La familia de modelos de Gemini se considera multimodal porque puede procesar información de varias modalidades, lo que incluye imágenes, videos y texto. Por ejemplo, puedes enviarle a un modelo de Gemini una foto de un plato de galletas y pedirle que te dé una receta para esas galletas.
Instrucción | Respuesta |
Dame una receta para estas cookies. |
**INGREDIENTES** - 1 c. (2 barras) mantequilla sin sal, ablandada - 3/4 t. azúcar granulado - 3/4 t. azúcar morena, compacta - 1 cdta. extracto de vainilla - 2 huevos grandes - 2 1/4 t. harina multipropósito - 1 cdta. polvos de hornear - 1 cdta. sal |
Puedes interactuar con la familia de modelos de Gemini usando la API de Gemini que proporciona Vertex AI en Google Cloud. En el caso de las apps web y para dispositivos móviles, puedes usar los SDK de Vertex AI para Firebase para llamar a la API de Gemini e interactuar con los modelos de Gemini directamente desde tu app.
En esta página, se proporciona la siguiente información sobre los modelos de Gemini:
Comparación de alto nivel de los casos de uso de los distintos modelos de Gemini, incluidos los tipos de entrada compatibles.
Comparación de los detalles de cada modelo, por ejemplo, tokens de entrada máximos o duración máxima de video.
Descripción de cómo se controlan las versiones de los modelos de Gemini, específicamente sus versiones estable, actualizada automáticamente y de vista previa
Listas de nombres de modelos disponibles para incluir en tu código durante la inicialización.
Lista de idiomas compatibles con los modelos de Gemini.
Modelos disponibles
Puedes usar cualquiera de los siguientes modelos de Gemini con Vertex AI para Firebase:
Gemini 1.5 Flash
Modelo multimodal que admite los mismos tipos de entrada y salida que 1.5 Pro (además del recuento total de tokens), pero 1.5 Flash está diseñado específicamente para aplicaciones rentables y de gran volumen.Gemini 1.5 Pro
Modelo multimodal que admite agregar archivos de imagen, audio, video y PDF en instrucciones de texto o chat para una respuesta de texto o código. Además, admite la comprensión del contexto a largo plazo con hasta 1 millón de tokens.Gemini 1.0 Pro Vision
Modelo multimodal diseñado para procesar texto, imágenes y video en una respuesta de texto o código. No se puede usar para el chat.Gemini 1.0 Pro
Modelo diseñado para manejar tareas de lenguaje natural, chat de varios turnos con texto y código, y generación de código.
Ve a los nombres de modelos para incluirlos en tu código
Casos de uso y capacidades para cada modelo
Cada modelo de Gemini tiene diferentes capacidades para admitir varios casos de uso. Puedes obtener más información sobre cada uno de los modelos de Gemini en la documentación de Google Cloud.
Entrada y salida admitidas para cada modelo
Gemini 1.5 Flash | Gemini 1.5 Pro | Gemini 1.0 Pro Vision | Gemini 1.0 Pro | |
---|---|---|---|---|
Tipos de entrada | ||||
Texto | ||||
Código | ||||
Imagen | ||||
Video (solo fotogramas) | ||||
Video (fotogramas y audio) | ||||
Audio | ||||
Tipos de salida | ||||
Texto | ||||
Código |
Para obtener más información sobre los tipos de archivos admitidos, consulta Archivos de entrada compatibles y requisitos para la API de Vertex AI Gemini.
