Cuando salió por primera vez, la aplicación Gemini para Android era bastante básica. Sin embargo, desde entonces, Google ha agregado un montón de características interesantes que lo convierten en un asistente excepcionalmente poderoso.
Puedes hablar con el Asistente de Google, de alguna manera, si cuentas el envío y recepción de mensajes de voz como hablando. Si le preguntas por el clima o una reseña de una película, te dará la información. Después de cada mensaje, debes presionar el botón del micrófono una y otra vez. Es lo suficientemente bueno para configurar una alarma, pero el Asistente de Google no puede mantener una conversación. Incluso si pudiera, no encontrarías la conversación humana. Podrías hacerlo cuando hables con Géminis.
Si abres la aplicación Gemini en tu teléfono, encontrarás un pequeño botón de forma de onda con un brillo en la esquina derecha de la pantalla. Al tocarlo, se inicia la interfaz Gemini Live. Simplemente presione iniciar para activar Gemini Live. No dudes en salir de esta pantalla ahora; Gemini Live seguirá funcionando en segundo plano.
Originalmente, Gemini Live sólo se ofrecía a suscriptores pagos. Ahora está en la versión gratuita normal de la aplicación. Te permite hablar con Géminis exactamente como lo harías con una persona. Está construido sobre un modelo de lenguaje grande como el Gemini normal, excepto que puede hablar en tiempo real sin demoras y puedes interrumpirlo (o a ti mismo) en mitad de la conversación. No es necesario presionar el botón del micrófono una y otra vez. Es simplemente una conversación que fluye libremente.
He estado probando Gemini Live durante algunas semanas y siempre me ha dejado boquiabierto. Si ha probado el modo de voz avanzado ChatGPT, Gemini Live se parece mucho a eso. No hay nada como esta tecnología. Sentí esa cualidad de “valle inquietante” que tienes que experimentar tú mismo para entenderlo realmente. Por lo general, cuando envías mensajes de texto a Géminis, debes adoptar un enfoque de “solo los hechos”. Al hablar con Gemini Live, sentí como si en realidad me estuviera escuchando. Me entendió incluso cuando lo interrumpí o lo interrumpí.
Puede configurar Gemini Live enviando su voz al Asistente de Google y cambiando a Gemini como asistente predeterminado. Gemini Live puede hablar contigo en 10 voces diferentes, incluida una con acento británico. También puedes cambiarlo más tarde.
Intenté hablar sobre una película con él y en todo momento me hacía una pregunta reflexiva o interesante. Respondió al mío. Y casi parecía que Géminis tenía opiniones sobre la película. Incluso agregó algunos rellenos de diálogo como “eh”, “ups” y “hm” para crear una impresión más convincente. El tono de Géminis también fue bastante informal. No parecía robótico en absoluto. Esta podría ser una forma realmente interesante de aprender más sobre un tema porque estás hablando con un robot que lo sabe todo e imita la conversación humana.
Dejé que me ayudara a planificar mi día en lugar de simplemente anotar las tareas yo mismo. Hablamos sobre las cosas que quiero hacer hoy. Gemini Live siguió mi ejemplo y sugirió el plan del día. Edité parte simplemente hablando con Gemini. En un momento, dijo que parecía abrumado, y así era. Seguí su consejo y me tomé un minuto para relajarme. Continuamos la conversación donde la dejamos. Todo el tiempo fue como hablar con un asistente real.
Sin embargo, Gemini Live está lejos de ser perfecto. Un problema es que Gemini Live aún no puede acceder a las extensiones (más sobre eso en unos pocos). Entonces, cuando le pido que cree una lista de tareas, envía la lista en el chat. Gemini Live también se detiene bastante abruptamente cuando lo interrumpes a mitad de una frase. Géminis también puede alucinar, al igual que otros modelos de lenguaje grandes, por lo que vale la pena tenerlo en cuenta. Creo que esta increíble característica aún se encuentra en las primeras etapas de desarrollo y eventualmente evolucionará hasta convertirse en un asistente completo que funciona con las aplicaciones de Google.
