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.