Gemini

Categoría: modelos nube propietario multimodal

Definición

Familia insignia de modelos fundacionales nativamente multimodales desarrollados por Google DeepMind. A diferencia de arquitecturas que acoplan codificadores externos de imagen o audio a un modelo de texto, Gemini fue diseñado desde su preentrenamiento para procesar de forma unificada texto, código, imágenes, audio y video en una misma Red Neuronal, destacando por sus ventanas de contexto masivas (1M a 2M+ de tokens).

Variantes y niveles principales

  • Gemini Pro / Carbon (gemini-3.1-pro / gemini-4-carbon): Modelos de frontera para razonamiento complejo, matemáticas avanzadas, análisis de repositorios enteros y videos largos.
  • Gemini Flash / Hydrogen (gemini-3.8-flash / gemini-4-hydrogen): Modelos de alta velocidad y eficiencia optimizados para baja latencia, respuestas instantáneas y agentes de alto volumen con soporte multimodal completo.
  • Gemini Flash-Lite (gemini-3.5-flash-lite / 2.5-flash-lite): Variante ultracompacta y económica para tareas de alta frecuencia a gran escala.
  • Gemini Omni (gemini-omni-1.2-flash): Especializado en interacción multimodal en tiempo real con baja latencia de audio y visión.

Notas técnicas

  • Comparte investigación arquitectónica y Tokenizador con la familia de pesos abiertos Gemma.