Gemini es una familia de modelos de IA generativa que permite a los desarrolladores generar contenido y resolver problemas. Estos modelos están diseñados y entrenados para controlar imágenes y texto como entrada. En esta guía, se proporciona información sobre cada variante del modelo a fin de ayudarte a decidir cuál es la mejor para tu caso de uso.
Idiomas disponibles
Los modelos de Gemini están entrenados para funcionar con los siguientes idiomas: árabe (ar), bengalí (bn), búlgaro (bg), chino simplificado y tradicional (zh), croata (hr), checo (cs), danés (da), holandés (nl), inglés (en), estoniano (et), inglés (en), Estoniano (et), finés (bnzh), (italiano) (bn), búlgaro (bg) y japonés (zh), japonészh, (ar) y japonésbg, (ar)zh, japonésbg), (ar)zh, japonésbg y búlgaro (4/}), búlgaro (bg) y búlgaro (bg/}), japonés (bn)bn, japonésbn), búlgaro (4//}), búlgaro (bg) y búlgaro (zh)
(12/}), chino simplificado y tradicional (zh)
(12/}), japonés (bn).fifrdeeliwhihuiditjakolvltnoplptrorusrskslesswsvthtrukvi
Los modelos PaLM solo funcionan bien con el idioma inglés. El uso de otros lenguajes puede producir resultados inesperados.
Variantes del modelo
La API de Gemini ofrece diferentes modelos que están optimizados para casos de uso específicos. Esta es una descripción general breve de las variantes de Gemini disponibles:
| Variante del modelo | Entradas | Salida | Optimizado para |
|---|---|---|---|
| Gemini 1.5 Pro (versión preliminar) | Audio, imágenes, videos y texto | Texto | Tareas de razonamiento que incluyen, sin limitaciones, generación de código y texto, edición de texto, resolución de problemas, extracción y generación de datos |
| Gemini 1.5 Flash (versión preliminar) | Audio, imágenes, videos y texto | Texto | Rendimiento rápido y versátil en una gran variedad de tareas |
| Gemini 1.0 Pro | Texto | Texto | Tareas de lenguaje natural, chat de código y texto de varios turnos, y generación de código |
| Gemini 1.0 Pro Vision | Imágenes, videos y texto | Texto | Rendimiento optimizado para tareas relacionadas con elementos visuales, como generar descripciones de imágenes o identificar objetos en imágenes |
| Incorporación de texto | Texto | Incorporaciones de texto | Genera incorporaciones de texto elásticas con hasta 768 dimensiones para texto de hasta 2,048 tokens |
| Incorporación | Texto | Incorporaciones de texto | Genera incorporaciones de texto con 768 dimensiones para texto de hasta 2,048 tokens |
| ICA | Texto | Texto | Realizar tareas relacionadas con preguntas atribuidas a partir del texto proporcionado |
En la siguiente tabla, se describen los atributos de los modelos de Gemini que son comunes para todas las variantes de modelos:
| Atributo | Descripción |
|---|---|
| Datos de entrenamiento | El límite de conocimiento de Gemini será a principios de 2023. El conocimiento sobre los eventos posteriores a ese tiempo es limitado. |
| Idiomas admitidos | Consulta los idiomas disponibles |
| Parámetros configurables del modelo |
|
Consulta la sección de parámetros del modelo de la guía de modelos generativos para obtener información sobre cada uno de estos parámetros.
Gemini 1.5 Pro (versión preliminar)
Gemini 1.5 Pro es un modelo multimodal de tamaño medio optimizado para una amplia gama de tareas de razonamiento, como las siguientes:
- Generación de código
- Generación de texto
- Edición de texto
- Solución de problemas
- Generación de recomendaciones
- Extracción de información
- Extracción o generación de datos
- Creación de agentes de IA
1.5 Pro puede procesar grandes cantidades de datos a la vez, incluidas 1 hora de video, 9.5 horas de audio, bases de código con más de 30,000 líneas de código o más de 700,000 palabras.
