Gemini Ultra es un modelo de lenguaje multimodal de gran escala desarrollado por Google DeepMind, anunciado el 6 de diciembre de 2023 como el componente insignia de la familia Gemini 1.0. Se posicionó como el modelo de IA más capaz de Google, diseñado para tareas altamente complejas, y fue el primer modelo de lenguaje en superar a expertos humanos en la prueba de comprensión de lenguaje multitarea masiva (MMLU) de 57 materias, logrando un 90% de puntuación. El modelo era un competidor directo de GPT-4 de OpenAI, y su lanzamiento marcó una escalada significativa en la carrera de la IA generativa.
La familia Gemini, que también incluye a Gemini Pro y Gemini Nano, recibió su nombre de la palabra latina para "gemelos", simbolizando la fusión de Google Brain y DeepMind en Google DeepMind, así como el Proyecto Gemini de la NASA. Gemini Ultra se entrenó con las Unidades de Procesamiento Tensorial (TPU) de Google y se diseñó para procesar múltiples tipos de datos simultáneamente, incluyendo texto, imágenes, audio, video y código informático.
Antecedentes de desarrollo
Google anunció por primera vez Gemini durante la conferencia magistral de Google I/O el 10 de mayo de 2023, donde el CEO Sundar Pichai lo describió como un sucesor más potente de PaLM 2. El proyecto fue una colaboración entre DeepMind y Google Brain, que se habían fusionado recientemente bajo el liderazgo del CEO Demis Hassabis. Hassabis enfatizó que Gemini combinaría las fortalezas del programa AlphaGo de DeepMind, que ganó atención mundial en 2016 al derrotar al campeón de Go Lee Sedol, con capacidades avanzadas de modelo de lenguaje.
En agosto de 2023, The Information informó que Google apuntaba a un lanzamiento a finales de 2023 y esperaba superar a sus competidores integrando capacidades de texto conversacional con generación de imágenes impulsada por IA. El cofundador de Google, Sergey Brin, fue convocado de su retiro para ayudar en el desarrollo, junto con cientos de ingenieros de Google Brain y DeepMind. Posteriormente se le atribuyó el crédito como "colaborador principal" de Gemini. Debido a que el modelo se entrenó con transcripciones de videos de YouTube, se contrataron abogados para filtrar posibles materiales con derechos de autor.
El desarrollo de Gemini se aceleró en respuesta a la creciente popularidad de ChatGPT y GPT-4. Según se informó, OpenAI aceleró su trabajo en la integración de funciones multimodales en GPT-4 tras conocer el inminente lanzamiento de Gemini. Varias empresas recibieron acceso temprano a una versión inicial del modelo a través del servicio Vertex AI de Google Cloud.
Evento de lanzamiento y disponibilidad inicial
El 6 de diciembre de 2023, Pichai y Hassabis anunciaron "Gemini 1.0" en una conferencia de prensa virtual. El lanzamiento incluyó tres modelos: Gemini Ultra para tareas altamente complejas, Gemini Pro para una amplia gama de tareas y Gemini Nano para tareas en el dispositivo. En el momento del lanzamiento, Gemini Pro y Nano se integraron en Bard y el smartphone Pixel 8 Pro, respectivamente. Gemini Ultra estaba destinado a impulsar "Bard Advanced" y estar disponible para desarrolladores de software a principios de 2024.
Google declaró que Gemini no estaría ampliamente disponible hasta el año siguiente debido a la necesidad de realizar pruebas de seguridad exhaustivas. El modelo se puso a disposición solo en inglés en el lanzamiento. Otros productos en los que Google pretendía incorporar Gemini incluían Search, Ads, Chrome, Duet AI en Google Workspace y AlphaCode 2.
