si mis datos no pueden salir de Europa?

Entonces la conversación cambia: se va a modelos abiertos alojados en la UE o a proveedores con residencia europea de datos. Es el escenario típico de asesorías, clínicas y despachos, y tiene solución sin renunciar a casi nada de calidad.

¿Mareado con tanto modelo? Es normal: cambian cada mes. Nosotros los probamos por ti. Cuéntanos tu caso y te recomendamos la combinación exacta para tu presupuesto.