Con este movimiento, la compañía entra de lleno en un segmento donde ya compiten soluciones como Claude Mythos, de Anthropic, y GPT-5.5 Cyber, de OpenAI, aunque con una estrategia claramente diferenciada: priorizar la eficiencia, la velocidad y un menor coste de despliegue.
La nueva propuesta de Google DeepMind forma parte de una actualización más amplia de su familia de modelos Gemini, que también incorpora Gemini 3.6 Flash y Gemini 3.5 Flash-Lite. Asimismo, la compañía ha confirmado que ya ha comenzado el proceso de preentrenamiento de Gemini 4, su próxima generación de modelos.
A diferencia de sus competidores, Gemini 3.5 Flash Cyber se ha construido sobre la arquitectura Flash, diseñada para ofrecer respuestas rápidas y reducir el coste computacional frente a los modelos de mayor tamaño. Según Google, esta decisión permite mantener un alto nivel de rendimiento sin disparar el consumo de recursos, una característica especialmente relevante para organizaciones que necesitan ejecutar análisis continuos sobre grandes bases de código.
El modelo se integra directamente con CodeMender, el agente de inteligencia artificial presentado por Google en 2025 para identificar y solucionar vulnerabilidades de software de forma automatizada. La compañía explica que esta combinación ya se utiliza internamente para localizar brechas de seguridad y aplicar correcciones en productos como Chrome, Android y YouTube.
Además, el menor coste operativo permite que CodeMender invoque el modelo varias veces sobre un mismo proyecto, una capacidad que facilita el análisis de diferentes rutas de ejecución y la realización de revisiones más frecuentes sin generar cuellos de botella ni incrementar significativamente los costes de procesamiento.
Google sostiene que Gemini 3.5 Flash Cyber ofrece un rendimiento comparable al de los principales modelos especializados del mercado. En el benchmark CyberGym, diseñado para evaluar la capacidad de agentes de inteligencia artificial para detectar y resolver vulnerabilidades reales, el modelo alcanzó una tasa de éxito del 83,2%. Este resultado lo sitúa ligeramente por encima de Mythos Preview, que obtuvo un 83,1%, y muy cerca de Mythos 5, con un 83,8%. En comparación con OpenAI, el nuevo modelo se aproxima al 83,6% registrado por GPT-5.6 Sol, aunque queda por debajo del 85,6% alcanzado por GPT-5.5 Cyber.
En una primera fase, Gemini 3.5 Flash Cyber solo estará disponible para gobiernos y socios de confianza mediante un programa piloto integrado en CodeMender. Google no ha concretado cuándo llegará al resto de clientes.
Junto a esta versión especializada, Google DeepMind ha presentado Gemini 3.6 Flash, definido por la compañía como su modelo de referencia para tareas de programación, trabajo con conocimiento y aplicaciones multimodales. Según Google, esta versión reduce el consumo de tokens hasta un 17% respecto a Gemini 3.5 Flash, lo que también disminuye los costes de utilización.
Por su parte, Gemini 3.5 Flash-Lite se posiciona como la opción más económica de la familia para despliegues de gran volumen. Mientras tanto, la compañía continúa trabajando en Gemini 3.5 Pro, cuyo lanzamiento acumula retrasos, y ha confirmado que ya ha iniciado el preentrenamiento de Gemini 4, un proyecto que, según su equipo de desarrollo, constituye el esfuerzo más ambicioso realizado hasta la fecha por Google DeepMind.