Puedes pedirle al Asistente de Google que se conecte con tus aplicaciones para consultar tu calendario o controlar Google Home. Integraciones de aplicaciones como estas están cambiando su nombre a Gemini Extensions. También puedes despertar a Gemini con “Hey Google” y acceder a las extensiones con tu voz. También funcionan con indicaciones de texto.
Por ejemplo, puede pedirle que genere una lista de tareas pendientes o notas en Google Keep. Sin embargo, en lugar de empezar desde cero, puede indicarle que genere la lista automáticamente. También puedes crear nuevos eventos de calendario y administrar los existentes usando Gemini.
Pídale que reproduzca música usando YouTube Music. Puedes comenzar con un mensaje simple como “reproduce música” o darle un nombre de álbum, artista o pista específico; lo mismo funciona con los videos de YouTube. Más que una simple reproducción, puedes hacer preguntas complicadas sobre los vídeos en sí. Google Maps está estrechamente integrado con Gemini. Puede abrir superposiciones de mapas sin salir de la aplicación y hacerle preguntas a Gemini sobre navegación y lugares.
Google ha conectado todo Google Workspace para que funcione con Gemini Mobile. Entonces, sin abrir Google Docs, Drive, Sheets o Gmail, puedes realizar una búsqueda poderosa en todo el espacio de trabajo, obtener resúmenes generados por IA o crear recordatorios y tareas a partir de tus correos electrónicos.
Por supuesto, todas estas extensiones también pueden funcionar en conjunto. Así es como lo describe Google: puedes pedirle a Gemini que extraiga una receta de tus correos electrónicos y agregue los ingredientes a una lista Keep con un solo mensaje. Gemini también puede ayudarte a planificar tu próximo viaje con las integraciones de las aplicaciones Hoteles y Vuelos. Se conecta con Google Hotels en tiempo real para buscarle hoteles que coincidan con su itinerario e itinerario específicos. Luego puede buscar vuelos según su itinerario utilizando la extensión Google Flights.
Más allá de estas extensiones, Gemini también puede colaborar con el Asistente de Google para realizar las tareas cotidianas. Puede pedirle que configure alarmas, controle dispositivos domésticos inteligentes o identifique una canción o melodía. El Asistente de Google también maneja la función Rutinas. Dependiendo de cuándo estés leyendo esto, es posible que Google haya agregado muchas más extensiones. Puede acceder a la lista tocando el ícono de su perfil y seleccionando “Extensiones” en el menú.
La aplicación Gemini tiene un elegante botón de cámara que te permite tomar fotografías y hacer preguntas sobre ellas. Puede pedirle que subtitule una imagen, identifique una planta o le brinde más información sobre un medicamento. Es sorprendentemente bueno para identificar y subtitular ambos.
También puede hablar con usted sobre lo que hay actualmente en su pantalla. Con la superposición de Gemini (puede abrir Gemini en cualquier lugar de su teléfono móvil presionando prolongadamente el botón de inicio o manteniendo presionado el gesto de inicio), puede pedirle rápidamente a Gemini que identifique lo que hay en la pantalla. En realidad, simplemente toma una captura de pantalla de tu pantalla actual y te brinda más información al respecto. Lo encontré bastante preciso las pocas veces que tuve que usarlo. Puede acceder a esta función abriendo la superposición y tocando el botón “Agregar esta pantalla”. Carga la captura de pantalla en Gemini y te permite realizar un seguimiento mediante voz o texto.
Gemini aún no está listo para reemplazar completamente al Asistente de Google, pero ya es mucho más poderoso. Con Google redoblando su apuesta por la IA generativa para Android, espero que se vuelva más poderosa en los próximos años.
Un análisis reciente de la Fundación del Premio ARC encuentra que el modelo O3 de OpenAI ofrece resultados significativamente más débiles en puntos de referencia de razonamiento estandarizados que su versión de vista previa de O3 previamente probada.
La Fundación del Premio ARC, un grupo sin fines de lucro centrado en la evaluación de IA, utiliza puntos de referencia abiertos como ARC-AGI para resaltar la brecha entre el razonamiento humano y los sistemas de inteligencia artificial actuales. Cada evaluación tiene como objetivo aclarar el estado actual del campo.