1.5 Pro es capaz de realizar tareas de aprendizaje sin ejemplos, en uno o con ejemplos limitados.
Detalles del modelo
| Propiedad | Descripción |
|---|---|
| Código del modelo | models/gemini-1.5-pro-latest |
| Entradas | Audio, imágenes, video y texto |
| Salida | Texto |
| Métodos de generación compatibles |
generateContent
|
| Límite de tokens de entrada[**] | 1.048.576 |
| Límite de tokens de salida[**] | 8,192 |
| Cantidad máxima de imágenes por instrucción | 3,600 |
| Duración máxima del video | 1 hora |
| Duración máxima del audio | Aproximadamente 9.5 horas |
| Cantidad máxima de archivos de audio por instrucción | 1 |
| Seguridad del modelo | Configuración de seguridad aplicada automáticamente que los desarrolladores pueden ajustar. Consulta nuestra página sobre la configuración de seguridad para obtener más detalles. |
| Límites de frecuencia[*] |
|
| Instrucciones del sistema | Admitido |
| Modo JSON | Admitido |
| Última versión | gemini-1.5-pro-latest |
| Última versión estable | gemini-1.5-pro |
| Actualización más reciente | Abril de 2024 |
Gemini 1.5 Flash (versión preliminar)
Gemini 1.5 Flash es un modelo multimodal rápido y versátil para escalar en diversas tareas.
Detalles del modelo
| Propiedad | Descripción |
|---|---|
| Código del modelo | gemini-1.5-flash-latest |
| Entradas | Audio, imágenes, video y texto |
| Salida | Texto |
| Métodos de generación compatibles |
generateContent
|
| Límite de tokens de entrada[**] | 1.048.576 |
| Límite de tokens de salida[**] | 8,192 |
| Cantidad máxima de imágenes por instrucción | 3,600 |
| Duración máxima del video | 1 hora |
| Duración máxima del audio | Aproximadamente 9.5 horas |
| Cantidad máxima de archivos de audio por instrucción | 1 |
| Seguridad del modelo | Configuración de seguridad aplicada automáticamente que los desarrolladores pueden ajustar. Consulta nuestra página sobre la configuración de seguridad para obtener más detalles. |
| Límites de frecuencia[*] |
|
| Instrucciones del sistema | Admitido |
| Modo JSON | Admitido |
| Última versión | gemini-1.5-flash-latest |
| Última versión estable | gemini-1.5-flash |
Gemini 1.0 Pro
Gemini 1.0 Pro es un modelo de PLN que maneja tareas como texto de varios turnos, chat de código y generación de código.
1.0 Pro es capaz de realizar tareas de aprendizaje sin ejemplos, en uno o con ejemplos limitados.
Detalles del modelo
| Propiedad | Descripción |
|---|---|
| Código del modelo | models/gemini-pro |
| Entrada | Texto |
| Salida | Texto |
| Métodos de generación compatibles |
generate_content
generateContent
|
| Límites de frecuencia[*] |
|
| Instrucciones del sistema | No compatible |
| Modo JSON | No compatible |
| Última versión | gemini-1.0-pro-latest |
| Última versión estable | gemini-1.0-pro |
| Versiones estables | gemini-1.0-pro-001 |
| Actualización más reciente | February 2024 |
Gemini 1.0 Pro Vision
Gemini 1.0 Pro Vision es un modelo multimodal optimizado para el rendimiento que puede realizar tareas relacionadas con los aspectos visuales. Por ejemplo, 1.0 Pro Vision puede generar descripciones de imágenes, identificar objetos presentes en imágenes, proporcionar información sobre objetos o lugares presentes en imágenes, y mucho más.
1.0 Pro Vision es capaz de realizar tareas sin ejemplos, con uno y con pocos intentos.
Detalles del modelo
| Propiedad | Descripción |
|---|---|
| Código del modelo | models/gemini-pro-vision |
| Entradas | Texto, imágenes y video |
| Salida | Texto |
| Métodos de generación compatibles |
generate_content
generateContent
|
| Límite del token de entrada[*] | 12,288 |
| Límite de tokens de salida[*] | 4,096 |
| Tamaño máximo de la imagen | Sin límite |
| Cantidad máxima de imágenes por instrucción | 16 |
| Duración máxima del video | 2 minutos |
| Cantidad máxima de videos por instrucción | 1 |
| Seguridad del modelo | Configuración de seguridad aplicada automáticamente que los desarrolladores pueden ajustar. Consulta nuestra página sobre la configuración de seguridad para obtener más detalles. |
| Límite de frecuencia[*] | 60 solicitudes por minuto |
| Última versión | gemini-1.0-pro-vision-latest |
| Última versión estable | gemini-1.0-pro-vision |
| Actualización más reciente | Diciembre de 2023 |
Incorporación de texto
Incorporación de texto
Puedes usar el modelo de incorporación de texto a fin de generar incorporaciones de texto para el texto de entrada. Para obtener más información sobre el modelo de incorporación de texto, consulta la documentación de IA generativa en Vertex AI sobre las incorporaciones de texto.