Capacidades admitidas y funciones generales para cada modelo
Gemini 1.5 Flash | Gemini 1.5 Pro | Gemini 1.0 Pro Vision | Gemini 1.0 Pro | ||
---|---|---|---|---|---|
Generación de texto a partir de instrucciones solo de texto | |||||
Generación de texto a partir de instrucciones multimodales | |||||
Salida de JSON (modo de esquema restringido) (próximamente en los SDK de Vertex AI para Firebase) |
|||||
Chat de varios turnos | |||||
Llamada a función | |||||
Llamadas a funciones básicas | |||||
Llamadas a funciones paralelas | |||||
Modo de llamada a función | |||||
Contar tokens y caracteres facturables | |||||
Instrucciones del sistema |
Información detallada sobre cada modelo
Propiedad |
Gemini 1.5 Flash / Gemini 1.5 Pro |
Gemini 1.0 Pro Vision | Gemini 1.0 Pro |
---|---|---|---|
Límite total de tokens (entrada y salida combinadas) * | 1 millón de tokens | 16,384 tokens | 32,760 tokens |
Límite de tokens de salida * | 8,192 tokens | 2,048 tokens | 8,192 tokens |
Cantidad máxima de imágenes por solicitud | 3,000 imágenes | 16 imágenes | N/A |
Tamaño máximo de la imagen codificada en base64 | 7 MB | 7 MB | N/A |
Tamaño máximo del PDF | 30 MB | 30 MB | N/A |
Cantidad máxima de archivos de video por solicitud | 10 archivos de video | 1 archivo de video | N/A |
Duración máxima del video (solo fotogramas) | 60 minutos de video | 2 minutos | N/A |
Duración máxima del video (marcos y audio) | ~45 minutos de video | N/A | N/A |
Cantidad máxima de archivos de audio por solicitud | 1 archivo de audio | N/A | N/A |
Duración máxima del audio | ~8.4 horas de audio | N/A | N/A |
* En todos los modelos de Gemini, un token equivale a aproximadamente 4 caracteres,
por lo que 100 tokens son entre 60 y 80 palabras en inglés. Puedes determinar el recuento total de tokens en tus solicitudes con countTokens
.
Aquí es donde puedes encontrar información aún más detallada sobre los modelos y los archivos de entrada:
Obtén más información sobre las diferencias entre los modelos multimodales en la documentación de Google Cloud.
Obtén información sobre los tipos de archivos admitidos, cómo especificar el tipo de MIME y cómo asegurarte de que tus archivos y solicitudes multimodales cumplan con los requisitos y sigan las prácticas recomendadas en Archivos de entrada compatibles y requisitos para la API de Vertex AI Gemini.
Control de versiones de los modelos
Los modelos de Gemini se ofrecen en las versiones estable, con actualización automática y de vista previa.
Las versiones estables se consideran con disponibilidad general.
- Las versiones estables tienen nombres de modelos agregados con un número de versión específico de tres dígitos, por ejemplo,
.gemini-1.0-pro-001
- Las versiones estables tienen nombres de modelos agregados con un número de versión específico de tres dígitos, por ejemplo,
Las versiones actualizadas automáticamente siempre apuntan a la versión más reciente stable de ese modelo. Si se lanza una nueva versión estable, la actualizada automáticamente comienza a apuntar a esa nueva versión estable.
- Las versiones actualizadas automáticamente tienen nombres de modelos sin anexos, por ejemplo,
.gemini-1.0-pro
- Las versiones actualizadas automáticamente tienen nombres de modelos sin anexos, por ejemplo,
Las versiones de versión preliminar tienen funciones nuevas y se consideran no estables. Ten en cuenta que las versiones preliminares siempre apuntan a la versión de la vista previa más reciente de ese modelo. Si se lanza una nueva versión preliminar, cualquier versión existente comenzará a apuntar automáticamente a esa nueva versión.
- Las versiones preliminares tienen nombres de modelos agregados con
junto con la fecha de lanzamiento inicial del modelo (-preview
), por ejemplo-MMDD
(lanzado el 9 de abril de 2024).gemini-1.5-pro-preview-0409
- Las versiones preliminares tienen nombres de modelos agregados con
Obtén más información sobre las versiones disponibles del modelo de Gemini y su ciclo de vida en la documentación de Google Cloud.
Nombres de modelos disponibles
Los nombres del modelo son los valores explícitos que incluyes en tu código durante la inicialización del modelo generativo (un paso obligatorio para llamar a la API de Gemini). Para obtener ejemplos de inicialización para tu lenguaje, consulta la guía de introducción.