El punto de referencia ARC-AGI está estructurado para probar el razonamiento simbólico, la composición de varios pasos y la aplicación de reglas dependiente del contexto, las habilidades que los humanos a menudo demuestran sin capacitación especial, pero que los modelos de IA solo funcionan en un grado limitado.
El análisis evaluó el rendimiento en niveles de razonamiento “bajo”, “medio” y “altos”, que varían la profundidad del razonamiento del modelo. “Bajo” prioriza la velocidad y el uso mínimo de token, mientras que “alto” tiene la intención de fomentar la resolución de problemas más integral. Para este estudio, dos modelos, O3 y O4-Mini, se probaron en los tres niveles de razonamiento en 740 tareas de ARC-AGI-1 y ARC-AGI-2, produciendo 4.400 puntos de datos.
Anuncio
Según la Fundación del Premio ARC, O3 alcanzó la precisión del 41 por ciento (bajo cálculo) y el 53 por ciento (cómputo medio) en ARC-AGI-1. El modelo O4-Mini más pequeño alcanzó el 21 por ciento (bajo cálculo) y el 42 por ciento (cómputo medio). En el punto de referencia ARC-AGI-2 más desafiante, ambos modelos actuales lucharon considerablemente, anotando por debajo del tres por ciento de precisión.
A niveles de razonamiento más altos (cómputo “alto”), ambos modelos no pudieron completar muchas tareas. El análisis también observó que los modelos tendían a responder tareas que podrían resolver más fácilmente, mientras dejaban tareas más difíciles sin respuesta. Evaluar solo las respuestas exitosas distorsionaría el rendimiento real, por lo que estos resultados parciales fueron excluidos de las tablas de clasificación oficiales.
| Modelo | Configuración de razonamiento | Eval Semi Private V1 | Eval Semi Private V2 | Costo por tarea (V2) |
|---|---|---|---|---|
| O3 | Bajo | 41% | 1,9% | 1.22 dólares estadounidenses |
| O3 | Medio | 53% | 2,9% | 2.52 dólares estadounidenses |
| O3 | Alto | – | – | – |
| O4-Mini | Bajo | 21% | 1,6% | 0.05 dólar estadounidense |
| O4-Mini | Medio | 42% | 2,3% | 0.23 dólar estadounidense |
| O4-Mini | Alto | – | – | – |
Los datos muestran que un mayor esfuerzo de razonamiento no garantiza mejores resultados, pero a menudo solo resulta en costos más altos. En particular, O3 High consume significativamente más tokens sin lograr una ganancia correspondiente en precisión para tareas más simples. Esto plantea preguntas sobre la escalabilidad del enfoque actual para el razonamiento de la cadena de pensamiento.
Para aplicaciones sensibles a los costos, la Fundación del Premio ARC aconseja el uso de O3-Medio como la configuración predeterminada. El modo de “alta recuperación” solo se recomienda cuando se necesita la máxima precisión y el costo es menos importante. “No hay una razón convincente para usar bajo si te importa la precisión”, dice Mike Knoop, cofundador de la Fundación del Premio ARC.
La Fundación también señala que, a medida que avanza el rendimiento del modelo, la eficiencia, con qué rapidez, de bajo costo y con el uso mínimo de tokens, un modelo puede resolver problemas, se convierte en el diferenciador primario. En este sentido, O4-Mini es notable: logra una precisión del 21 por ciento en ARC-AGI-1 a un costo de aproximadamente cinco centavos por tarea, mientras que los modelos más antiguos como O1-Pro requieren aproximadamente once dólares por tarea para obtener resultados comparables.
Recomendación
La versión actual de O3 diverge sustancialmente de la versión de previsión de O3 probada en diciembre de 2024. En ese momento, la previa vista de O3 obtuvo un 76 por ciento (bajo cómputo) y un 88 por ciento (alto cálculo) en ARC-AGI-1 en el modo de texto, mientras que el modelo O3 liberado ahora ofrece 41 por ciento (bajo) y 53 por ciento (medio).