El modelo de incorporación de texto está optimizado para crear incorporaciones con 768 dimensiones para texto de hasta 2,048 tokens. La incorporación de texto ofrece tamaños de incorporación elásticos inferiores a 768. Puedes usar incorporaciones elásticas para generar dimensiones de salida más pequeñas y, potencialmente, ahorrar costos de procesamiento y almacenamiento con una pequeña pérdida de rendimiento.
Detalles del modelo
| Propiedad | Descripción |
|---|---|
| Código del modelo |
models/text-embedding-004
(text-embedding-preview-0409 en
Vertex AI)
|
| Entrada | Texto |
| Salida | Incorporaciones de texto |
| Límite de tokens de entrada | 2,048 |
| Tamaño de la dimensión de salida | 768 |
| Métodos de generación compatibles |
embed_content
embedContent
|
| Seguridad del modelo | Sin configuración de seguridad ajustable. |
| Límite de frecuencia[*] | 1,500 solicitudes por minuto |
| Actualización más reciente | Abril de 2024 |
Embedding
Puedes usar el modelo de incorporación para generar incorporaciones de texto para el texto de entrada.
El modelo de incorporación está optimizado para crear incorporaciones con 768 dimensiones para texto de hasta 2,048 tokens.
Detalles del modelo de incorporación
| Propiedad | Descripción |
|---|---|
| Código del modelo | models/embedding-001 |
| Entrada | Texto |
| Salida | Incorporaciones de texto |
| Límite de tokens de entrada | 2,048 |
| Tamaño de la dimensión de salida | 768 |
| Métodos de generación compatibles |
embed_content
embedContent
|
| Seguridad del modelo | Sin configuración de seguridad ajustable. |
| Límite de frecuencia[*] | 1,500 solicitudes por minuto |
| Actualización más reciente | Diciembre de 2023 |
ICA
Puedes usar el modelo de AQA para realizar tareas relacionadas con la respuesta de preguntas atribuidas (AQA) en un documento, corpus o un conjunto de pasajes. El modelo de AQA muestra respuestas a preguntas que se basan en las fuentes proporcionadas, junto con una estimación de la probabilidad respondible.
Detalles del modelo
| Propiedad | Descripción |
|---|---|
| Código del modelo | models/aqa |
| Entrada | Texto |
| Salida | Texto |
| Métodos de generación compatibles |
GenerateAnswerRequest
generateAnswer
|
| Idiomas admitidos | Inglés |
| Límite de tokens de entrada[**] | 7,168 |
| Límite de tokens de salida[**] | 1,024 |
| Seguridad del modelo | Configuración de seguridad aplicada automáticamente que los desarrolladores pueden ajustar. Consulta nuestra página sobre la configuración de seguridad para obtener más detalles. |
| Límite de frecuencia[*] | 60 solicitudes por minuto |
| Actualización más reciente | Diciembre de 2023 |
Consulta los ejemplos para explorar las capacidades de estas variaciones del modelo.
[*] Un token equivale a aproximadamente 4 caracteres en los modelos de Gemini. 100 tokens son entre 60 y 80 palabras en inglés.
[**] RPM: Solicitudes por minuto
TPM: Tokens por minuto
RPD: Solicitudes por día
TPD: Tokens por día
Debido a las limitaciones de capacidad, no se garantizan los límites de frecuencia máximo especificados.
Patrones de nombre de versión del modelo
Los modelos de Gemini están disponibles en versiones de vista previa o estable. En tu código, puedes usar uno de los siguientes formatos de nombre de modelo para especificar qué modelo y versión deseas usar.
Más reciente: Apunta a la versión de vanguardia del modelo para una generación y variación específicas. El modelo subyacente se actualiza con regularidad y puede ser una versión preliminar. Solo las apps y los prototipos de pruebas exploratorias deben usar este alias.
Para especificar la versión más reciente, usa el siguiente patrón:
<model>-<generation>-<variation>-latest. Por ejemplo,gemini-1.0-pro-latestEstable más reciente: Apunta a la versión estable más reciente que se lanzó para la generación y variación del modelo especificada.
Para especificar la versión estable más reciente, usa el siguiente patrón:
<model>-<generation>-<variation>. Por ejemplo,gemini-1.0-proEstable: Apunta a un modelo estable específico. Los modelos estables no cambian. La mayoría de las apps de producción deberían usar un modelo estable específico.
Para especificar una versión estable, usa el siguiente patrón:
<model>-<generation>-<variation>-<version>. Por ejemplo,gemini-1.0-pro-001