Todo lo que necesitas saber

Lanzado inicialmente en diciembre de 2023, Google Gemini ha experimentado recientemente una actualización sustancial con el lanzamiento a principios de diciembre de Gemini 2.0. Está diseñado para lo que Google llama la “era agente”, con capacidades que le permiten actuar de manera más independiente en procesos complejos de varios pasos.

Otras mejoras principales incluyen procesamiento nativo de imágenes y audio, tiempos de respuesta más rápidos, capacidades de codificación mejoradas y nuevas integraciones que se están desarrollando con otras aplicaciones y soluciones de Google para ayudar a alimentar su teléfono inteligente, computadora y otros dispositivos conectados con Android.

Una avalancha vertiginosa de nuevos modelos Gemini

Google ha estado lanzando un montón de modelos de IA diferentes últimamente, con múltiples versiones nuevas lanzadas en las últimas semanas. En ciertos aspectos, como la velocidad en Flash 2.0, las mejoras son fácilmente perceptibles. Otros están en áreas más especializadas, como la codificación. Mientras tanto, 2.0 Pro aún está en desarrollo.

Los nuevos modelos 2.0 están disponibles en escritorio y, más recientemente, en la aplicación móvil Gemini, donde encontrarás un selector para elegir entre ellos. Y no olvidemos el modelo Nano en el dispositivo, que ya incluye ciertas funciones de Google Pixel, como los resúmenes de llamadas. También vale la pena señalar que otro modelo nuevo, 2.0 Experimental Advanced, apareció en el escritorio en los últimos días.

Sin embargo, como señala Taylor Kerns, Géminis se está volviendo más complejo y cada vez es más difícil realizar un seguimiento de todas las variantes. Como no hay mucha información disponible sobre Experimental Advanced, me quedé con los dos en la comparación a continuación.

Gemini 2.0 Flash tiene que ver con velocidad y eficiencia

Fuente: Google

Como sugiere el nombre, Gemini 2.0 Flash está diseñado para la velocidad. Google afirma que duplica la velocidad de su predecesor y, como usuario de 1.5 Pro y 2.0 Flash Experimental, puedo dar fe de su rapidez.

2.0 proporciona respuestas casi instantáneas a las mismas consultas que podrían tardar unos segundos en 1.5 Pro. Puede que esto no parezca un impacto enorme, pero la respuesta instantánea abre un nuevo potencial para aplicaciones en tiempo real, como las interacciones de voz. También hace que la experiencia general del usuario parezca más refinada. A pesar de su mayor potencia, Gemini 2.0 Flash también está diseñado para ser más eficiente energéticamente, lo que podría traducirse directamente en una mejor duración de la batería de su teléfono inteligente.

Gemini 2.0 Flash ofrece capacidades mejoradas en otras áreas centrales. Google dice que supera a Gemini 1.5 Pro en tareas complejas como codificación, matemáticas y razonamiento lógico. Además, Gemini 2.0 Flash ahora puede ejecutar código directamente, procesar de forma autónoma respuestas API y llamar a funciones definidas por el usuario. 2.0 está empezando a parecerse más a una solución de desarrollo de un extremo a otro que a un simple generador de código.

Géminis quiere ser tu agente de IA

La IA agente lleva a Gemini hacia la asistencia proactiva. Esto significa que Gemini ahora puede actuar como agente y realizar tareas de varios pasos en su nombre. Las aplicaciones futuras incluirán de todo, desde juegos y robótica hasta planificación de viajes.

Digamos que estás planeando un viaje a Tokio. En lugar de simplemente pedirle a Gemini sugerencias turísticas, podría pedirle que “cree un itinerario detallado para un viaje de 5 días a Tokio, que incluya atracciones imperdibles, recomendaciones de restaurantes locales y costos estimados”. Probé exactamente este mensaje y la plataforma generó un itinerario diario convincente para mí. Pero todavía faltan componentes.

En teoría, Géminis podría incluso ir más allá reservando vuelos y alojamiento, reservando mesas en restaurantes y mucho más. De hecho, Flash 2.0 se integra con Google Flights y puede mostrar la disponibilidad de hoteles en su destino, pero el paso final de automatizar todo el proceso aún está por llegar. Es fácil ver que esto podría ser difícil de resolver, ya que reservar el vuelo equivocado, por ejemplo, puede literalmente conllevar un precio elevado. ¡Imagina una IA que te reserva un viaje al Springfield equivocado!

Gemini 2.0 puede ver, oír y hablar

Los avances en entrada y salida multimodal dentro de Gemini 2.0 son otra característica clave. Al integrar perfectamente información de diversas fuentes como texto, imágenes, vídeo y audio, Gemini 2.0 puede experimentar el mundo de forma más parecida a como lo hacemos nosotros. Esto allana el camino para una comunicación más humana.