OpenAI confirmó a ARC que el modelo de producción O3 difiere de la versión de vista previa de varias maneras clave. La compañía explicó que el modelo lanzado tiene una arquitectura diferente, es un modelo general más pequeño, opera multimodalmente (manejando las entradas de texto e imágenes) y utiliza menos recursos computacionales que la versión de vista previa.
Con respecto a los datos de capacitación, OpenAI afirma que la capacitación de O3 previa revisión cubrió el 75 por ciento del conjunto de datos ARC-AGI-1. Para el modelo O3 lanzado, OpenAI dice que no fue capacitado directamente en los datos de ARC-AGI, ni siquiera en el conjunto de datos de capacitación. Sin embargo, es posible que el modelo esté expuesto indirectamente al punto de referencia a través de su disponibilidad pública.
El modelo O3 publicado también se ha refinado para los casos de uso de productos y productos, que, según el premio ARC, se presenta tanto en ventajas como en desventajas en el punto de referencia ARC-AGI. Estas diferencias subrayan que los resultados de referencia, especialmente para los modelos de IA inéditos, deben verse con precaución.
El modelo O3-Medium actualmente ofrece el mayor rendimiento entre los modelos de Fundación de Premios ARC de ARC publicados en Publicación en ARC-AGI-1, duplicando los resultados de los enfoques anteriores de la cadena de pensamiento.
A pesar de esta mejora, el recién introducido Arc-Agi-2 Benchmark sigue sin resolverse en gran medida por ambos modelos nuevos. Mientras que los humanos resuelven un promedio del 60 por ciento de las tareas ARC-AGI-2 incluso sin capacitación especial, el modelo de razonamiento más fuerte de OpenAI actualmente logra solo alrededor del tres por ciento.
“ARC V2 tiene un largo camino por recorrer, incluso con la gran eficiencia de razonamiento de O3. Todavía se necesitan nuevas ideas”, escribe Knoop.
Esto destaca una brecha persistente en la capacidad de resolución de problemas entre humanos y máquinas, a pesar de los recientes avances y lo que la CEO de Microsoft, Satya Nadella, ha descrito como “piratería de referencia sin sentido”.
Un análisis reciente también sugiere que los llamados modelos de razonamiento como O3 probablemente no tienen ninguna capacidad nueva más allá de las de sus modelos de lenguaje fundamental. En cambio, estos modelos están optimizados para llegar a soluciones correctas más rápidamente para ciertas tareas, particularmente aquellos para los que han sido entrenados a través del aprendizaje de refuerzo dirigido.
Las herramientas con IA de Google, Gemini 2.5 Pro y Notebooklm, están redefiniendo cómo aborda la productividad, la investigación y la creación de contenido. Estas herramientas integran capacidades de codificación avanzada, evaluación de fuente inteligente y procesamiento multimodal para simplificar tareas complejas. Ya sea que sea un desarrollador, educador o estratega, proporcionan soluciones intuitivas que mejoran la eficiencia sin requerir una amplia experiencia técnica. Al usar estas herramientas, puede racionalizar los flujos de trabajo, mejorar la precisión y centrarse en la creatividad y la estrategia.
En este tutorial, Grace Leung desglosa las fortalezas únicas de Gemini 2.5 Pro y Notebooklm, y cómo su integración puede ayudarlo a lograr más con menos esfuerzo. Desde la creación de visualizaciones interactivas y contenido educativo hasta racionalizar la investigación y la creación de prototipos, descubrirá formas procesables para aprovechar estas herramientas para el máximo impacto. Espere aprender cómo el modo de lienzo de Gemini convierte las ideas en salidas funcionales y cómo NotebookLM garantiza que su trabajo se basa en fuentes creíbles y de alta calidad. Al final, verá cómo esta poderosa combinación puede ahorrarle tiempo, aumentar la creatividad y ayudarlo a concentrarse en lo que realmente importa: entregar resultados.
TL; DR Key Takeaways:
Gemini 2.5 Pro es una plataforma robusta diseñada para manejar tareas exigentes con precisión y facilidad. Ajusta a las necesidades técnicas y creativas, ofreciendo una gama de características que lo distinguen:
Estas características hacen que Gemini 2.5 Pro sea una herramienta versátil para profesionales en todas las industrias. Al automatizar procesos complejos, le permite centrarse en tareas de alto nivel, como la planificación estratégica y la resolución de problemas creativos.
