Gemini
Un modelo general nativamente multimodal, pensado para contextos muy largos
El texto completo se presenta en inglés; el título y el resumen están traducidos.
QUÉ ES
Gemini is Google DeepMind’s multimodal model family, announced in December 2023 and designed from the start to handle text, image, audio and video together. It is integrated across Google’s existing products, serving Search, Workspace and cloud platforms at once. The Gemini 1.5 generation extended the context window to the million-token range, enough to read long documents, code bases or hours of video in one pass. It is both a model and an application brand, spanning lightweight on-device to large cloud-scale versions.
Por qué merece la pena recordarlo
By pushing the context window to the million-token range and demonstrating it publicly, it reset expectations for how much a model can read in one pass and made multimodal input standard for general models.
Especificaciones clave
- Context window
- 1M tokens (Gemini 1.5 Pro)
- Modality
- Text, image, audio, video in; text out
- Released
- 2023-12
- Open weights
- No
Capacidades
Conversación y seguimiento de instrucciones
Entender la intención en el diálogo y actuar en consecuencia
Generación de texto
Continúa un texto palabra por palabra
Razonamiento y cadena de pensamiento
Descomponer un problema difícil en pasos intermedios
Comprensión de imágenes y VQA
Mirar una imagen y responder preguntas libres
Conceptos relacionados
Arquitectura Transformer
Sustituir el relé palabra a palabra por una sala donde todos hablan a la vez, para que las dependencias lejanas estén a un salto
Generación multimodal
Un mismo modelo que aprende a hablar, dibujar, moverse e incluso modelar el mundo 3D
Mecanismo de atención
Cada posición puede mirar directamente a todas las demás y repartir su atención según la relevancia
Productos similares
GPT-4o
2024Un modelo general nativamente multimodal: texto, imagen y audio por una misma puerta
Claude
2023Un modelo de chat general conocido por su contexto largo y su alineación de seguridad
Llama
2023La familia que llevó la ruta de pesos abiertos a la corriente principal
o3
2025Razona largamente antes de responder: cambia cómputo en inferencia por más aciertos
Grok
2023Un modelo de chat ligado a los datos de una red social