La familia de modelos Gemini se considera multimodal porque es capaz de procesar información de varias modalidades, incluidas imágenes, videos y texto. Por ejemplo, puedes enviarle a un modelo de Gemini una foto de una bandeja de galletas y pedirle una receta para preparar 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 el Gemini API 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 in Firebase para llamar a la API de Gemini y, luego, 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 diversos modelos de Gemini, incluidos sus tipos de entrada compatibles.
Comparación de los detalles de cada modelo, por ejemplo, la cantidad máxima de tokens de entrada o la duración máxima del video
Descripción de cómo se controla la versión de los modelos de Gemini, en particular, sus versiones estables, actualizadas automáticamente y de vista previa.
Son listas de nombres de modelos disponibles que se incluyen en tu código durante la inicialización.
Es la lista de los idiomas admitidos para los modelos de Gemini.
Modelos disponibles
Puedes usar cualquiera de los siguientes modelos de Gemini con Vertex AI in Firebase:
Gemini 1.5 Flash
Es un modelo multimodal que admite los mismos tipos de entrada y salida que 1.5 Pro, pero con una comprensión del contexto a largo plazo de 1 millón de tokens. Gemini 1.5 Flash está diseñado específicamente para aplicaciones rentables 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 2 millones de tokens.Gemini 1.0 Pro Vision
Es un modelo multimodal diseñado para controlar texto, así como imágenes y video para una respuesta de texto o código. No se puede usar para chatear.Gemini 1.0 Pro
Es un modelo diseñado para manejar tareas de lenguaje natural, chat de varios turnos con texto y código, y generación de código.
Ir a los nombres de los modelos para incluirlos en tu código
Casos de uso y capacidades de cada modelo
Cada modelo de Gemini tiene diferentes capacidades para admitir varios casos de uso. Puedes obtener más información en la documentación de Google Cloud sobre cada uno de los modelos de Gemini.
Entradas y salidas compatibles 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 | ||||
| Resultados estructurados (como JSON) con el esquema de respuesta | ||||
| Código | ||||
Para obtener información sobre los tipos de archivos compatibles, consulta Archivos de entrada y requisitos compatibles para Vertex AI Gemini API.
Funciones generales y compatibles de 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 una entrada de solo texto | |||||
| Generación de texto a partir de entradas multimodales | |||||
| Resultado estructurado (como JSON) con el esquema de respuesta | |||||
| Chat de varios turnos | |||||
| Llamada a función | |||||
| Llamadas a funciones básicas | |||||
| Llamadas a función paralelas | |||||
| Modo de llamada a función | |||||
| Recuento de 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) * | 1,048,576 tokens | 2,097,152 tokens | 16,384 tokens | 32,760 tokens |
| Límite de tokens de salida * | 8,192 tokens | 8,192 tokens | 2,048 tokens | 8,192 tokens |
| Cantidad máxima de imágenes por solicitud | 3,000 imágenes | 3,000 imágenes | 16 imágenes | N/A |
| Tamaño máximo de la imagen codificada en base64 | 7 MB | 7 MB | 7 MB | N/A |
| Tamaño máximo del PDF | 30 MB | 30 MB | 30 MB | N/A |
| Cantidad máxima de archivos de video por solicitud | 10 archivos de video | 10 archivos de video | 1 archivo de video | N/A |
| Duración máxima del video (solo fotogramas) | ~60 minutos de video | ~60 minutos de video | 2 minutos | N/A |
| Duración máxima del video (fotogramas y audio) | ~45 minutos de video | ~45 minutos de video | N/A | N/A |
| Cantidad máxima de archivos de audio por solicitud | 1 archivo de audio | 1 archivo de audio | N/A | N/A |
| Duración máxima del audio | Aprox. 8.4 horas de audio | Aprox. 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.
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 admitidos y requisitos para Vertex AI Gemini API.
Control de versiones de los modelos
Los modelos de Gemini se ofrecen en versiones estables, actualizadas automáticamente y de vista previa.
Las versiones estables se consideran de disponibilidad general.
- Las versiones estables tienen nombres de modelos a los que se les agrega un
número de versión específico de tres dígitos, por ejemplo,
gemini-1.5-pro-002
- Las versiones estables tienen nombres de modelos a los que se les agrega un
número de versión específico de tres dígitos, por ejemplo,
Las versiones actualizadas automáticamente siempre apuntan a la versión estable más reciente de ese modelo. Si se lanza una nueva versión estable, la versión actualizada automáticamente comienza a apuntar automáticamente a esa nueva versión estable.
- Las versiones actualizadas automáticamente tienen nombres de modelos sin ningún tipo de terminación, por ejemplo,
gemini-1.5-pro
- Las versiones actualizadas automáticamente tienen nombres de modelos sin ningún tipo de terminación, por ejemplo,
Las versiones de vista previa tienen funciones nuevas y se consideran no estables. Ten en cuenta que las versiones preliminares siempre apuntan a la versión más reciente de la versión preliminar de ese modelo. Si se lanza una nueva versión preliminar, cualquier versión preliminar existente comienza a apuntar automáticamente a esa versión preliminar nueva.
- Las versiones preliminares tienen nombres de modelos agregados con
-preview-MMDDgemini-1.5-pro-preview-0409
- Las versiones preliminares tienen nombres de modelos agregados con
Obtén más información sobre las versiones de modelos de Gemini disponibles y su ciclo de vida en la documentación de Google Cloud.