NotebookLM sirve como una herramienta complementaria para Géminis, centrándose en la investigación, la organización y la evaluación de la fuente. Está diseñado para ayudarlo a sintetizar la información de manera efectiva y garantizar que su trabajo se basa en datos creíbles. Sus características destacadas incluyen:
Al combinar estas capacidades, NotebookLM optimiza el proceso de investigación, lo que le permite organizar la información de manera eficiente y producir resultados impactantes. Su enfoque en la credibilidad de la fuente garantiza que su trabajo mantenga un alto nivel de precisión y confiabilidad.
Aquí hay guías adicionales de nuestra expansiva biblioteca de artículos que puede encontrar útil en Notebooklm.
La sinergia entre Gemini 2.5 Pro y Notebooklm desbloquea una amplia gama de aplicaciones prácticas, lo que las convierte en herramientas valiosas en varios campos. Aquí hay algunos ejemplos de cómo puede usar estas herramientas de manera efectiva:
Estos casos de uso destacan la adaptabilidad de Gemini 2.5 Pro y NotebookLM, lo que demuestra su potencial para mejorar los flujos de trabajo en la educación, los negocios y las industrias creativas.
Cuando se usan juntos, Gemini 2.5 Pro y Notebooklm pueden optimizar significativamente su flujo de trabajo. Notebooklm asegura que su investigación se basa en fuentes creíbles y curadas, mientras que Gemini transforma esas ideas en salidas pulidas y funcionales. Ya sea que esté creando un módulo prototipo, infográfico o educativo, esta combinación reduce el tiempo y el esfuerzo requeridos para lograr resultados profesionales. Al automatizar tareas repetitivas y simplificar procesos complejos, estas herramientas le permiten centrarse en la innovación y la toma de decisiones estratégicas.
Si bien Gemini 2.5 Pro y NotebookLM ya son herramientas poderosas, existe el potencial de una mayor mejora. Una integración más profunda entre las dos plataformas podría crear un flujo de trabajo más perfecto, lo que le permite hacer la transición sin esfuerzo de la investigación a la ejecución. Las características como la transferencia de datos automática, las actualizaciones sincronizadas en proyectos compartidos o herramientas de colaboración mejoradas podrían optimizar aún más la experiencia del usuario. Estas mejoras harían que las herramientas sean aún más efectivas, capacitando a los usuarios para alcanzar sus objetivos con mayor eficiencia y precisión.
Crédito de los medios: Grace Leung
Archivado en: AI, guías
Últimas ofertas de gadgets geek
Divulgación: Algunos de nuestros artículos incluyen enlaces de afiliados. Si compra algo a través de uno de estos enlaces, los gadgets geek pueden ganar una comisión de afiliación. Aprenda sobre nuestra política de divulgación.
Si bien compañías como Google y Meta han estado recopilando nuestros datos personales, ahora vivimos en un mundo donde alimentamos activamente la información a los modelos de IA.
Por un lado, vale la pena pensar en lo que te sientes cómodo compartiendo con herramientas como ChatGPT. Pero los chats largos y reflexivos con una IA también podrían surgir cosas sobre ti que ni siquiera has notado.
Remove.bg: La Revolución en la Edición de Imágenes que Debes Conocer
Cómo Comenzar a Utilizar ChatGPT: Una Guía Completa para Principiantes
Cómo Empezar con Popai.pro: Tu Espacio Personal de IA – Guía Completa, Instalación, Versiones y Precios
Startups de IA en EE.UU. que han recaudado más de $100M en 2024
Deepgram: Revolucionando el Reconocimiento de Voz con IA
Perplexity aplicado al Marketing Digital y Estrategias SEO
Suno.com: La Revolución en la Creación Musical con Inteligencia Artificial
Dos periodistas octogenarios deman a ChatGPT por robar su trabajo
Inside the OpenAI-DeepSeek Distillation Saga & Alibaba’s Most Powerful AI Model Qwen2.5-Max
De ChatGPT a mil millones de agentes
