Gemini es la familia insignia de modelos de lenguaje de gran tamaño de Google DeepMind, lanzada el 6 de diciembre de 2023. Reemplazó al chatbot Bard basado en PaLM de Google como la principal línea de modelos de la empresa y fue diseñado desde el principio para ser multimodal de forma nativa, entrenado conjuntamente en texto, imagen, audio y video, en lugar de tener modalidades agregadas después del entrenamiento previo solo con texto.
Antecedentes
El desarrollo de Gemini siguió a la fusión de 2023 de Google Brain y DeepMind en la organización unificada Google DeepMind, una reestructuración ampliamente reportada como una respuesta a la presión competitiva tras el lanzamiento de ChatGPT el año anterior, a veces descrita internamente como un momento de "código rojo" para la estrategia de búsqueda e inteligencia artificial de Google. Demis Hassabis lideró la organización combinada, con Sundar Pichai, director ejecutivo de Google, defendiendo públicamente una reorientación "AI-first" de las líneas de productos de la empresa en torno a Gemini.
Niveles de modelo y lanzamientos
Gemini se ha lanzado en varios niveles de tamaño destinados a diferentes casos de uso: Ultra para las tareas más exigentes, Pro como modelo general equilibrado, Flash como opción más rápida y económica para aplicaciones de alto volumen, y Nano para uso en dispositivos como teléfonos y otro hardware con recursos limitados. Versiones sucesivas (1.0, 1.5, 2.0 y posteriores) ampliaron el contexto del modelo, con 1.5 Pro destacando notablemente por admitir ventanas de contexto muy largas, en el rango de un millón de tokens, lo que permite tareas como razonar sobre códigos completos, documentos extensos o archivos de video enteros en una sola instrucción. Las versiones posteriores incorporaron modos de razonamiento explícitos que asignan cómputo adicional de inferencia, alineando a Gemini con el cambio más amplio hacia modelos de razonamiento impulsado por sistemas como o1 de OpenAI.
Los modelos Gemini se entrenaron en parte significativa utilizando los propios Tensor Processing Units de Google, en lugar de depender solamente en GPU de terceros, lo que refleja la inversión de larga data de Google en hardware acelerador de IA personalizado.
Integración y productos
Google integró Gemini ampliamente ecosistema de productos, incluyendo Búsqueda (a través de AI Overviews), aplicaciones de Workspace, el sistema operativo Android y una aplicación de asistente al consumidor renombrada. Las capacidades especializadas construidas sobre la familia Gemini incluyeron herramientas de generación y edición imágenes, destacadamente el modelo que se conocía como el apodo de la comunidad Nano Banana, y los modelos de generación de video Veo, ambos desarrollados dentro de Google DeepMind y a menudo integrados en la superficie más amplia del producto Gemini. Gemini también impulsa NotebookLM, un asistente de investigación y toma de notas que ganó particular atención por su función de "resumen de audio" generado por IA en formato Podcast.
Recepción y competencia
Gemini ha competido directamente con la serie GPT de OpenAI y Claude de Anthropic, con clasificaciones relativas que cambiaron entre lanzamientos segun los puntos de referencia y plataformas de evaluación comunales como LMArena. La recepción inicial del lanzamiento original de Gemini fue mixta, con algunas demostraciones de marketing criticadas posteriormente por no ser totalmente representativas de las capacidades del modelo en vivo, mientras que las versiones posteriores, particularmente las 2.0 y siguientes, recibieron un mayor reconocimiento por cerrar o liderar la brecha de capacidades con laboratorios rivales. La integración profunda de Gemini en los productos de búsqueda y consumo de Google la ha convertido en una de las familias de modelos de IA más ampliamente distribuidas por alcance de usuarios, incluso si no siempre ha liderado in resultados de benchmark puros, y su trayectoria ha sido estrechamente observada como indicador de si Google puede convertir sus ventajas de infraestructura y distribución en un liderazgo en del mundo en IA.