Gemini 2.0 ahora puede conversar usando una voz AI. En la aplicación móvil, encontré varias voces diferentes para elegir, seleccioné una que me gustó y tuve una conversación fluida y sorprendentemente natural en la que le hice preguntas a la IA sobre una ciudad que me gustaría visitar. El nivel de esfuerzo fue definitivamente menor que escribir consultas y leer respuestas. Si bien esta funcionalidad no es nueva para la industria (piense en las aplicaciones “complementarias” de IA), sí lo es para Gemini.

El procesamiento nativo de imágenes y audio ofrece mejoras notables

Una mejora interesante en Gemini 2.0 es su capacidad para procesar imágenes y audio directamente. Por el contrario, sus predecesores convertían estas entradas en texto, lo que provocaba una mayor pérdida de información. El procesamiento directo permite una comprensión más profunda de la entrada. Gemini 2.0 no sólo puede identificar elementos dentro de una imagen o audio, sino que también puede comprender las interrelaciones y la escena en su conjunto.

Durante las pruebas, introduje en Gemini 2.0 Flash una imagen que tomé mirando desde mi oficina. En primer plano hay una mampara de ventana, mientras que en el medio hay arbustos y otros objetos. La IA supo de inmediato que la foto fue tomada a través de una pantalla y describió con gran detalle otros elementos de la escena. En general, descubrí que el modelo 2.0 ofrece un análisis de imágenes más matizado y detallado que la versión anterior.

La generación de imágenes de Géminis ha vuelto, pero ¿a alguien le importa?

A pesar de la fanfarria en torno a las capacidades mejoradas de Gemini 2.0, el regreso de su función de generación de imágenes Imagen fue un poco aburrido. Después de la controversia inicial y la posterior desactivación de la función debido a sesgos e imprecisiones, el relanzamiento parece poco interesante. Tal vez Imagen se haya diluido para evitar controversias adicionales, o tal vez sea simplemente que la novedad de la generación de imágenes mediante IA desapareció durante la larga pausa de Google.

La imagen de arriba es lo que Gemini 2.0 Flash Experimental creó cuando se le pidió “crear la imagen más interesante que pueda evocar”. Si bien entiendo que es un mensaje subjetivo, aun así llamaría al resultado decepcionante. En el mejor de los casos, parece una escena de un videojuego.

A través de más experimentación, cuando le pedí a 2.0 Flash Experimental simplemente que “creara una imagen de personas”, se negó. Volver a 1.5 Pro y dar el mismo mensaje resultó en una imagen similar a una fotografía de archivo de un grupo de amigos en colores vibrantes. Con Imagen, vemos a través de los ojos de la IA de Google y su perspectiva no es muy inspiradora.

Nuevas integraciones presagian el futuro

Fuente: Google

Al integrar las capacidades de Gemini en servicios centrales como Búsqueda, Maps y Workspace, Google pretende ofrecer una experiencia de usuario más unificada.

En el futuro, sus consultas de búsqueda en Google generarán respuestas dinámicas impulsadas por inteligencia artificial que probablemente aprovecharán información de sus correos electrónicos, documentos e incluso su historial de ubicaciones para brindar resultados más relevantes personalmente. Google ya está experimentando con resúmenes de búsqueda de IA que incluyen descripciones generales de audio al estilo de su producto hermano, NotebookLM.

Iniciativas iniciales como el Proyecto Astra y el Proyecto Mariner finalmente están viendo la luz en los últimos modelos Gemini. Astra comprende la experimentación con agentes de código impulsados ​​por IA, como Jules. Mientras tanto, Mariner podría permitir tareas como completar formularios automáticamente o resumir páginas web. Estos proyectos son esencialmente los pilares filosóficos sobre los que Google desarrolla sus aplicaciones y servicios de IA.

Relacionado

El modelo experimental Gemini 2.0 Advanced de Google ya está aquí, pero no para todos

La suscripción gratuita de tu Pixel puede resultarte útil

Google está construyendo una base sólida de inteligencia artificial con Gemini

Gemini 2.0 es un importante paso adelante para la IA de Google, ya que ofrece velocidades más rápidas, razonamiento mejorado y una integración multimodal perfecta. El mediocre retorno de la generación de imágenes y la confusa variedad de variantes de modelos resaltan las complejidades de esta categoría en rápido movimiento.

Sin embargo, los avances en IA agente, nuevas capacidades de codificación, voz e imagen, junto con una integración más profunda con los servicios centrales de Google presagian cosas buenas por venir en 2025.