Rendimiento de referencia y comparaciones
Se dijo que Gemini Ultra superaba a GPT-4, Claude de Anthropic, Inflection-2 de Inflection AI, Llama 2 de Meta y Grok de xAI en varios puntos de referencia de la industria. Se dijo que Gemini Pro superaba a GPT-3.5. El logro más notable fue la puntuación del 90% de Gemini Ultra en la prueba MMLU, lo que lo convirtió en el primer modelo de lenguaje en superar el rendimiento de expertos humanos en ese punto de referencia.
Estas afirmaciones encontraron cierto escepticismo entre investigadores que señalaron que los resultados de los puntos de referencia podían verse influenciados por la contaminación de pruebas o condiciones de evaluación específicas. Sin embargo, Google mantuvo que el rendimiento del modelo representaba un avance genuino en las capacidades de la IA.
Integración y despliegue
Gemini Pro se puso a disposición de los clientes de Google Cloud en AI Studio y Vertex AI el 13 de diciembre de 2023. Gemini Nano también se puso a disposición de los desarrolladores de Android. En enero de 2024, Google se asoció con Samsung Electronics para integrar Gemini Nano y Gemini Pro en su línea de smartphones Galaxy S24.
En febrero de 2024, Bard y Duet AI se unificaron bajo la marca Gemini, con "Gemini Advanced with Ultra 1.0" lanzándose a través de un nuevo nivel "AI Premium" del servicio de suscripción Google One. Esto marcó la primera disponibilidad para consumidores de Gemini Ultra, que anteriormente se había limitado a desarrolladores seleccionados y clientes empresariales.
Consideraciones de seguridad y regulación
De acuerdo con una orden ejecutiva firmada por el presidente de Estados Unidos, Joe Biden, en octubre de 2023, Google declaró que compartiría los resultados de las pruebas de Gemini Ultra con el gobierno federal de los Estados Unidos. Del mismo modo, la empresa mantuvo conversaciones con el gobierno del Reino Unido para cumplir con los principios establecidos en la Cumbre de Seguridad de la IA en Bletchley Park en noviembre de 2023.
Hassabis también reveló que DeepMind estaba explorando cómo Gemini podría combinarse con robótica para interactuar físicamente con el mundo. Esto reflejaba una tendencia más amplia en la industria de la IA hacia sistemas de IA incorporados.
Desarrollos posteriores
En febrero de 2024, Google lanzó Gemini 1.5, describiéndolo como un modelo más potente y capaz que el 1.0 Ultra. Los cambios incluyeron una nueva arquitectura, un enfoque de mezcla de expertos y una ventana de contexto de un millón de tokens más grande. El mismo mes, Google presentó Gemma, una gama más pequeña, gratuita y de código abierto de modelos Gemini, que fue ampliamente descrita como una respuesta a Meta y otros que abren el código de sus modelos de IA.
En diciembre de 2024, Google anunció el nuevo modelo experimental Gemini 2.0 Flash, que introdujo funciones como una API Live multimodal para interacciones de audio y video en tiempo real, generación de imágenes nativa y capacidades agénticas mejoradas. En junio de 2025, Google presentó Gemini CLI, un agente de IA de código abierto que lleva las capacidades de Gemini directamente al terminal.
Impacto y legado
El lanzamiento de Gemini Ultra representó un momento crucial en el panorama competitivo del desarrollo de modelos de lenguaje de gran escala. Demostró que Google podía producir modelos de vanguardia comparables o superiores a los de OpenAI, y aceleró la integración de capacidades multimodales en productos de IA convencionales. El éxito del modelo también validó la fusión de Google Brain y DeepMind, que se había completado en abril de 2023.
El rendimiento de referencia de Gemini Ultra, particularmente en MMLU, estableció un nuevo estándar para evaluar sistemas de IA. Su despliegue en todo el ecosistema de productos de Google, desde smartphones hasta servicios en la nube, ilustró la estrategia de la empresa de integrar IA avanzada en herramientas cotidianas. El modelo también contribuyó a debates continuos sobre seguridad de la IA, regulación y el desarrollo responsable de sistemas cada vez más potentes.