Nombres de modelos de Gemini 1.5 Flash
Nombre del modelo | Descripción | Etapa de lanzamiento | Fecha del lanzamiento inicial | Fecha de descontinuación |
---|---|---|---|---|
Versiones estables | ||||
gemini-1.5-flash-001 |
La versión estable más reciente de Gemini 1.5 Flash | Disponibilidad general | 2024-05-24 | No antes del 24/05/2025 |
Versión actualizada automáticamente | ||||
gemini-1.5-flash |
Apunta a la versión estable más reciente de 1.5 Flash (actualmente, gemini-1.5-flash-001 |
Disponibilidad general | 2024-05-24 | --- |
Versiones preliminares | ||||
gemini-1.5-flash-preview-0514 |
Versión preliminar más reciente de Gemini 1.5 Flash | Versión preliminar pública | 2024-05-14 | 2024-06-24 |
Nombres de modelos de Gemini 1.5 Pro
Nombre del modelo | Descripción | Etapa de lanzamiento | Fecha del lanzamiento inicial | Fecha de descontinuación |
---|---|---|---|---|
Versiones estables | ||||
gemini-1.5-pro-001 |
La versión estable más reciente de Gemini 1.5 Pro | Disponibilidad general | 2024-05-24 | No antes del 24/05/2025 |
Versión actualizada automáticamente | ||||
gemini-1.5-pro |
Apunta a la versión estable más reciente de 1.5 Pro (actualmente gemini-1.5-pro-001 |
Disponibilidad general | 2024-05-24 | --- |
Versiones preliminares | ||||
gemini-1.5-pro-preview-0514 |
Versión preliminar más reciente de Gemini 1.5 Pro | Versión preliminar pública | 2024-05-14 | 2024-06-24 |
gemini-1.5-pro-preview-0409 |
Apunta a gemini-1.5-pro-preview-0514 (que es la versión de vista previa más reciente) |
Versión preliminar pública | 2024-04-09 | 2024-06-14 |
Nombres de modelos de Gemini 1.0 Pro Vision
Nombre del modelo | Descripción | Etapa de lanzamiento | Fecha del lanzamiento inicial | Fecha de descontinuación |
---|---|---|---|---|
Versiones estables | ||||
gemini-1.0-pro-vision-001 |
La versión estable más reciente de Gemini 1.0 Pro Vision | Disponibilidad general | 2024-02-15 | No antes del 15-02-2025 |
Versión actualizada automáticamente | ||||
gemini-1.0-pro-vision |
Apunta a la versión estable más reciente de 1.5 Pro Vision (actualmente gemini-1.5-pro-vision-001 |
Disponibilidad general | 2024-01-04 | --- |
Nombres de modelos de Gemini 1.0 Pro
Nombre del modelo | Descripción | Etapa de lanzamiento | Fecha del lanzamiento inicial | Fecha de descontinuación |
---|---|---|---|---|
Versiones estables | ||||
gemini-1.0-pro-002 |
La versión estable más reciente de Gemini 1.0 Pro | Disponibilidad general | 2024-04-09 | No antes del 9/4/2025 |
gemini-1.0-pro-001 |
Versión estable de Gemini 1.0 Pro | Disponibilidad general | 2024-02-15 | No antes del 15-02-2025 |
Versión actualizada automáticamente | ||||
gemini-1.0-pro |
Apunta a la versión estable más reciente de 1.0 Pro (actualmente gemini-1.0-pro-002 |
Disponibilidad general | 2024-02-15 | --- |
Idiomas compatibles
Los modelos de Gemini admiten los siguientes lenguajes:
árabe (ar), bengalí (bn), búlgaro (bg), chino simplificado y tradicional (zh), croata (hr), checo (cs), danés (da), holandés (nl), inglés (en), estonio (et), finés (fi), francés (fr), alemán (de), griego (el), hebreo (iw), polaco (iw), griego (iw), polaco (iw), italiano y polaco (hiviano), húngaro (iw), japonés (ID), húngaro (iw), japonés (ID), holandés (nl), noruego (sueco), polaco (iw), italiano y polaco (hiviano), japonés (ID), húngaro (es).
Próximos pasos
Prueba las funciones de la API de Gemini
- Crear conversaciones de varios turnos (chat)
- Generar texto a partir de instrucciones solo de texto.
- Genera texto a partir de instrucciones multimodales (lo que incluye texto, imágenes, PDF, video y audio).
- Usa las llamadas a funciones para conectar modelos generativos a información y sistemas externos.