Grok 4.6 y Gemini 3.7 Flash ya disponibles en ADA

Dos lanzamientos en 48 horas

El 12 de agosto, xAI presentó Grok 4.6, construido sobre Grok 4.5 con foco en agentes de larga ejecución y trabajo visual. Un día después, el 13, Google lanzó Gemini 3.7 Flash, la variante rápida y eficiente de su familia, apenas tres semanas después de la versión anterior.

Lo que vuelve relevante a los dos no es solo la mejora individual. Es la señal de industria: la brecha de inteligencia entre los modelos más avanzados se achica, mientras la eficiencia con la que trabajan da un salto. Grok 4.6 iguala el puntaje de GPT-5.6 Sol en el Intelligence Index de Artificial Analysis usando una fracción de los recursos; Gemini 3.7 Flash volvió a duplicar la eficiencia de su versión anterior.

Traducido a negocio: la eficiencia dejó de ser un detalle técnico. Cuando un análisis de marketing implica miles de tokens de datos y varios ciclos de razonamiento, cuánto rinde cada modelo y qué tan rápido responde definen cuántos análisis puedes correr en el mismo tiempo.

ADA ya integra ambos modelos

Aquí el dato que le importa a una marca: no hay que elegir entre uno y otro. ADA opera como un sistema multimodal que orquesta varios modelos, entre ellos Grok y la familia Gemini Flash, sobre los datos de marketing ya centralizados y normalizados de cada cuenta.

En vez de depender de un único chatbot, ADA elige el tipo de inteligencia adecuado para cada tarea: máxima profundidad cuando el análisis lo pide, máxima velocidad cuando se necesita una respuesta al instante. El resultado son tablas, gráficos, hallazgos e informes completos, generados de forma automática.

Y hay un beneficio que se ve directo en la factura. ADA funciona con un sistema de créditos: cada millón de tokens de ADA equivale a USD 50. Cada modelo consume esos créditos a un multiplicador distinto según su eficiencia, y ahí Grok 4.6 y Gemini 3.7 Flash marcan la diferencia: están entre los más eficientes del panel (x0,4 y x0,5 de consumo), muy por debajo de los modelos premium. Elegir modelos como Grok estira el mismo presupuesto de créditos a través de muchos más análisis, y abarata el costo real de analizar marketing con ADA.

Grok 4.6: la eficiencia como estrategia

Grok 4.6 no es una base nueva más grande, sino un salto de post-entrenamiento sobre Grok 4.5, con más aprendizaje por refuerzo en entornos agénticos. Su as bajo la manga es la eficiencia.

• Eficiencia. Resuelve tareas de análisis en muchos menos pasos que los modelos tope de gama, consumiendo una fracción de los recursos para el mismo resultado.
• Contexto. 500.000 tokens, suficiente para cargar meses de datos de una cuenta en una sola consulta.
• Multimodalidad. Entrada de texto e imagen; salida de texto. No procesa audio ni vídeo.
• Razonamiento. Niveles low, medium, high y un nuevo modo xhigh para tareas complejas.
• Inteligencia. 61 puntos en el Intelligence Index de Artificial Analysis, empatando a GPT-5.6 Sol y a un punto de los modelos tope de gama.

Lo que más pesa en un flujo de análisis no es la potencia bruta, sino la eficiencia de trayectoria. Según Artificial Analysis, Grok 4.6 completa tareas de knowledge work en unos 53 turnos, contra 103 de Claude Opus 5. Menos turnos es menos tokens totales: el modelo trabaja de forma más eficiente de lo que sugiere su ficha técnica.

*Intelligence Index de Artificial Analysis. Grok 4.6 se ubica a la altura de los modelos tope de gama en inteligencia, pero resuelve las tareas en muchos menos pasos: unos 53 turnos frente a los 103 de Claude Opus 5. Esa es su verdadera eficiencia: rinde como los mejores usando una fracción del cómputo.

Gemini 3.7 Flash: velocidad y multimodalidad

Si Grok 4.6 optimiza la eficiencia de pensar profundo, Gemini 3.7 Flash optimiza la velocidad y la amplitud multimodal. Es el modelo workhorse de Google: pensado para volumen alto, latencia baja y entrada de casi cualquier formato.

• Contexto. 1.000.000 de tokens de entrada y hasta 64.000 de salida.
• Multimodalidad real. Procesa texto, imagen, audio, vídeo y PDF. Clave para leer creativos, capturas de dashboards y documentos.
• Eficiencia. Duplica la eficiencia de Gemini 3.6 Flash: rinde el mismo trabajo con la mitad de los recursos.
• Razonamiento. Niveles de pensamiento low, medium y high.
• Inteligencia. 56 puntos en el Intelligence Index, cuatro más que Gemini 3.6 Flash, con saltos grandes en código y comprensión de documentos.

Para un motor de análisis, la combinación de contexto de 1M y multimodalidad significa poder cargar meses de datos, más los creativos y los reportes, en una sola pasada, y recibir la lectura casi en tiempo real.

Grok 4.6 vs Gemini 3.7 Flash: cuál para qué

No son rivales que se anulan, sino piezas complementarias. La forma más simple de verlo:

La lectura es directa: si necesitas el mayor rendimiento en un análisis largo y agéntico, Grok 4.6. Si necesitas velocidad, multimodalidad amplia y máxima eficiencia por token, Gemini 3.7 Flash.

No es qué modelo es mejor. Es qué modelo para qué tarea, y eso lo resuelve el sistema, no el usuario.

Qué cambia para el análisis de marketing

La combinación de un modelo muy eficiente y potente con uno rápido y multimodal toca las cuatro palancas que definen un buen motor de análisis:

1. Eficiencia por análisis. Los informes recurrentes y la atribución cross-channel consumen muchos tokens. La eficiencia de trayectoria de Grok 4.6 reduce el consumo en los análisis profundos; Gemini 3.7 Flash optimiza el alto volumen.
2. Velocidad de insights. Los 340 tokens por segundo de Gemini permiten respuestas casi en tiempo real durante una reunión o una revisión de dashboard.
3. Lectura de creativos y dashboards. La multimodalidad de Gemini habilita comparar piezas por engagement, interpretar capturas y transformar reportes visuales en hallazgos.
4. Razonamiento sobre métricas. Los modos de razonamiento profundo (xhigh en Grok, high en Gemini) permiten pasar de qué pasó a qué significa y qué hacer.

En ADA, esto se traduce en workflows concretos: análisis de performance omnicanal, detección de tendencias en X vía Grok, comparación de creativos, reportes mensuales en HTML y resúmenes ejecutivos para liderazgo. El propio Bunker lo resume bien: el resultado no depende solo del modelo, sino del contexto. Primero datos centralizados y normalizados; la IA, encima.