Nombres de modelos disponibles
Los nombres de los modelos son los valores explícitos que incluyes en tu código durante la inicialización del modelo generativo (que es un paso obligatorio para llamar a Gemini API). Para ver ejemplos de inicialización en tu idioma, consulta la guía de introducción.
Nombres de los modelos Gemini 1.5 Flash
| Nombre del modelo | Descripción | Etapa de lanzamiento | Fecha de lanzamiento inicial | Fecha de descontinuación |
|---|---|---|---|---|
| Versiones estables | ||||
gemini-1.5-flash-002 |
La versión estable más reciente de Gemini 1.5 Flash | Disponibilidad general | 2024-09-24 | A partir del 24 de septiembre de 2025 |
gemini-1.5-flash-001 |
Versión estable inicial de Gemini 1.5 Flash | Disponibilidad general | 2024-05-24 | A partir del 24/05/2025 |
| Versión actualizada automáticamente | ||||
gemini-1.5-flash |
Hace referencia a la versión estable más reciente de Flash 1.5 (actualmente, gemini-1.5-flash-002 |
Disponibilidad general | 2024-09-24 | --- |
Nombres de los modelos de Gemini 1.5 Pro
| Nombre del modelo | Descripción | Etapa de lanzamiento | Fecha de lanzamiento inicial | Fecha de descontinuación |
|---|---|---|---|---|
| Versiones estables | ||||
gemini-1.5-pro-002 |
La versión estable más reciente de Gemini 1.5 Pro | Disponibilidad general | 2024-09-24 | A partir del 24 de septiembre de 2025 |
gemini-1.5-pro-001 |
Versión estable inicial de Gemini 1.5 Pro | Disponibilidad general | 2024-05-24 | A partir del 24/05/2025 |
| Versión actualizada automáticamente | ||||
gemini-1.5-pro |
Hace referencia a la versión estable más reciente de 1.5 Pro (actualmente, gemini-1.5-pro-002 |
Disponibilidad general | 2024-09-24 | --- |
Nombres de los modelos Gemini 1.0 Pro Vision
| Nombre del modelo | Descripción | Etapa de lanzamiento | Fecha de 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 |
Hace referencia 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 los modelos Gemini 1.0 Pro
| Nombre del modelo | Descripción | Etapa de lanzamiento | Fecha de 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 | A partir del 9/04/2025 |
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 |
Indica la versión estable más reciente de 1.0 Pro (actualmente, gemini-1.0-pro-002 |
Disponibilidad general | 2024-02-15 | --- |
Lenguajes compatibles
Todos los modelos de Gemini pueden comprender y responder en los siguientes idiomas:
Árabe (ar), bengalí (bn), búlgaro (bg), chino simplificado y tradicional (zh), croata (hr), checo (cs), danés (da), neerlandés (nl), español (es), estonio (et), finlandés (fi), francés (fr), alemán (de), griego (el), hebreo (iw), hindi (hi), húngaro (hu), indonesio (id), italiano (it), japonés (ja), coreano (ko), letón (lv), lituano (lt), noruego (no), polaco (pl), portugués (pt), rumano (ro), ruso (ru), serbio (sr), eslovaco (sk), esloveno (sl), sueco (sv), tailandés (th), turco (tr), ucraniano (uk) y vietnamita (vi)
Los modelos Gemini 1.5 Pro y Gemini 1.5 Flash pueden entender y responder en los siguientes idiomas adicionales:
Afrikaans (af), Amharic (am), Assamese (as), Azerbaijani (az), Belarusian (be), Bosnian (bs), Catalan (ca), Cebuano (ceb), Corsican (co), Welsh (cy), Dhivehi (dv), Esperanto (eo), Basque (eu), Persian (fa), Filipino (Tagalog) (fil), Frisian (fy), Irish (ga), Scots Gaelic (gd), Galician (gl), Gujarati (gu), Hausa (ha), Hawaiian (haw), Hmong (hmn), Haitian Creole (ht), Armenian (hy), Igbo (ig), Icelandic (is), Javanese (jv), Georgian (ka), Kazakh (kk), Khmer (km), Kannada (kn), Krio (kri), Kurdish (ku), Kyrgyz (ky), Latin (la), Luxembourgish (lb), Lao (lo), Malagasy (mg), Maori (mi), Macedonian (mk), Malayalam (ml), Mongolian (mn), Meiteilon (Manipuri) (mni-Mtei), Marathi (mr), Malay (ms), Maltese (mt), Myanmar (Burmese) (my), Nepali (ne), Nyanja (Chichewa) (ny), Odia (Oriya) (or), Punjabi (pa), Pashto (ps), Sindhi (sd), Sinhala (Sinhalese) (si), Samoan (sm), Shona (sn), Somali (so), Albanian (sq), Sesotho (st), Sundanese (su), Tamil (ta), Telugu (te), Tajik (tg), Uyghur (ug), Urdu (ur), Uzbek (uz), Xhosa (xh), Yiddish (yi), Yoruba (yo), Zulu (zu)
Próximos pasos
Prueba las funciones de Gemini API
- Crea conversaciones de varios turnos (chat).
- Generar texto a partir de instrucciones de solo texto
- Genera texto a partir de instrucciones multimodales (incluidos texto, imágenes, PDF, video y audio).
- Genera resultados estructurados (como JSON) a partir de instrucciones multimodales y de texto.
- Usa las llamadas a funciones para conectar los modelos generativos a sistemas y datos externos.